Με τον FDA να εγκρίνει ένα δεύτερο διμερές αναμνηστικό εμβόλιο για άτομα υψηλού κινδύνου από την COVID-19 και το CDC να αναμένεται να το εγκρίνει επίσης, πρόσφατη μελέτη από το Houston Methodist μπορεί να δώσει κάποιες οδηγίες για το πότε ορισμένοι πληθυσμοί θα πρέπει να κάνουν την αναμνηστική αυτή δόση. Μια ερευνητική ομάδα επιστημόνων από το Houston Methodist Research Institute προέβλεψε την ανοσολογική απόκριση στα εμβόλια COVID-19 με ένα μαθηματικό μοντέλο που ανέπτυξαν και επίσης διαπίστωσε ότι τα τρέχοντα διαστήματα δοσολογίας CDC μπορεί να απαιτούν προσαρμογή για την προστασία όλων των ατόμων.
«Η πρόβλεψη της ανοσολογικής απόκρισης μας επιτρέπει να προσδιορίσουμε στρατηγικές δοσολογίας που μπορούν να βελτιώσουν την αποτελεσματικότητα του εμβολίου και να εξασφαλίσουν μακροπρόθεσμη προστασία από τον ιό, με βάση τις ανάγκες των επιμέρους υποπληθυσμών”, δηλώνει ο συγγραφέας της μελέτης, Prashant Dogra, PhD. «Για παράδειγμα, οι ανοσοκατεσταλμένοι ασθενείς μπορεί να παρουσιάσουν μειωμένη παραγωγή αντισωμάτων μετά τον εμβολιασμό σε σχέση με αυτό που παρατηρείται στον γενικό πληθυσμό».
Οι ερευνητές δημιούργησαν ένα υπολογιστικό εργαλείο που μπορεί να προσομοιώσει αξιόπιστα την ανοσολογική απόκριση σε χιλιάδες πληθυσμιακά διαφορετικούς ασθενείς μέσα σε λίγα λεπτά, επιτρέποντάς τους να απαντήσουν σε ερωτήσεις που διαφορετικά θα ήταν δαπανηρές και χρονοβόρες πειραματικά ή κλινικά. Το εργαλείο τους βοήθησε να εντοπίσουν τα καλύτερα πρωτόκολλα δοσολογίας για να εξασφαλίσουν προστασία για παρατεταμένες περιόδους. Ένα ενδιαφέρον αποτέλεσμα σε ασθενείς με υψηλό βαθμό ανοσοκαταστολής ήταν ότι μια μικρή καθυστέρηση στη δεύτερη δόση επιτρέπει στο ανοσοποιητικό σύστημα να ανακάμψει και να παράγει περισσότερα αντισώματα και, ως εκ τούτου, παρέχει μεγαλύτερη προστασία.
Ο Δρ Dogra, επίκουρος ερευνητής καθηγητής μαθηματικών στην ιατρική, ηγήθηκε του έργου μαζί με τον Zhihui “Bill” Wang, PhD, ερευνητή καθηγητή υπολογιστικής βιολογίας στην ιατρική, και ο Vittorio Cristini, PhD, διευθυντή του Προγράμματος Mathematics in Medicine στο Houston Methodist Academic Institute. Η μελέτη, με τίτλο «Μια προσέγγιση βασισμένη σε μοντελοποίηση για τη βελτιστοποίηση των χρονοδιαγραμμάτων δοσολογίας του εμβολίου COVID-19 για βελτιωμένη προστασία», βρίσκεται υπό αξιολόγηση από ομοτίμους σε ένα εξέχον ιατρικό περιοδικό και έχει αναρτηθεί επί του παρόντος στον διακομιστή medRxiv .
Κατά τη διάρκεια μιας έκτακτης ανάγκης για τη δημόσια υγεία, όπως η πανδημία COVID-19, οι περιορισμοί χρόνου και πόρων δημιουργούν μια πρόκληση για την αποτελεσματική διεξαγωγή κλινικών δοκιμών για την αξιολόγηση της ασφάλειας και της αποτελεσματικότητας των νέων εμβολίων. Αυτό μπορεί να οδηγήσει σε άδικη συμπερίληψη ατόμων από διάφορες ηλικιακές ομάδες, φύλα, φυλετικές και εθνοτικές μειονότητες, μεταξύ άλλων δημογραφικών μεταβλητών.
Έτσι, ενώ οι κατευθυντήριες γραμμές του CDC κάνουν διάκριση μόνο μεταξύ υγιών και ανοσοκατεσταλμένων ατόμων, το μαθηματικό μοντέλο επεκτείνεται σε αυτό και εντόπισε εντυπωσιακές διαφορές στην αποτελεσματικότητα του εμβολίου σε ένα φάσμα ατόμων με διαφορετικά επίπεδα ικανότητας ανοσοποιητικής υγείας. Αποκάλυψε το επίπεδο διακύμανσης στην ανοσολογική απόκριση μεταξύ των ατόμων αυτών των υποπληθυσμών και την προστασία που προσφέρουν τα εμβόλια έναντι των αρχικών έναντι των μεταλλαγμένων στελεχών του SARS-CoV-2.
Ο εντοπισμός κρίσιμων παραθύρων αναμονής για άτομα με εξαιρετικά ανοσοκατεσταλμένα άτομα, όπως ασθενείς με καρκίνο που υποβάλλονται σε χημειοθεραπεία, επιτρέπει στο ανοσοποιητικό σύστημα να ανακάμψει σε σημείο που να μπορεί να παράγει αρκετά αντισώματα που προκαλούνται από το εμβόλιο για αποτελεσματική προστασία από ασθένειες. Το μοντέλο τους έχει τη δυνατότητα να συμπληρώσει κλινικές δοκιμές εμβολίων φάσης 3 διερευνώντας εκτενώς τις επιδράσεις της βιολογικής μεταβλητότητας πληθυσμιακής κλίμακας στα αποτελέσματα των εμβολίων σε έναν εικονικό πληθυσμό, που διαφορετικά είναι δύσκολο να αποτυπωθεί σε μια πραγματική κλινική δοκιμή.
«Αναπτύξαμε το μαθηματικό μοντέλο που βασίζεται σε δεδομένα κλινικών δοκιμών που προέρχονται από βιβλιογραφία για εμβόλια COVID-19 που βασίζονται σε mRNA και χρησιμοποιήσαμε το μοντέλο για να εκτελέσουμε υπολογιστικά πειράματα για να εξερευνήσουμε διάφορα κλινικά σενάρια και να εντοπίσουμε στρατηγικές για βελτιωμένα αποτελέσματα εμβολίων», είπε ο Wang. «Πραγματοποιήσαμε χιλιάδες προσομοιώσεις για να αναπαραστήσουμε έναν ποικίλο εικονικό πληθυσμό ανθρώπινων υποκειμένων που έλαβαν έναν προσομοιωμένο εμβολιασμό και αναλύσαμε τα αποτελέσματα για να προσδιορίσουμε τα βέλτιστα προγράμματα εμβολιασμού για διάφορες κατηγορίες ασθενών».
Ενώ η εργασία καλύπτει ανοσοκατεσταλμένους υποπληθυσμούς, η ερευνητική ομάδα αυτή τη στιγμή μελετά επίσης διάφορους άλλους ειδικούς πληθυσμούς, όπως φυλετικές και εθνοτικές ομάδες, ηλικιωμένους, έγκυες γυναίκες και παιδιατρική.
Προχωρώντας προς τα εμπρός, θα κάνουν το μοντέλο τους γενικεύσιμο σε διαφορετικά εμβόλια και λοιμώξεις, κάτι που θα τους επιτρέψει να δημιουργήσουν ένα αξιόπιστο εργαλείο που μπορεί να εφαρμοστεί σε μελλοντικές εστίες για να υποστηρίξει την ανάπτυξη νέων εμβολίων και να καθοδηγήσει την πολιτική δημόσιας υγείας σε αυτό το πλαίσιο. Μέσα στο επόμενο έτος, σχεδιάζουν να δημοσιεύσουν μια ενημερωμένη έκδοση του μοντέλου που μπορεί να εφαρμοστεί και να έχει επικυρωθεί σε πολλαπλά εμβόλια.