Biologia zmienia oblicze leczenia ciężkiej astmy – nowe odkrycia naukowców

Czy biologia zmienia oblicze leczenia ciężkiej astmy?

Badacze z Hiszpanii przeprowadzili innowacyjne badanie, które rzuca nowe światło na mechanizmy działania leków biologicznych stosowanych w leczeniu ciężkiej astmy. Analizując zmiany metaboliczne i proteomiczne u pacjentów leczonych mepolizumabem i omalizumabem, zespół zidentyfikował potencjalne biomarkery, które mogą umożliwić lepsze monitorowanie skuteczności terapii i personalizację leczenia.

Astma jest chorobą o złożonej patofizjologii, napędzanej przez różne szlaki immunologiczne prowadzące do przewlekłego stanu zapalnego. Około 60% astmatyków charakteryzuje się odpowiedzią zależną od limfocytów Th2, które wydzielają cytokiny (IL-4, IL-5, IL-9 i IL-13), powodując eozynofilię i produkcję immunoglobuliny E (IgE) przez komórki B. W ostatnich dekadach obserwuje się wzrost częstości występowania i nasilenia astmy, co sprawia, że część pacjentów nie osiąga kontroli choroby przy standardowych terapiach i rozwija ciężki fenotyp. Dla takich pacjentów wytyczne GINA zalecają dodatkową terapię biologiczną przeciwciałami monoklonalnymi ukierunkowanymi na kluczowe immunomodulatory.

Jakie mechanizmy kryją się za lekami biologicznymi?

Pierwszym lekiem biologicznym zatwierdzonym w leczeniu astmy był omalizumab – przeciwciało monoklonalne anty-IgE stosowane u pacjentów z ciężką astmą alergiczną z wysokim poziomem IgE we krwi. Później zatwierdzono mepolizumab, który specyficznie blokuje IL-5, zapobiegając jej wiązaniu z podjednostką alfa receptora IL-5 (IL-R5α), stosowany w ciężkiej, niekontrolowanej astmie eozynofilowej. Mimo rosnącego wykorzystania i udowodnionej skuteczności nowych leków biologicznych, immunometaboliczne efekty blokowania kluczowych szlaków immunologicznych przez te terapie i ich zależne od czasu działania systemowe nie są w pełni poznane.

W codziennej praktyce klinicznej dostępnych jest niewiele biomarkerów do diagnostyki i monitorowania astmy. Należą do nich eozynofile obwodowe lub w plwocinie, frakcja wydychanego tlenku azotu (FeNO), natężona objętość wydechowa w pierwszej sekundzie (FEV1) oraz IgE w surowicy. “Nadal kluczowe jest zidentyfikowanie nowych biomarkerów do oceny ewolucji pacjentów astmatycznych podczas leczenia, wzmacniając spersonalizowaną terapię ciężkiej astmy” – podkreślają autorzy badania.

Czy nowoczesne metody omiczne otwierają nowe perspektywy?

Nauki omiczne są szeroko stosowane w poszukiwaniu nowych potencjalnych biomarkerów, pozwalając odkryć mnogość mechanizmów leżących u podstaw złożonej choroby. Wcześniejsze badania wykorzystywały ukierunkowaną i nieukierunkowaną proteomikę w astmie i alergii, badając zmiany w kluczowych cytokinach i interleukinach, lub nieukierunkowaną metabolomikę, gdzie zmiany w kilku prozapalnych szlakach metabolicznych (np. szlakach kwasów tłuszczowych) są wspólne dla różnych fenotypów alergicznych. Zespół badaczy wcześniej intensywnie badał różne ciężkie modele alergii układu oddechowego i anafilaksji, łącząc nieukierunkowaną metabolomikę, transkryptomikę i proteomikę. Doprowadziło to do opracowania ukierunkowanej metodologii metabolomicznej do pomiaru i ilościowego oznaczania zestawu metabolitów związanych z zapaleniem alergicznym, w tym wykrywania sfingolipidów, aminokwasów, karnityn i kwasów tłuszczowych.

W badaniu uczestniczyło 67 dorosłych z ciężką astmą (stopień 5 według wytycznych GINA), rekrutowanych między kwietniem 2018 a lipcem 2019 w Szpitalu Uniwersyteckim Gran Canaria Dr. Negrín w Las Palmas de Gran Canaria w Hiszpanii. Pacjenci zostali przydzieleni do leczenia mepolizumabem (ciężka astma eozynofilowa) lub omalizumabem (ciężka astma alergiczna) na podstawie ich charakterystyki klinicznej. Po uwzględnieniu pacjentów, którzy wypadli z badania (3 w grupie omalizumabu z powodu braku odpowiedzi oraz 6 w grupie mepolizumabu, z czego 3 z powodu obecności polipów nosowych i 3 z powodu braku odpowiedzi, przy czym 2 z nich wykazywało mialgie lub nawracające bóle głowy jako działania niepożądane), analizą objęto 36 osób w grupie mepolizumabu i 20 w grupie omalizumabu.

Pacjenci byli oceniani w trzech punktach czasowych: przed rozpoczęciem leczenia biologicznego (baseline), po 6 i 18 miesiącach od rozpoczęcia terapii. Próbki surowicy pobierano podczas wszystkich trzech wizyt i przechowywano w temperaturze -80°C do dalszych analiz metabolomicznych i proteomicznych. Dodatkowo rejestrowano parametry kliniczne, takie jak liczba eozynofili we krwi, wartości FEV1, wynik testu kontroli astmy (ACT) oraz częstość hospitalizacji i ciężkich zaostrzeń (zwiększenie kaszlu, duszności, świszczącego oddechu i/lub postępujące pogorszenie czynności płuc).

Jakie sygnatury omiczne wykazują pacjenci z ciężką astmą?

Próbki surowicy analizowano zgodnie z wcześniej opublikowaną metodą w celu ilościowego oznaczenia 35 metabolitów związanych z zapaleniem alergicznym. W skrócie, próbki mierzono za pomocą systemu chromatografii cieczowej sprzężonego ze spektrometrem masowym potrójnego kwadrupola z jonizacją elektrorozpylającą. W przypadku analizy proteomicznej, białka surowicy oznaczano ilościowo metodą Proximity Extension Assay (PEA, Olink, Uppsala, Szwecja), za pomocą panelu Olink Target 48 Cytokine (ilościowe oznaczenie 45 białek).

Wyniki badania wykazały, że pacjenci leczeni mepolizumabem i omalizumabem mieli różne charakterystyki kliniczne na początku. Pacjenci w grupie mepolizumabu byli znacząco starsi, mieli wyższy wskaźnik masy ciała (BMI), wyższy poziom eozynofilii i większą częstość ciężkich zaostrzeń w porównaniu z grupą omalizumabu. Ponadto ich leczenie farmakologiczne znacząco się różniło – większy odsetek pacjentów w grupie mepolizumabu był leczony lekami przeciwhistaminowymi H1 plus donosowymi kortykosteroidami, doustnymi kortykosteroidami i/lub bromkiem tiotropium. Pacjenci w grupie omalizumabu wykazywali znacząco wyższe poziomy IgE i byli częściej leczeni lekami przeciwhistaminowymi H1, kortykosteroidami donosowymi i/lub kroplami do oczu.

Zarówno mepolizumab, jak i omalizumab indukowały poprawę kliniczną odzwierciedloną w analizowanych zmiennych klinicznych. Mepolizumab wywoływał znaczącą poprawę już po 6 miesiącach, która utrzymywała się do 18 miesięcy. Podobne trendy, choć z mniej istotnymi zmianami, zaobserwowano w przypadku leczenia omalizumabem.

Analiza metabolomiczna wykazała, że u pacjentów leczonych mepolizumabem wystąpiły znaczące zmiany w 16 z 32 wykrytych metabolitów (50%) po leczeniu w porównaniu z wartościami wyjściowymi. Większość zmian pojawiła się po 6 miesiącach i utrzymywała się do 18 miesięcy. Mepolizumab indukował zmniejszenie kwasów tłuszczowych (kwas arachidonowy, kwas laurynowy, kwas oleinowy i kwas palmitooleinowy), sfingolipidów (sfingozyna-1-fosforan i sfingozyna) oraz argininy, a także wzrost karnityn (L-karnityna i propionylkarnityna), większości aminokwasów (takich jak betaina/walina) i innych metabolitów (kwas pirogronowy, kwas mlekowy i bilirubina).

W grupie omalizumabu zaobserwowano znaczące zmiany w 4 z 32 wykrytych metabolitów (12%), głównie po 6 miesiącach. Odnotowano spadek poziomu sfingozyny-1-fosforanu oraz wzrost betainy/waliny, bilirubiny i kwasu pirogronowego.

Analiza proteomiczna wykazała, że znaczące zmiany białkowe obserwowano głównie po 18 miesiącach w porównaniu z wartościami wyjściowymi. Mepolizumab indukował znaczące zmiany w 20 z 33 wykrytych białek po 18 miesiącach (61%). Zmiany te obserwowano głównie jako wzrost chemokin (np. CCL8 i CCL11), cytokin (np. IL-8 i IFN-γ), czynników wzrostu (np. EGF), czynników rodziny TNF (np. TNF-α i TNFSF10) i innych (np. OLR1), a jedynie spadek IL-6 i IL-7.

Z kolei omalizumab znacząco zmieniał 7 z 33 wykrytych białek po 18 miesiącach (21%), w tym wzrost cytokin (OSM), czynników wzrostu (EGF i TGF-α), czynników rodziny TNF (TNFSF10) i innych (OLR1 i FLT3LG) oraz spadek IL-7.

Warto zauważyć, że chociaż mepolizumab i omalizumab wywołują różne odpowiedzi metaboliczne i białkowe, niektóre metabolity (sfingozyna-1-fosforan, betaina/walina, kwas pirogronowy i bilirubina) i białka (TNFSF10, IL-7, EGF, TGF-α, OLR1 i FLT3LG) były podobnie modyfikowane przez oba leki biologiczne.

Jak multiomika wspiera ocenę terapii biologicznej?

Aby lepiej zrozumieć regulację odpowiedzi immunologicznej wywołanej przez mepolizumab i omalizumab, badacze zastosowali analizę nadzorowaną, wykorzystując framework DIABLO do integracji zbiorów danych metabolomicznych i proteomicznych, co pozwoliło stworzyć dyskryminacyjny wieloczynnikowy model multiomiczny.

Dla mepolizumabu analiza wielowymiarowa wykazała, że stan wyjściowy różnił się od stanu po 6 i 18 miesiącach. Co więcej, obserwowano odrębne skupiska dla każdego z trzech punktów czasowych. W ramach pierwszych 3 składowych wyjaśniona wariancja wynosiła 77,5% (43,8% i 33,7% odpowiednio dla danych metabolomicznych i proteomicznych). Analiza dyskryminacyjna wykazała, że rozdzielenia obserwowane między trzema punktami czasowymi były głównie wyjaśniane przez kwas arachidonowy, kwas oleinowy, kwas palmitooleinowy, kwas mlekowy, propionylkarnitynę, bilirubinę, CCL11 i TNFSF10.

W grupie omalizumabu model integracji multiomicznej nie wykazał wyraźnego rozdzielenia między punktami czasowymi. Jednak według tego modelu, 93,5% wariancji było wyjaśnione przez pierwsze trzy składowe (34,4% i 59,1% odpowiednio dla metabolomiki i proteomiki). Oznacza to, że różnice między próbkami mogą być spowodowane innymi zmiennymi uwzględnionymi w tym modelu.

Aby zbadać, czy znaczące zmiany metabolitów i białek w czasie mogą być również dobrymi klasyfikatorami efektu leczenia, badacze przeprowadzili wielowymiarowe analizy ROC między stanem wyjściowym a 6 miesiącami oraz między stanem wyjściowym a 18 miesiącami dla każdego leczenia biologicznego. Stwierdzono, że ewolucję profili omicznych pacjentów, którzy otrzymywali mepolizumab przez 6 miesięcy, można było poprawnie przewidzieć na podstawie stanu wyjściowego za pomocą wielowymiarowej krzywej ROC złożonej z 20 potencjalnych biomarkerów obejmujących metabolity i białka. Wynik wielowymiarowej krzywej ROC wykazał pole pod krzywą (AUC) = 0,783 z dokładnością 71,50%. Spośród 20 potencjalnych biomarkerów, 7 z nich (kwas arachidonowy, kwas hipurowy, OLR1, kwas oleinowy, kwas palmitooleinowy, HGF i bilirubina) prezentowało częstotliwość selekcji ≥ 80%.

Ponadto uzyskana wielowymiarowa krzywa ROC dla klasyfikacji między stanem wyjściowym a 18 miesiącami leczenia mepolizumabem również obejmowała 20 potencjalnych biomarkerów z AUC = 0,871 i dokładnością 77,70%. W tym przypadku 11 potencjalnych biomarkerów (kwas arachidonowy, kwas palmitooleinowy, kwas oleinowy, propionylkarnityna, TNF-α, kwas laurynowy, CCL11, OLR1, IL-8, adenozyna i TNFSF10) prezentowało częstotliwość selekcji ≥ 80%. Co ciekawe, potencjalne biomarkery pokrywają się w 70% między obiema wielowymiarowymi krzywymi ROC w 6 i 18 miesiącach, a 85% tych, które się pokrywały, prezentowało częstotliwość selekcji ≥ 80% w co najmniej jednym porównaniu. Fakty te sugerują ich potencjalną rolę w klasyfikacji leczenia mepolizumabem.

Dla leczenia omalizumabem nie znaleziono żadnej dyskryminacyjnej wielowymiarowej krzywej ROC, ponieważ AUC < 0,75 i dokładność < 60% dla obu warunków (stan wyjściowy vs. 6 miesięcy lub 18 miesięcy po leczeniu).

Co istotne, kilka biomolekuł było istotnych zarówno w modelu integracji multiomicznej, jak i w analizach wielowymiarowych krzywych ROC. “Wyniki te silnie sugerują, że kwas arachidonowy, kwas oleinowy, kwas palmitooleinowy, propionylkarnityna, bilirubina, TNFSF10 i CCL11 mogą służyć jako potencjalne biomarkery do monitorowania odpowiedzi na leczenie mepolizumabem” – piszą autorzy badania.

Jakie związki między biomarkerami a parametrami klinicznymi odkrywamy?

Aby zbadać związek tych potencjalnych biomarkerów ze zmiennymi klinicznymi, przeprowadzono badania korelacji w grupie mepolizumabu. Korelacje przeprowadzono między zmiennymi klinicznymi (eozynofilia, FEV1, ACT, częstość ciężkich zaostrzeń i hospitalizacji) a biomarkerami uzyskanymi z integracji multiomicznej (kwas arachidonowy, kwas palmitooleinowy, kwas oleinowy, propionylkarnityna, kwas mlekowy, bilirubina, CCL11 i TNFSF10) oraz z analizy wielowymiarowej krzywej ROC z częstotliwością selekcji ≥ 80% (kwas laurynowy, kwas hipurowy, adenozyna, OLR1, HGF, TNF-α i IL-8). Korelacje te oceniano dla zmian po 6 i 18 miesiącach leczenia w porównaniu ze stanem wyjściowym. Wyniki pokazują, że wszystkie zmienne kliniczne istotnie korelowały (dodatnio lub ujemnie) z metabolitem lub białkiem z wymienionych powyżej potencjalnych biomarkerów.

Zaobserwowano, że liczba istotnych korelacji między zmiennymi klinicznymi a metabolitami i/lub białkami wzrasta wraz z dłuższym czasem leczenia. W rzeczywistości FEV1 i niektóre biomolekuły, takie jak kwas mlekowy, CCL11, TNF-α i HGF, korelowały znacząco dopiero po 18 miesiącach leczenia.

W rzeczywistości FEV1 i niektóre biomolekuły, takie jak kwas mlekowy, CCL11, TNF-α i HGF, korelowały znacząco dopiero po 18 miesiącach leczenia.

Co warte podkreślenia, ACT, eozynofilia i częstość ciężkich zaostrzeń wykazywały największą liczbę korelacji, przy czym najsilniejsze korelacje występowały głównie po 18 miesiącach leczenia mepolizumabem.

Jakie wyzwania i perspektywy stoją przed spersonalizowaną terapią astmy?

Czy nowe biomarkery mogą zmienić podejście do monitorowania leczenia biologicznego u pacjentów z ciężką astmą? Wyniki tego badania sugerują, że identyfikacja specyficznych zmian metabolicznych i proteomicznych może dostarczyć klinicystom cennych narzędzi do oceny skuteczności terapii. Szczególnie interesujące jest to, że zmiany metaboliczne pojawiają się wcześniej niż zmiany w profilu białkowym, co może pozwolić na szybszą ocenę odpowiedzi na leczenie.

Zgodnie z innymi badaniami i wytycznymi GINA, wyniki badania pokazują, że grupa mepolizumabu jest starsza, ma wyższą liczbę eozynofili i BMI oraz niższe poziomy IgE we krwi na początku badania w porównaniu z grupą omalizumabu. Sugeruje to, że cechy immunometaboliczne między obiema grupami mogły być różne już na początku. Ponadto oba leczenia wywierają pozytywny wpływ na ewolucję zmiennych klinicznych, takich jak eozynofilia, ACT, FEV1 oraz częstość ciężkich zaostrzeń i hospitalizacji. Ta poprawa kliniczna może być również związana ze zmianami w profilach metabolicznych i białkowych wywołanymi przez te leki biologiczne.

Wyniki badania wykazują, że mepolizumab i omalizumab indukują odrębny i specyficzny profil metaboliczny i białkowy, co sugeruje różnicową regulację odpowiedzi immunologicznej i zapalnej w różnych punktach czasowych. Zaobserwowano, że zmiany metaboliczne występują wcześniej niż zmiany w profilu białkowym. Jak wcześniej opublikowano, w przeciwieństwie do genów i białek, metabolity służą jako bezpośrednie sygnatury aktywności biochemicznej, działając jako substraty lub produkty tych procesów, co ułatwia ich powiązanie z obserwowanym fenotypem. Dlatego prawdopodobne jest, że leczenie biologiczne najpierw indukuje zmiany na poziomie metabolicznym, a następnie mogą wystąpić interakcje metabolit-białko i/lub białko-białko, które mogą być związane z indukcją transkrypcji i translacji nowych białek regulujących odpowiedź zapalną.

Zmiany te, w połączeniu ze znaczącą poprawą parametrów klinicznych obserwowanych przy mepolizumabie, których nie stwierdzono w przypadku omalizumabu, oferują nowe zrozumienie mechanizmów stojących za lepszą skutecznością kliniczną wcześniej zgłaszaną dla mepolizumabu.

Obecnie tylko kilka badań zastosowało metabolomikę i/lub proteomikę u pacjentów astmatycznych leczonych lekami biologicznymi. W tym badaniu, przeprowadzając analizy integracji multiomicznej, badacze wygenerowali unikalny model o zredukowanej złożoności, który przynosi nowe biologiczne spostrzeżenia dotyczące identyfikacji nowych biomarkerów do monitorowania leczenia biologicznego, szczególnie leczenia mepolizumabem.

Zmiany w tych potencjalnych biomarkerach są związane z kilkoma mechanizmami molekularnymi powiązanymi z odpowiedzią immunologiczną i/lub zapalną. W szczególności kwasy tłuszczowe (kwas arachidonowy, kwas palmitooleinowy i kwas oleinowy) stanowią źródło mediatorów prozapalnych, takich jak leukotrieny, oksylipiny czy prostaglandyny (PGD2), przy czym PGD2 jest ważnym chemoatraktantem eozynofilów, który jest upośledzony po podaniu mepolizumabu. Dlatego obniżone poziomy kwasów tłuszczowych w surowicy korelują dodatnio z eozynofilami we krwi i częstością ciężkich zaostrzeń, a ujemnie z ACT.

Ponadto propionylkarnityna, bilirubina, CCL11 i TNFSF10 zwiększają się po leczeniu mepolizumabem i korelują dodatnio z ACT, a ujemnie zarówno z eozynofilią, jak i częstością ciężkich zaostrzeń. W rzeczywistości korelacja między metabolitami karnityny a zmniejszonymi zaostrzeniami została niedawno zaobserwowana. Propionylkarnityna zmniejsza biodostępność propionylo-CoA, wywołując efekt przeciwzapalny i przeciwutleniający. Bilirubina również wywiera efekt przeciwzapalny poprzez upośledzenie rekrutacji leukocytów. TNFSF10 był wcześniej związany ze zwiększeniem proliferacji regulatorowych komórek T poprzez jego uwalnianie z komórek dendrytycznych w kontekście autoimmunologicznym.

Z drugiej strony CCL11, kluczowy chemoatraktant eozynofilów, zwiększa się wraz z czasem leczenia, przypominając przesunięcie w kierunku fenotypu zapalnego, które może występować jako mechanizm kompensacyjny z powodu blokady IL-5 przez mepolizumab. Na poparcie tego, wzrost poziomów CCL11 po leczeniu mepolizumabem został już opisany u pacjentów z ciężką astmą eozynofilową. Jednak ta zmiana nie wydaje się mieć bezpośredniego i obserwowalnego efektu klinicznego, sugerując, że alternatywne mechanizmy zapalne mogą być aktywowane w celu zrekompensowania blokady sygnalizacji pochodzącej z IL-5 wywołanej przez mepolizumab.

Ogólnie rzecz biorąc, mepolizumab indukuje początkowe zmiany metaboliczne z powodu blokady IL-5, po których następują zmiany białkowe, które, jak w przypadku CCL11, mogą działać jako mechanizm kompensacyjny dla tej blokady. Wszystkie te zmiany wydają się wskazywać na redukcję profilu zapalnego u pacjentów z ciężką astmą.

Badanie to dostarcza dowodów na to, że zarówno mepolizumab, jak i omalizumab wywołują wyraźny, odmienny efekt kliniczny, który może być związany z etapem blokady wzdłuż odpowiedzi immunologicznej Th2. Ponadto zaobserwowano, że oba leczenia mogą indukować wspólne (np. sfingozyna-1-fosforan, bilirubina, OLR1 i TNFSF10) i specyficzne dla leczenia profile metaboliczne i białkowe w czasie. Wreszcie, badacze dostarczają integratywny model danych metabolomicznych i proteomicznych, który umożliwił identyfikację potencjalnych biomarkerów w surowicy (kwas arachidonowy, kwas palmitooleinowy, kwas oleinowy, propionylkarnityna, bilirubina, CCL11 i TNFSF10) do monitorowania leczenia mepolizumabem w ciągu pierwszych 18 miesięcy.

Pomimo potencjału tego badania dla medycyny spersonalizowanej, badanie ma pewne ograniczenia. Potrzebne są dalsze badania w celu walidacji tych potencjalnych biomarkerów w podobnych kohortach o większej liczebności próby i przy innych leczeniach biologicznych (takich jak dupilumab), które blokują różne punkty odpowiedzi immunologicznej Th2, aby zwiększyć solidność tych wyników. Ponadto badacze uważają, że korzystne byłoby włączenie nieukierunkowanych podejść metabolomiki (w tym lipidomiki) i proteomiki w celu przetestowania innych metabolitów i białek. Dodatkowo, inne komplementarne metody omiczne, takie jak transkryptomika lub epigenomika, mogłyby pomóc w uzyskaniu pełniejszego obrazu zmian biologicznych podczas leczenia biologicznego. Ponadto interesujące byłyby dalsze badania obejmujące pacjentów nieodpowiadających na leczenie, aby zrozumieć mechanizmy molekularne stojące za tym brakiem odpowiedzi.

Podsumowując, badanie hiszpańskich naukowców pokazuje, że mepolizumab i omalizumab wywołują wyraźny i specyficzny profil metaboliczny i białkowy, co sugeruje różnicową regulację odpowiedzi immunologicznej i zapalnej w różnych punktach czasowych. Dalsze badania są potrzebne do walidacji tych potencjalnych biomarkerów w podobnych kohortach o większej liczebności próby oraz przy innych leczeniach biologicznych, aby zwiększyć solidność tych wyników.

Podsumowanie

Naukowcy z Hiszpanii przeprowadzili innowacyjne badanie nad mechanizmami działania leków biologicznych w leczeniu ciężkiej astmy, koncentrując się na mepolizumabie i omalizumabie. Badanie wykazało, że oba leki wywołują odmienne profile metaboliczne i białkowe, przy czym mepolizumab indukuje znaczące zmiany w 50% metabolitów i 61% białek, podczas gdy omalizumab wpływa na 12% metabolitów i 21% białek. Zidentyfikowano siedem potencjalnych biomarkerów do monitorowania skuteczności leczenia mepolizumabem: kwas arachidonowy, kwas palmitooleinowy, kwas oleinowy, propionylkarnitynę, bilirubinę, CCL11 i TNFSF10. Zmiany metaboliczne pojawiają się wcześniej niż zmiany w profilu białkowym, co może umożliwić szybszą ocenę odpowiedzi na leczenie. Badanie dostarcza nowych narzędzi do personalizacji terapii i monitorowania jej skuteczności, choć wymaga dalszej walidacji na większych grupach pacjentów.