Mobiele menu

Personalized dose reduction of biological drugs in Rheumatoid Arthritis patients using dynamic prediction

Projectomschrijving

Als reumatoïde artritis (RA) een tijd rustig is door behandeling met een ‘biological', vragen patiënt en dokter zich vaak terecht af of het middel afgebouwd of gestopt kan worden. Voordelen zijn minder kans op bijwerkingen zoals infecties, minder injecties en lagere medicijnkosten.
Afbouwen geeft wel een hogere kans op tijdelijke ‘opvlamming' van RA. Lange termijneffecten lijken mee te vallen, maar de opvlamming geeft wel vervelende klachten. Waarschijnlijk wordt daarom weinig afgebouwd.

Onderzoek

Met kunstmatige intelligentie is een model ontwikkeld, dat kan voorspellen bij wie (verder) afgebouwd kan worden zonder hoge kans op opvlamming. Het model maakt gebruik van gegevens van ieder polibezoek uit het medisch dossier over bijvoorbeeld de ziekteactiviteit.
In dit onderzoek wordt stapsgewijs afbouwen van het biological bij rustige RA vergeleken, met en zonder hulp van dit model.

Verwachte uitkomst

Het doel is te kijken of het model bijdraagt aan een zo optimaal mogelijke behandeling met zo min mogelijk medicatie.

Verslagen


Samenvatting van de aanvraag

Treatment of Rheumatoid Arthritis (RA) has improved markedly, with many patients on biologic (b)DMARDs nowadays reaching and maintaining a low level of disease activity. This raises the question whether bDMARD dose can be reduced (tapering) to prevent AE's and high drug costs. Recent studies have shown that tapering of bDMARDs guided by disease activity is indeed possible, but at an increased risk of losing remission status and time in sustained disease control. No clear predictors for successful dose reduction exist. These are likely reasons for the fact that tapering is not performed frequently, although recommended in guidelines. To improve the risk-benefit ratio of tapering we developed and validated a so-called dynamic prediction model using machine learning to predict the probability of a flare occurring within 3 months (i.e. typical time to next clinic visit). This model uses an indivudual patients' course of disease activity during the process of dose reduction to predict a flare repeatedly at every clinic visit. Simulation of the use of these predictions to guide dose-reduction showed potential to maintain most of the reduction in bDMARD dose with a significant reduction in flares. Here we will develop a decision aid tool for real-time implementation of a dose reduction strategy using our predictions, compare the impact of this strategy with the current standard of disease activity guided dose reduction in a randomized clinical trial, and use the obtained data to further develop the model to enable the use of home-based monitoring device data on disease activity next to the clinical disease activity measurements. This last step could improve the models performance and usefulness in combination with eHealth solutions for the future.

Kenmerken

Projectnummer:
848018009
Looptijd: 100%
Looptijd: 100 %
2020
2024
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
dr. P.M.J. Welsing
Verantwoordelijke organisatie:
Universitair Medisch Centrum Utrecht