Un modèle mathématique ouvre la voie à des traitements plus efficaces de la COVID-19
Le large éventail de symptômes, allant de la totale absence de ceux-ci à la défaillance d’organes, voire à la mort, est une des raisons pour lesquelles la COVID-19 est si difficile à traiter. C’est pourquoi la compréhension de l’hétérogénéité de la COVID-19 et l’identification du meilleur traitement pour chaque cas sont cruciales dans la lutte contre le virus du SARS-CoV-2. Des chercheurs de Chypre, d’Iran et des États-Unis ont pris des mesures importantes pour atteindre cet objectif. Les scientifiques ont mis au point un modèle mathématique complet qui montre pourquoi les conséquences de la COVID-19 sont si variées et comment le traitement peut être adapté aux besoins des groupes de patients spécifiques. Le modèle basé sur la biologie est le résultat de recherches financées en partie par les projets Immuno-Predictor et CancerFingerPrints pour lesquelles le chercheur Triantafyllos Stylianopoulos de l’Université de Chypre a bénéficié d’un financement de l’UE. Les recherches font l’objet d’un article publié dans la revue ‘Proceedings of the National Academy of Sciences of the United States of America’. Le modèle mathématique repose sur des mécanismes connus du SARS-CoV-2 et intègre des mécanismes d’action possibles des différents traitements qui ont été testés sur des patients COVID-19. Le modèle montre en outre comment des aspects tels que l’âge et d’autres conditions médicales d’un patient peuvent avoir un effet sur leur réponse au traitement et sur les résultats cliniques. «Notre modèle prédit que les anti-viraux et les anti-inflammatoires qui ont d’abord été utilisés pour traiter la COVID-19 pourraient présenter une efficacité limitée, en fonction du stade de la progression de la maladie», a déclaré l’auteur correspondant Rakesh K. Jain de la Harvard Medical School et du Massachusetts General Hospital dans un article publié sur le site web ‘Scienmag’.
Trajectoire de la maladie
Au cours de leurs recherches, les scientifiques ont découvert que la charge virale - la quantité de virus contenue dans le sang - augmente au début de l’infection des poumons. Cependant, après le cinquième jour, la trajectoire de l’infection virale change en fonction des niveaux de lymphocytes T activés, les globules blancs qui font partie du système immunitaire adaptatif. Chez les patients âgés de moins de 35 ans disposant d’un système immunitaire sain, les scientifiques ont observé un recrutement soutenu de lymphocytes T. Cela s’accompagnait d’une diminution de la charge virale et de l’inflammation, ainsi que de niveaux inférieurs de cellules immunitaires innées appelées neutrophiles et macrophages. Ces processus ont entraîné une réduction significative de la formation de caillots sanguins et de meilleurs taux d’oxygène dans les poumons. Cependant, les résultats n’étaient pas aussi positifs chez les patients qui présentaient déjà des niveaux élevés d’inflammation au cours d’une infection par le SARS-CoV-2. Cela a également été constaté chez les personnes ayant une réponse immunitaire innée plus active associée à un système immunitaire adaptatif moins efficace. Ces cas se présentaient chez des patients plus âgés et des personnes atteintes de diabète, d’obésité, d’hypertension artérielle ou d’une dérégulation de la réponse immunitaire. Selon le modèle, les traitements efficaces pour les patients diabétiques et les patients plus âgés souffrant d’une inflammation et d’une moindre immunité adaptative comprennent l’héparine anticoagulante ou un inhibiteur de points de contrôle de l’immunité combinés à la dexaméthasone corticostéroïde. En outre, la combinaison de l’héparine et de la dexaméthasone s’est révélée bénéfique pour les patients souffrant d’obésité ou d’hypertension artérielle. Le modèle basé sur la biologie a été initialement développé pour une utilisation dans la recherche contre le cancer menée avec le soutien des projets Immuno-Predictor (bio-marqueurs mécaniques pour la prévision de l’immunothérapie du cancer) et CancerFingerPrints (identification des empreintes nano-mécaniques comme bio-marqueur pour le pronostic du traitement du cancer). Les chercheurs envisagent de développer plus avant le modèle pour étudier la réponse du système immunitaire à différents vaccins contre la COVID-19. Pour plus d’informations, veuillez consulter: projet Immuno-Predictor projet CancerFingerPrints
Mots‑clés
Immuno-Predictor, CancerFingerPrints, COVID-19, SARS-CoV-2, modèle mathématique, cancer, traitement
