Spondilite anchilosante: risposta ai farmaci anti-TNF si può prevedere


Secondo un nuovo studio è possibile predire in modo accurato la probabilità di una risposta iniziale ai farmaci anti-TNF in pazienti affetti da spondilite anchilosante

Spondilite anchilosante attiva, valutare effetto farmaci anti-TNF solo con indice BASDAI non basta

E’ possibile predire in modo accurato la probabilità di una risposta iniziale ai farmaci anti-TNF in pazienti affetti da spondilite anchilosante (SA) grazie al riscontro di alcune variabili iniziali, facilitando in tal modo le scelte terapeutiche in un’ottica sempre più vicina alla personalizzazione del trattamento. Questo il messaggio proveniente da uno studio recentemente pubblicato sulla rivista Jama Network Open ad opera di ricercatori Usa.

Razionale e disegno dello studio
L’avere a disposizione uno strumento prognostico per la risposta al trattamento nella SA potrebbe rivelarsi particolarmente utile in quanto la metà dei pazienti reclutati nel trial clinici randomizzati non risponde ai farmaci anti-TNF.

“Ad oggi – sottolineano gli autori dello studio nell’introduzione al lavoro – sono disponibili raccomandazioni limitate per predire la risposta al trattamento a livello del singolo paziente.

Mentre alcuni studi presenti in letteratura hanno già identificato un certo numero di fattori individuali associati con la risposta al trattamento in questi pazienti, fino ad ora non si era mai approfondito il come combinarli per migliorare l’accuratezza predittiva a livello del singolo paziente con SA. Di qui il nuovo studio, avente l’obiettivo di colmare il gap esistente.

Questo prevedeva che i ricercatori estrapolassero i dati, a livello del singolo paziente, relativi a 10 trial clinici effettuati sull’impiego dei farmaci anti-TNF nella SA, condotti tra il 2002 e il 2016.

I trial in questione erano tutti trial clinici randomizzati di fase 3 e 4 che avevano valutato l’efficacia del farmaco anti-TNF utilizzato a 12 e/o a 24 settimane, in confronto con un placebo o con un altro principio attivo. I partecipanti a questi trial erano tutti pazienti adulti con SA, che non avevano avuto una risposta soddisfacente dal trattamento con FANS.

L’analisi è partita dai dati di 1.899 pazienti. Per lo sviluppo del modello predittivo sono stati utilizzati i dati di 1.207 pazienti su 1.899. I pazienti non inclusi nel modello sono stati utilizzati come set di pazienti per confermare la validità del modello messo a punto.

Gli outcome clinici primari a 12 settimane erano i seguenti: 1) risposta al trattamento, definita sulla base di una riduzione di almeno 2 punti del punteggio di attività di malattia (SA); 2) mancata risposta al trattamento, definita sulla base di una riduzione di almeno 1,1 punti del punteggio di attività di malattia.

Risultati principali
Il modello predittivo è stato implementato grazie ai dati di 1.207 dei 1.899 pazienti considerati, aventi un’età media pari a 39 anni (±12); tre pazienti su 4 erano di sesso maschile (75,2%). Di questi, 407 (pari al 33,7%) sono risultati “responder” al trattamento con farmaci anti-TNF e 414 (34,3%) “no responder” a questa classe di farmaci.

L’analisi di regressione logistica per l’implementazione del modello predittivo ha incluso 25 fattori, la maggior parte dei quali sono risultati non contribuire in modo significativo a migliorare l’accuratezza predittiva.

Ciò premesso, i modelli di regressione logistica che incorporavano tre indicatori – i livelli di CRP, i punteggi relativi alla valutazione globale dello stato di salute da parte dei pazienti (PGA) e il dolore spinale riferito dai pazienti (risposta alla domanda 2 dell’indice BASDAI) – hanno mostrato una specificità compresa tra l’82% e l’83% e una sensitività compresa tra il 47% e il 54% nel predire la risposta ai farmaci anti-TNF dopo 12 settimane di trattamento.

I modelli di regressione logistica che incorporavano il punteggio BASFI, invece, sono stati in grado di predire la mancata risposta al trattamento con una specificità elevata (92-93%) ma a costo di una ridotta sensitività (36-41%). Non solo: in alcuni casi, anche il BMI è stato in grado di predire (insieme al BASFI) la mancata risposta ai farmaci anti-TNF.

Non solo: la probabilità di osservare la mancata risposta al trattamento con questi farmaci aumentava con l’età e i punteggio BASFI, mentre si riduceva con livelli più elevati di CRP e un punteggio più elevato riportato alla domanda 2 dell’indice BASDAI e all’indice PGA.

Da ultimo, l’applicazione dei due modelli sopra descritti di predizione della risposta e della mancata risposta ai farmaci anti-TNF nella coorte di validazione (692 pazienti, età media= 38 (±11) anni, 77% uomini) ha dimostrato un’accuratezza predittiva di livello compreso da “moderato” a “elevato”.

Riassumendo
La risposta ai farmaci anti-TNF nei pazienti con SA attiva è notoriamente eterogenea e sottolinea la necessità di personalizzare la terapia in base alla predizione della risposta al trattamento.

“I modelli predittivi messi a punto e validati in questo studio forniscono dei punteggi predittivi di risposta o mancata risposta al trattamento con farmaci anti-TNF nei pazienti con SA – scrivono i ricercatori nelle conclusioni del lavoro – da utilizzare per facilitare la personalizzazione della terapia. (…) Non si può escludere, però, che la mancata risposta alla terapia con questi farmaci in un paziente non possa dipendere dall’aderenza al trattamento. D’altro canto, un trattamento con questi farmaci al quale i pazienti non rispondono potrebbe essere sospeso in modo più tempestivo se si dispone di fatttori in grado di predire la mancata risposta al trattamento”.

“A questo punto – concludono i ricercatori – potrebbe essere utile sviluppare modelli predittivi di risposta al trattamento simili per le altre classi di farmaci biologici disponibili, al fine di ottimizzare la terapia in base alla migliore risposta prevedibile dei pazienti alle opzioni terapeutiche disponibili”.

Bibliografia
Wang R, et al “Predicting probability of response to tumor necrosis factor inhibitors for individual patients with ankylosing spondylitis” JAMA Netw Open 2022; DOI: 10.1001/jamanetworkopen.2022.2312.
Leggi