Publicado 27/01/2021 13:23CET

Fisabio y Universidad de Nueva York desarrollan un modelo matemático que predice la respuesta al tratamiento de artritis

Carles Úbeda, investigador principal del grupo de Fisabio "Microbiota, infección e inflamación"
Carles Úbeda, investigador principal del grupo de Fisabio "Microbiota, infección e inflamación" - FISABIO

   VALÈNCIA, 27 Ene. (EUROPA PRESS) -

   Investigadores de Fisabio (Fundació per al Foment de la Investigació Sanitària i Biomédica de la Comunitat Valenciana) y la Universidad de Nueva York han desarrollado un modelo matemático capaz de predecir, antes del inicio del tratamiento, si una persona con artritis responderá o no a este.

   Esta herramienta parte de un estudio de colaboración realizado entre Fisabio y el departamento de Reumatología de la Facultad de Medicina de la Universidad de Nueva York, liderado por los investigadores Carles Úbeda y Jose Scher, que ha demostrado por primera vez cómo la microbiota intestinal influye en la respuesta al tratamiento más utilizado para la artritis reumatoide: el metotrexato.

   El campo de la reumatología carece de las herramientas óptimas para decidir qué medicamento es más adecuado en cada caso. Cuando se administra de forma oral el metotrexato para tratar la artritis reumatoide, solo el 50% de los pacientes logra un resultado clínico adecuado.

   Con este estudio, publicado en la revista 'Arthritis & Rheumatology' --"una de las más prestigiosas en este campo", subraya la Generalitat Valenciana en un comunicado--, se ha desarrollado un modelo matemático capaz de predecir, antes del inicio del tratamiento, si una persona con artritis responderá o no a este.

   "Hemos sido capaces de generar un modelo matemático que predice la respuesta al tratamiento mediante el análisis de los genes que conforman el microbioma del paciente", asegura Carles Úbeda, investigador principal del grupo de Fisabio 'Microbiota, infección e inflamación'.

   La investigación comenzó con 26 pacientes con artritis reumatoide a quienes se tomó una muestra fecal 48 horas antes del inicio del tratamiento. Cuatro meses después se les dividió en dos grupos: los pacientes que sí respondieron al tratamiento y, por tanto, cuya situación clínica había mejorado y aquellos que no habían respondido bien.

   El grupo de investigación analizó, a través de técnicas de secuenciación masiva, tanto la composición de la microbiota como las funciones bacterianas de cada uno de los genes que la conforman. De esta forma, los investigadores pudieron definir que la microbiota intestinal de las personas que no respondieron al fármaco era más diversa y presentaba diferencias en varias funciones bacterianas, incluidas algunas relacionadas con la metabolización del fármaco.

   El equipo de investigación demostró de manera experimental que los pacientes que no responden al tratamiento son aquellos que presentan microbiomas con mayor capacidad de disminuir la concentración de fármaco disponible. Para ello, cultivaron muestras de heces con el medicamento. A las 24 horas midieron la concentración del fármaco y observaron una correlación negativa entre el metotrexato que quedaba disponible y la respuesta real del paciente al tratamiento cuatro meses después.

   Con toda esa información el equipo ha desarrollado una herramienta que utiliza algoritmos de 'machine learning' capaz de predecir, analizando la microbiota intestinal, si los o las pacientes responderán o no al tratamiento antes que este se inicie.

   Esta herramienta se validó con 21 pacientes más a quienes se les analizó previamente la microbiota y se les agrupó según si responderían o no al tratamiento. Los datos se compararon con la respuesta real a los cuatro meses y se demostró que el modelo matemático predijo el fallo del tratamiento en la mayoría de los pacientes que no respondieron al mismo.

   El modelo permite identificar a pacientes que no tendrán una respuesta adecuada al tratamiento. De este modo, si se aplica en la práctica clínica, permitirá que cada paciente reciba un tratamiento alternativo al metotrexato para que la enfermedad no avance.

    "Esperamos que nuestro modelo predictivo pueda ayudar en la clínica a seleccionar un tratamiento más adecuado para tratar al paciente con artritis reumatoide", ha explicado Úbeda.

DISEÑO DE ESTRATEGIAS PARA MODULAR LA MICROBIOTA

   El estudio abre las puertas al diseño de estrategias para modular la microbiota y así mejorar la absorción y efectividad de este fármaco para tratar la artritis reumatoide, enfermedad que afecta al 1% de la población mundial,

   La investigación, en la que también han participado investigadores/as de la Universidad de Navarra, el IIS La Fe, la University of California y Penn State University, ha sido financiado por el Ministerio de Economía (SAF2017-90083-R); Fondos Feder; la Agencia Estatal de Investigación y la Conselleria de Innovación, Universidades, Ciencia ySociedad Digital (AICO/2019/266).

Para leer más