Model matematyczny wskazuje drogę do skuteczniejszych sposobów leczenia COVID-19

Od raka po COVID: model matematyczny, pierwotnie opracowany na potrzeby badań nad rakiem, wykorzystywany jest obecnie do rzucenia światła na progresję choroby COVID-19 oraz na potrzeby dostosowania sposobu leczenia do konkretnych grup pacjentów.

Jednym z powodów, dla których COVID-19 jest tak trudną do leczenia chorobą, jest to, że objawia się ona na wiele sposobów, od przebiegu bezobjawowego po niewydolność narządową, a nawet śmierć. Dlatego właśnie zrozumienie heterogeniczności COVID-19 i określenie najlepszego sposobu leczenia w każdym przypadku ma kluczowe znaczenie w walce z wirusem SARS-CoV-2.

Naukowcy z Cypru, Iranu i Stanów Zjednoczonych podjęli znaczące kroki w celu realizacji tego zadania. Opracowali oni kompleksowy model matematyczny, który pokazuje, dlaczego wyniki pacjentów z COVID-19 są tak zróżnicowane i jak można dostosować leczenie do potrzeb konkretnych grup pacjentów. Oparty na biologii model jest wynikiem badań wspieranych częściowo przez projekty Immuno-Predictor i CancerFingerPrints, na rzecz których Triantafyllos Stylianopoulos, badacz z Uniwersytetu Cypryjskiego, otrzymał finansowanie ze środków UE. Badania te opisano w pracy opublikowanej w czasopiśmie „Proceedings of the National Academy of Sciences of the United States of America”.

Model matematyczny opiera się na znanych mechanizmach SARS-CoV-2 i uwzględnia możliwe mechanizmy działania różnych metod leczenia, które przetestowano u pacjentów z COVID-19. Ponadto pokazuje, w jaki sposób takie aspekty jak wiek i inne schorzenia, które może mieć pacjent, mogą wpływać na jego reakcję na leczenie i wyniki kliniczne. „Nasz model przewiduje, że leki przeciwwirusowe i przeciwzapalne, które po raz pierwszy zastosowano w leczeniu COVID-19, mogą mieć ograniczoną skuteczność, w zależności od stopnia zaawansowania choroby”, stwierdził współautor pracy Rakesh K. Jain z Harvard Medical School i Massachusetts General Hospital w artykule informacyjnym zamieszczonym na stronie „Scienmag”.W trakcie swoich badań naukowcy stwierdzili, że poziom wiremii (ilość wirusa we krwi) wzrasta we wczesnym okresie zakażenia płuc. Jednak po piątym dniu przebieg zakażenia wirusowego zmienia się w zależności od poziomu aktywowanych limfocytów T, białych krwinek, które są częścią układu swoistej odpowiedzi odpornościowej. U pacjentów poniżej 35. roku życia ze zdrowym układem odpornościowym naukowcy zaobserwowali nieprzerwaną rekrutację limfocytów T. Towarzyszył temu spadek poziomu wiremii i złagodnienie stanu zapalnego, a także obniżenie poziomu komórek nieswoistej odpowiedzi odpornościowej zwanych neutrofilami i makrofagami. Procesy te doprowadziły do znacznego ograniczenia krzepnięcia krwi i przywrócenia poziomu tlenu w płucach.

Jednak w przypadkach, w których u pacjentów zakażonych SARS-CoV-2 występował już wysoki poziom zapalenia, stwierdzono słabe wyniki. Stwierdzono je również u osób o aktywniejszej nieswoistej odpowiedzi odpornościowej połączonej z mniej efektywnym układem swoistej odpowiedzi odpornościowej. Do takich przypadków zaliczali się starsi pacjenci oraz osoby z cukrzycą, otyłością, nadciśnieniem tętniczym lub rozregulowaną odpowiedzią odpornościową.

Zgodnie z modelem skuteczne leczenie pacjentów chorych na cukrzycę, jak również starszych pacjentów z obecnością stanu zapalnego i upośledzoną swoistą odpowiedzią odpornościową, obejmuje heparynę rozcieńczającą krew lub inhibitor punktów kontrolnych układu odpornościowego w połączeniu z kortykosteroidowym lekiem – deksametazonem. Dodatkowo połączenie heparyny i deksametazonu okazało się mieć korzystne działanie na pacjentów z otyłością lub wysokim ciśnieniem krwi.

Oparty na biologii model został opracowany pierwotnie do wykorzystania w badaniach nad nowotworami, prowadzonych przy wsparciu projektów Immuno-Predictor (Mechanical Biomarkers for Prediction of Cancer Immunotherapy) i CancerFingerPrints (Identification of nano-mechanical fingerprints as a biomarker for cancer treatment prognosis). Badacze planują dalszy rozwój tego modelu w celu zbadania reakcji układu odpornościowego na różne szczepionki przeciw COVID-19.

Więcej informacji:

projekt Immuno-Predictor

projekt CancerFingerPrints


last modification: 2021-01-25 17:15:01
Comments
Privacy Policy