In de enorme variatie in de respons van patiënten met colitis ulcerosa op behandeling is met behulp van kunstmatige intelligentie meer orde te scheppen. Een algoritme brengt de grote heterogeniteit terug tot 4 patiëntclusters, die anders reageren op medicatie en die wellicht representatief zijn voor een verschillende pathofysiologie van de ziekte. Prof dr. Stefan Schreiber, Universitätsklinikum Schleswig-Holstein in Kiel, presenteerde een post-hocanalyse van de VARSITY-dataset tijdens de UEG Week 2023.
Op termijn maakt het algoritme het wellicht mogelijk om voorspellingen te doen over de effectiviteit van de medicatie en kan het een geschikt instrument voor gepersonaliseerde behandeling worden.
Bij colitis ulcerosa worden tot nog toe de klinische, endoscopische en histologische respons en de normalisatie van de verhouding CRP en fecaal calprotectine gebruikt om ziektecontrole te definiëren. Deze eindpunten blijken in de praktijk het remissiepercentage niet zo goed te voorspellen.
In de zoektocht naar een betere methode om de respons op behandeling te voorspellen is machine learning toegepast. Vanuit de VARSITY-dataset zijn alle dagelijks door de patiënt gerapporteerde uitkomstgegevens gedurende 52 weken gevoerd aan een machine learning-algoritme met de opdracht om een optimaal aantal clusters van patiënten vast te stellen in de respons op behandeling met adalimumab en vedolizumab. Deze werden in verband gebracht met de ziektecontrole na 52 weken behandelen.
Er zijn 4 patiëntenclusters aangetroffen in de dataset: superresponders, responders, partiële responders en incomplete of non-responders. In de eerste 2 clusters bereikte 30% van de patiënten ziektecontrole, ongeacht welke behandeling ze kregen, terwijl partiële en nonresponders vrijwel geen kans hadden om deze situatie te bereiken.
Als een onderscheid werd gemaakt in de medicatie waarmee patiënten zijn behandeld, bleek dat met vedolizumab bijna 2 keer zoveel superresponders en responders ziektecontrole bereikten dan met adalimumab. In de groep die behandeld is met vedolizumab zaten 5 keer zo veel superresponders. Bovendien bleek uit de gegevens dat bij behandeling met vedolizumab een vroege remissie na 6 weken een goede voorspeller is van remissie en ziektecontrole na 52 weken. Bij behandeling met adalimumab was dat niet het geval.
Het grote onderscheid dat gevonden werd tussen de groepen met de 2 verschillende behandelingen, wijst erop dat het met het algoritme ook mogelijk kan zijn om de effectiviteit van medicatie vast te stellen. Zo zou iemand die geen superrespons op adalimumab heeft al na 4 weken kunnen switchen naar een andere behandeling. Om de respons op verschillende biologicals prospectief te kunnen voorspellen, is meer onderzoek nodig.
Bron: