El monitoreo proactivo de medicamentos aumenta la efectividad del Adalimumab en la psoriasis.
Monitoreo proactivo de medicamentos para adalimumab: un estudio PKPD que podría cambiar el tratamiento de la psoriasis
En las últimas dos décadas, las terapias biológicas han transformado la forma en que tratamos las enfermedades inflamatorias mediadas por el sistema inmunológico, ofreciendo opciones específicas para condiciones como la psoriasis, la artritis reumatoide y la enfermedad inflamatoria intestinal (Fuente: Kuek et al.).
A pesar de estos avances, muchas personas tratadas con inhibidores del factor de necrosis tumoral (TNF) como adalimumab no obtienen una buena respuesta a largo plazo o pierden el beneficio con el tiempo, lo que deja a los clínicos con la decisión de aumentar la dosis, añadir terapias o cambiar de clase de medicamentos (Fuente: Pan S et al.).
Por qué es importante monitorear los niveles de medicamentos
Para varios biológicos, concentraciones más altas en sangre generalmente se correlacionan con mejores resultados clínicos hasta que se alcanza un plateau; esta observación respalda la idea de medir los niveles de medicamentos para guiar el tratamiento (Fuente: Pan S et al.).
En la psoriasis, se ha propuesto previamente un rango terapéutico para adalimumab de aproximadamente 3.2–7.0 μg/mL, pero los ensayos prospectivos robustos que validen el monitoreo rutinario aún son limitados (Fuente: Pan S et al.).
Qué hizo el nuevo estudio
Los investigadores utilizaron un modelo farmacocinético-farmacodinámico (PKPD) combinado para simular el efecto de una estrategia proactiva de monitoreo terapéutico de medicamentos frente a la dosificación estándar para pacientes con psoriasis que reciben adalimumab (Fuente: Pan S et al.).
El análisis se basó en datos del mundo real de 544 pacientes tratados con monoterapia con adalimumab en cohortes del Reino Unido, incluyendo BSTOP y PSORT-Discovery, con apoyo de registro de los centros BADBIR (Fuente: Pan S et al.; Fuente: BADBIR).
Los investigadores modelaron los niveles de medicamentos, la presencia de anticuerpos anti-medicamento, las respuestas del Índice de Área y Severidad de Psoriasis (PASI) y características del paciente como el peso corporal y comorbilidades para predecir resultados bajo diferentes estrategias de monitoreo (Fuente: Pan S et al.).
Cómo funcionó el modelo PKPD
El equipo primero caracterizó la farmacocinética de adalimumab, confirmando un comportamiento lineal consistente con estudios previos en enfermedades mediadas por el sistema inmunológico (Fuente: Pan S et al.).
El modelo luego vinculó la exposición al medicamento con el efecto clínico utilizando un modelo de recambio que simula cómo mejoran o recurren las lesiones de psoriasis con el tiempo, una forma de estimar cuánto tiempo tarda la piel en responder después de cambiar la dosificación del medicamento (Fuente: Pan S et al.).
Hallazgos clave de farmacocinética
El análisis encontró que una mayor depuración del medicamento estaba asociada con varios factores medibles, incluyendo un mayor peso corporal, mayor circunferencia de cintura, sexo femenino, hipertensión y presencia detectable de anticuerpos anti-medicamento, cada uno de los cuales puede reducir las concentraciones circulantes de adalimumab (Fuente: Pan S et al.).
La relación entre los anticuerpos y la depuración respalda el papel de la inmunogenicidad — el sistema inmunológico formando anticuerpos contra el biológico — en la pérdida secundaria de respuesta para algunos pacientes (Fuente: Pan S et al.).
Farmacodinámica: qué tan rápido cambian las lesiones
Utilizando el enfoque de recambio, los investigadores estimaron una vida media de recambio de lesiones de aproximadamente 17 días, una escala temporal que se alinea con otros estudios biológicos en psoriasis y ayuda a establecer expectativas sobre cuándo podría verse un cambio clínico después de un ajuste en la dosificación (Fuente: Pan S et al.).
A pesar de ajustar el modelo a muchas variables clínicas, permaneció una variabilidad sustancial entre pacientes, enfatizando que los factores medibles no explican completamente por qué algunas personas responden mucho mejor que otras (Fuente: Pan S et al.).
El algoritmo de TDM proactivo probado en simulaciones
Los investigadores simularon una estrategia proactiva de monitoreo terapéutico de medicamentos donde se verificaron los niveles de adalimumab en la semana 5 y la semana 17 después del inicio del tratamiento, con cambios de dosis predefinidos basados en esos resultados (Fuente: Pan S et al.).
Bajo el algoritmo simulado, los pacientes con niveles en la semana 5 por debajo de 3.2 μg/mL fueron escalados a dosificación semanal comenzando en la semana 6; las decisiones en la semana 17 utilizaron tanto las respuestas de PASI como los niveles de medicamento medidos para continuar, escalar, de-escalar o considerar un cambio (Fuente: Pan S et al.).
Lo que mostraron las simulaciones
Comparado con la dosificación estándar cada dos semanas, la simulación de TDM proactivo mejoró la tasa estimada de PASI90 a 6 meses del 28.3% al 38.9%, una mejora relativa de aproximadamente el 37.5% (Fuente: Pan S et al.).
De manera similar, las tasas simuladas de PASI75 aumentaron del 62.4% al 70.4% bajo la estrategia proactiva, aunque estas ganancias vinieron con un aumento de aproximadamente 25.9% en la exposición total a adalimumab en la población modelada (Fuente: Pan S et al.).
Emergieron subgrupos de pacientes distintos
Las simulaciones destacaron al menos dos subgrupos clínicamente importantes: pacientes con concentraciones de niveles bajos persistentes incluso después de la escalación de dosis, y pacientes con concentraciones altas que estaban muy bien clínicamente (Fuente: Pan S et al.).
Los pacientes que permanecieron con niveles bajos a pesar de la escalación eran poco propensos a alcanzar PASI90, lo que indica que una mayor escalación podría tener un valor limitado y que cambiar a una clase biológica diferente podría ser más apropiado (Fuente: Pan S et al.).
Por el contrario, un subgrupo con niveles por encima de 7 μg/mL que ya había alcanzado PASI90 fue modelado para que su dosificación se redujera a cada 3 semanas; en esta simulación, sus tasas de PASI90 cayeron modestamente del 100% al 86.5%, sugiriendo que una de-escalación selectiva podría ser factible para algunos pacientes bien controlados (Fuente: Pan S et al.).
Implicaciones clínicas: ¿optimizar la dosificación o cambiar de clase de medicamentos?
Los investigadores sugieren que el TDM proactivo podría utilizarse tanto para optimizar la dosificación en pacientes que probablemente se beneficiarán como para identificar a aquellos que son poco propensos a lograr remisión con aumentos adicionales de dosis y que pueden necesitar un mecanismo de acción diferente, como inhibidores de IL-17 o inhibidores de IL-23 (Fuente: Pan S et al.).
Utilizar el monitoreo terapéutico de medicamentos de esta manera podría ayudar a evitar una exposición innecesaria a medicamentos, reducir la escalación ineficaz y potencialmente acelerar los cambios apropiados para pacientes que muestran inmunogenicidad o depuración extremadamente rápida (Fuente: Pan S et al.).
Cómo se relaciona esto con la práctica y la evidencia existentes
El TDM reactivo — probar los niveles de medicamentos después de que un paciente pierde respuesta — ya es común en condiciones como la enfermedad inflamatoria intestinal, donde los clínicos utilizan los niveles para guiar ajustes (Fuente: Wang et al.).
En contraste, la evidencia que apoya el TDM proactivo rutinario (pruebas antes del fallo clínico para guiar ajustes de dosis preventivos) sigue siendo mixta, y los paneles de guías han sido cautelosos: algunas guías apoyan el monitoreo proactivo para el mantenimiento de infliximab pero son menos entusiastas sobre el monitoreo proactivo rutinario para adalimumab debido a que los datos de ensayos de alta calidad son limitados (Fuente: Zeraatkar et al.).
El estudio actual se basa en simulaciones en lugar de ser un ensayo controlado aleatorio, pero los autores argumentan que proporciona evidencia útil de que las estrategias de dosificación guiadas por PKPD individualizadas merecen pruebas prospectivas en psoriasis (Fuente: Pan S et al.).
Fortalezas y limitaciones a tener en cuenta
Una gran fortaleza del trabajo fue el uso de datos de registro del mundo real a gran escala en múltiples centros de dermatología del Reino Unido, lo que ayuda a que los hallazgos reflejen la práctica clínica rutinaria en lugar de poblaciones de ensayos altamente seleccionadas (Fuente: Pan S et al.; Fuente: BADBIR).
Sin embargo, las limitaciones incluyen el muestreo pragmático de medicamentos — una mezcla de muestras de niveles bajos y no bajos — y cierta información de dosificación faltante que requirió suposiciones sobre la adherencia y el momento de la inyección (Fuente: Pan S et al.).
El algoritmo proactivo probado fue intencionalmente simplificado y evaluado durante un período relativamente corto (6 meses), por lo que las consecuencias a largo plazo del TDM proactivo sobre la remisión sostenida, la seguridad y la rentabilidad siguen siendo desconocidas (Fuente: Pan S et al.).
Qué podría venir a continuación: herramientas y ensayos
Los investigadores imaginan que la atención clínica futura podría ser apoyada por modelos de pronóstico bayesianos y paneles digitales que integren niveles de medicamentos y datos del paciente para hacer recomendaciones de dosificación individualizadas en tiempo casi real (Fuente: Pan S et al.).
En última instancia, se necesitarán estudios prospectivos aleatorizados para determinar si el TDM proactivo puede mejorar consistentemente las tasas de remisión a largo plazo, reducir la exposición innecesaria y representar una alternativa rentable a la escalación empírica o al cambio prematuro (Fuente: Pan S et al.; Fuente: Zeraatkar et al.).
Fuentes
- Kuek A, Hazleman BL, Ostör AJ. Enfermedades inflamatorias mediadas por el sistema inmunológico (IMIDs) y terapia biológica: una revolución médica. 2007. (Fuente: Kuek et al.)
- Pan S, Tsakok T, Wei R, et al. Evaluación de una estrategia de monitoreo terapéutico de medicamentos para adalimumab en psoriasis: un estudio farmacocinético-farmacodinámico prospectivo. doi:10.1111/cts.70563 (Fuente: Pan S et al.).
- Wang MY, Zhao JW, Zheng CQ, Sang LX. Monitoreo terapéutico de medicamentos en tratamientos de enfermedad inflamatoria intestinal. World J Gastroenterol. 2022;28(15):1604-1607. doi:10.3748/wjg.v28.i15.1604 (Fuente: World Journal of Gastroenterology).
- Zeraatkar D, Pitre TS, Kirsh S, et al. Monitoreo terapéutico proactivo de medicamentos biológicos en pacientes con enfermedad inflamatoria intestinal, artritis inflamatoria y psoriasis: revisión sistemática y metaanálisis. Publicado el 28 de octubre de 2024. doi:10.1136/bmjmed-2024-000998 (Fuente: BMJ Medicine).
- Cohortes BSTOP y PSORT-Discovery; datos del registro BADBIR utilizados en el análisis PKPD (Fuente: BSTOP, PSORT-Discovery, BADBIR).