Zapalenie skóry – Rokowania, prognozy i postęp choroby

Zapalenie skóry
Rokowania, prognozy i postęp choroby

Zapalenie skóry, w tym atopowe zapalenie skóry (AZS), to grupa przewlekłych chorób zapalnych o zróżnicowanym przebiegu i odpowiedzi na leczenie, co stanowi wyzwanie w dermatologii. Brak specyficznych markerów serologicznych do diagnozy i prognozowania przebiegu choroby utrudnia ocenę skuteczności terapii oraz długoterminowe rokowanie. Mutacje genu filagryny, kluczowego dla integralności bariery naskórkowej, korelują z ciężkością i wczesnym rozwojem AZS, co czyni je istotnym markerem prognostycznym. Biomarker TARC/CCL17, szczególnie podwyższony u niemowląt, jest wiarygodnym wskaźnikiem ciężkości AZS i może służyć do monitorowania choroby. Modele predykcyjne oparte na sztucznej inteligencji, takie jak XGBoost, wykazały wyższą skuteczność w przewidywaniu nasilenia zapalenia skóry i odpowiedzi na leczenie, osiągając AUC 0,85 ± 0,10 i dokładność 0,81 ± 0,15, co wskazuje na potencjał tych narzędzi w personalizacji terapii.

Prognozy w zapaleniu skóry

Aktualne wyzwania prognostyczne
Biomarkery w prognozowaniu
Przewidywanie „marszu alergicznego”
Modele predykcyjne w ocenie zapalenia skóry
Wpływ czynników środowiskowych na prognozowanie przebiegu
Ocena odpowiedzi na leczenie
Przyszłość prognozowania zapalenia skóry
Kolejne rozdziały

Prognozy w zapaleniu skóry

Zapalenie skóry (dermatitis) stanowi grupę przewlekłych chorób zapalnych skóry, których przebieg, nasilenie i odpowiedź na leczenie mogą być zróżnicowane. Prognozowanie przebiegu choroby i przewidywanie wyników leczenia stanowi jedno z wyzwań współczesnej dermatologii. Obecnie istnieje kilka obszarów, które wymagają szczególnej uwagi i rozwoju w kontekście prognozowania przebiegu zapalenia skóry.¹

Aktualne wyzwania prognostyczne

Panel ekspertów zidentyfikował, poprzez konsensus metodą Delphi, trzy główne obszary wymagające postępu w leczeniu zapalenia skóry: diagnostykę, postępowanie i prognozowanie oraz leczenie. Obecnie brakuje swoistych markerów serologicznych umożliwiających diagnozę zapalenia skóry, a co istotniejsze z punktu widzenia prognozowania – nie są dostępne markery umożliwiające ocenę przebiegu choroby.¹

Brak jednoznacznej definicji remisji w przypadku atopowego zapalenia skóry (AZS) dodatkowo komplikuje ocenę skuteczności terapii i długoterminowego rokowania. Cel terapeutyczny powinien zostać precyzyjnie określony, aby możliwe było obiektywne mierzenie postępów leczenia i przewidywanie jego wyników.²

Biomarkery w prognozowaniu

Biomarkery prognostyczne mogą odegrać kluczową rolę w określaniu ryzyka progresji lub nawrotu choroby, niezależnie od wcześniej stosowanych terapii. Niektóre cząsteczki mogą pomóc przewidzieć rozwój zapalenia skóry, jego nasilenie lub progresję.³

Filagryna odgrywa fundamentalną rolę w integralności bariery naskórkowej, przyczyniając się do zachowania struktury naskórka. Warianty genu filagryny (mutacje utraty funkcji) są znane jako najistotniejsze czynniki predysponujące do rozwoju AZS. Badania wykazały, że mutacje genu filagryny korelują z ciężkością i wczesnym rozwojem przetrwałego AZS w wieku dorosłym, co może być istotnym markerem prognostycznym.³⁴

W ostatnich badaniach wykazano również znaczącą korelację między podwyższonym poziomem chemokiny regulowanej przez aktywację grasicy (TARC/CCL17) u dwumiesięcznych niemowląt a zwiększonym ryzykiem rozwoju AZS w ciągu pierwszych 2 lat życia. Biomarker TARC jest uważany za najbardziej wiarygodny marker surowicy skorelowany z ciężkością AZS, sugerując, że może być cennym biomarkerem zarówno dla diagnozy, jak i monitorowania choroby.⁴⁵

Przewidywanie „marszu alergicznego”

„Marsz alergiczny” początkowo opisywano jako sekwencję rozpoczynającą się od wystąpienia wyprysku i alergii pokarmowych, a następnie alergicznego nieżytu nosa i astmy. Jednak ten wzorzec nie jest z góry określony – nie wszystkie przypadki postępują według tego modelu. Obecnie nie jest możliwe precyzyjne przewidzenie progresji i potencjalnego pojawienia się innych atopowych chorób współistniejących u każdego pacjenta.⁴

Modele predykcyjne w ocenie zapalenia skóry

Rozwój modeli predykcyjnych opartych na sztucznej inteligencji stanowi obiecujące podejście do prognozowania przebiegu zapalenia skóry oraz skuteczności leczenia. W badaniach nad popromiennym zapaleniem skóry u pacjentów z rakiem głowy i szyi poddawanych radioterapii protonowej, zastosowanie metod uczenia maszynowego opartych na zespołach (EML) pozwoliło na osiągnięcie lepszej wydajności predykcyjnej w porównaniu do tradycyjnych modeli.⁶

Badanie to potwierdza, że metody EML, zwłaszcza XGBoost z algorytmem wzmacniającym, zapewniają lepszą dokładność predykcyjną, ulepszoną selekcję cech i lepsze przetwarzanie danych w porównaniu do tradycyjnej regresji logistycznej. Głównym wynikiem było wystąpienie popromiennego zapalenia skóry stopnia 2 lub wyższego, zgodnie z wytycznymi CTCAE 4.0.⁶⁷

Podobnie, w badaniu pilotażowym dotyczącym przewidywania nasilenia choroby u pacjentów z łagodnym do umiarkowanego AZS, opracowano i przetestowano wielowymiarowe modele predykcyjne wykorzystujące różnorodne biomarkery surowicze. Modele te wykazały wysoką zdolność diagnostyczną AZS o łagodnym i umiarkowanym nasileniu z AUC (obszar pod krzywą) wynoszącym 0,85 ± 0,10 i dokładnością 0,81 ± 0,15. Zidentyfikowano potencjalne biomarkery surowicze, takie jak IgE, CTACK/CCL27, TARC/CCL17 i MIF, które znacząco przyczyniają się do modeli diagnostycznych i predykcyjnych nasilenia choroby.⁸

Wpływ czynników środowiskowych na prognozowanie przebiegu

Interesującym aspektem prognozowania przebiegu zapalenia skóry jest potencjalny wpływ czynników środowiskowych. Badania sugerują jednak, że krótkoterminowy wpływ czynników środowiskowych na nasilenie objawów AZS jest przeważany przez utrzymywanie się wcześniejszych wyników, a ocena stanu pacjenta w kolejnych dniach jest dokładniej przewidywana na podstawie dzisiejszego stanu pacjenta niż przy użyciu danych środowiskowych.⁹

Stopień, w jakim nasilenie AZS można przewidzieć na podstawie pomiaru czynników środowiskowych, pozostaje niejasny. Pomimo opracowania modelu uwzględniającego te czynniki, wykazano, że włączenie czynników środowiskowych nie poprawiło wydajności predykcyjnej modelu.⁹

Ocena odpowiedzi na leczenie

Ocena odpowiedzi na leczenie jest kluczowym elementem określania wartości terapii w zapaleniu skóry. W przeglądzie systematycznym dotyczącym oceny psychometrycznej miar stosowanych w ocenach technologii medycznych (HTA) i badaniach klinicznych zaobserwowano brak spójności w ocenie odpowiedzi na leczenie. Nie znaleziono ocen trafności treści skal EASI (Eczema Area and Severity Index) i IGA (Investigator’s Global Assessment) w AZS, a niektóre badania ilościowe sugerowały, że miary te nie uwzględniają świądu, który jest podstawowym objawem.¹⁰

Walidacja treści skali PP-NRS (Peak Pruritus Numerical Rating Scale) potwierdziła znaczenie świądu jako podstawowego objawu i priorytetu leczenia w AZS, jednak świąd nie jest dobrze ujęty w skalach EASI czy IGA. Leczenie prowadzące do poprawy pominiętych objawów (np. świądu) będzie niedoceniane przy użyciu EASI i IGA, zmniejszając szanse na zatwierdzenie regulacyjne i refundację.¹⁰¹¹

Przyszłość prognozowania zapalenia skóry

Strategia klasyfikacji AZS nadal opiera się na klasycznych podtypach i fenotypach AZS i nie uwzględnia jeszcze specyficznych endotypów choroby. W związku z tym standardowe podejście terapeutyczne może nie zawsze przynosić optymalne wyniki terapeutyczne. Badania nad biomarkerami endotypowymi powinny pomóc w osiągnięciu bardziej precyzyjnej identyfikacji i stratyfikacji pacjentów z AZS, co zaowocuje bardziej spersonalizowaną terapią dla poszczególnych pacjentów.⁵

Potrzebne są dowody dotyczące porównawczej skuteczności różnych kryteriów stosowanych do definiowania odpowiedzi, aby określić, które z nich są w stanie kompleksowo ująć korzyści z leczenia istotne dla pacjenta i wyodrębnić tych pacjentów, którzy otrzymują skuteczne leczenie. Brak jasnych kryteriów utrudnia podejmowanie decyzji dotyczących leczenia opartego na dowodach i racjonalną alokację zasobów.¹¹

Prowadzone są istotne wysiłki w kierunku identyfikacji markerów serologicznych choroby, aby osiągnąć spersonalizowaną medycynę poprzez stosowanie leków ukierunkowanych na charakterystykę pacjenta. Chociaż przewiduje się, że w przyszłości podział na endotypy pozwoli na leczenie pacjentów za pomocą terapii celowanej dostosowanej do ich własnych cech, najpierw potrzebne są randomizowane badania kliniczne lub długoterminowe badania kliniczne, aby ocenić użyteczność tych markerów w terapii celowanej.¹²

Kombinacja biomarkerów z różnych szlaków immunologicznych wykazała silniejszą korelację z nasileniem AZS niż poszczególne biomarkery, podkreślając wieloaspektowy i złożony charakter patogenezy tej choroby. Opracowanie wspólnej strategii leczenia jest ważne dla zapalenia skóry: osiągnięcie długotrwałej remisji jest wspólnym celem w postępowaniu w AZS.⁵²

Kolejne rozdziały

Zapraszamy do dalszego czytania naszego leksykonu.

Wybierz kolejny rozdział z menu poniżej, aby otworzyć nową podstronę kompedium wiedzy i uzyskać szczegółowe informację o leku, substancji lub chorobie.

Materiały źródłowe

#1 Atopic Dermatitis: Clinical Aspects and Unmet Needs
https://pmc.ncbi.nlm.nih.gov/articles/PMC9687804/
Atopic dermatitis is a chronic inflammatory itchy skin disease with a complex pathogenesis and a wide clinical variability among patients. […] Despite recent advances in understanding of pathogenic mechanisms and in development of new drugs for AD treatment, there are still important unmet needs in the management of AD patients. […] Recently a panel of experts has identified, through a Delphi consensus, three main macro-areas which require advancements: diagnosis, management and prognosis, treatment. […] Currently, serum-specific markers for AD diagnosis are not available. Furthermore, ensure that markers for prognosis and disease course assessment are not available. […] Important efforts are being made in identifying serological markers of disease to achieve personalized medicine through the use of target drugs tailored to patient characteristics.
#2 Atopic Dermatitis: Clinical Aspects and Unmet Needs
https://pmc.ncbi.nlm.nih.gov/articles/PMC9687804/
Although it is speculated that in the future, endotype division will allow patients to be treated by target therapy tailored to their own characteristics, RCT or longitudinal clinical trials are first needed to evaluate the utility of these markers in target therapy. […] Currently, a clear definition of remission is not available for AD: therapeutics goal needs to be well defined. […] Four outcome domains to be measured in AD clinical trial has been established by the Harmonizing Outcome Measures for Eczema (HOME) initiative: clinician-reported signs, patient-reported symptoms, quality of life and long-term control. […] Achieving disease control or at least a clinically significant improvement in its activity is considered the goal of systemic therapy; nevertheless, maintaining remission of both symptoms and eczematous lesions could be challenging. […] Developing a shared treatment strategy is important for AD: obtaining a long-term remission is a shared target in AD management.
#3
https://link.springer.com/article/10.1007/s13555-024-01193-1
Atopic dermatitis (AD) is a chronic inflammatory skin condition. […] Biomarkers may play a significant role in diagnosis, severity assessment, and treatment monitoring of AD. […] Although there have been tremendous therapeutic advancements with interleukin (IL) antagonists and Janus kinase (JAK) inhibitors, the domain of biomarkers still requires further research to clarify their place in the diagnosis and prognosis of AD to unravel a better scientific basis for personalized medical care for patients with AD. […] Prognostic biomarkers are used to determine the possibility or risk of progression or recurrence of a disease regardless of the treatments previously received. Some molecules help predict the development of AD, anticipate its severity, or its progression. […] Filaggrin plays a fundamental role in the integrity of the epidermal barrier by aggregating keratin filaments, contributing to the integrity of the epidermal structure.
#4
https://link.springer.com/article/10.1007/s13555-024-01193-1
Variants of the filaggrin gene (loss-of-function mutation) are known to be the most significant predisposing factors for AD. […] Filaggrin gene mutations are correlated with severity and early development of persistent AD into adulthood. […] A recent study has demonstrated a notable association between heightened levels of thymus and activation-regulated chemokine (TARC)/CCL17 in 2-month-old infants and an elevated risk of developing AD within the initial 2 years of life. […] The atopic march was initially described with the onset of eczema and food allergies, followed by allergic rhinitis and asthma. However, this pattern is not predefined; not all atopic marches follow this model. Currently, it is not possible to predict specifically the progression and potential emergence of other atopic comorbidities in each patient.
#5
https://link.springer.com/article/10.1007/s13555-024-01193-1
The TARC biomarker is considered the most reliable serum biomarker correlated with the severity of AD, suggesting that it could potentially be a valuable biomarker for both diagnosis and disease monitoring. […] A combination of biomarkers from various immunological pathways has demonstrated a stronger correlation with AD severity than other individual biomarkers, underscoring the multifaceted and intricate nature of this conditions pathogenesis. […] In conclusion, the classification strategy of AD is still based on classic AD subtypes and phenotypes and does not yet consider specific endotypes of the disease. Therefore, the standard therapeutic approach may not always yield optimal therapeutic results. Research on the endotypic biomarkers should help us to achieve a more fine-tuned identification and stratification of patients with AD, resulting in a more personalized therapy for the individual patient.
#6 Development of a risk prediction model for radiation dermatitis following proton radiotherapy in head and neck cancer using ensemble machine learning | Radiation Oncology | Full Text
https://ro-journal.biomedcentral.com/articles/10.1186/s13014-024-02470-1
This study aims to develop an ensemble machine learning-based (EML-based) risk prediction model for radiation dermatitis (RD) in patients with head and neck cancer undergoing proton radiotherapy, with the goal of achieving superior predictive performance compared to traditional models. […] Understanding and predicting this common and disruptive side effect is crucial for enhancing patient management and refining treatment protocols. […] The study confirms that EML methods, especially XGBoost with its boosting algorithm, provide superior predictive accuracy, enhanced feature selection, and improved data handling compared to traditional LR. […] Given these advantages, EML is highly recommended for further research and application in clinical settings. […] The primary outcome was the occurrence of Grade 2 or higher radiation dermatitis (RD) as defined by the CTCAE 4.0 guidelines.
#7 Development of a risk prediction model for radiation dermatitis following proton radiotherapy in head and neck cancer using ensemble machine learning | Radiation Oncology | Full Text
https://ro-journal.biomedcentral.com/articles/10.1186/s13014-024-02470-1
The positive coefficient suggests a direct correlation between smoking history and radiation dermatitis, while the odds ratio indicates that smokers are 14.4 times more likely to develop radiation dermatitis than non-smokers. […] The advantages of ensemble methods, as reflected in the slightly higher AUC for XGBALL, suggest potential improvements in handling complex interactions between clinical and dosimetric variables, which are not as effectively captured by logistic regression. […] This study evaluates the efficacy of traditional and ensemble machine learning methods for predicting radiation dermatitis in head and neck cancer patients after proton radiotherapy.
#8 Prediction of disease severity using serum biomarkers in patients with mild-moderate Atopic Dermatitis: A pilot study | PLOS One
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0293332
Atopic dermatitis (AD) is an inflammatory skin condition that relies largely on subjective evaluation of clinical signs and symptoms for diagnosis and severity assessment. […] We developed and tested multivariate prediction models and identified important features using a variety of serum biomarkers, implying that discovering the deep-branching relationships between clinical measurements and serum measurements in mild-moderate AD patients may be possible using a multivariate machine learning method. […] We found that serum biomarkers can be used to diagnose mild-moderate AD patients with high AUC (0.85 0.10) and accuracy (0.81 0.15). […] Our models showed moderate to high prediction performances, and we found potential serum biomarkers, e.g., IgE, CTACK/CCL27, TARC/CCL17, and MIF, contributing significantly to the diagnosis and severity prediction models.
#9 Impact of environmental factors in predicting daily severity scores of atopic dermatitis | medRxiv
https://www.medrxiv.org/content/10.1101/2020.10.27.20220947v2.full-text
Our data does not offer enough evidence to support a claim that AD symptoms are associated with weather or air pollutants on a short-term basis. […] The short-term influence of the environmental factors on AD sign scores was outweighed by the previous scores persistence, and the next days score for a patient is more accurately predicted using the patients todays score than using environmental data. […] The extent to which AD severity can be predicted from the measurement of environmental factors remains unclear. […] Despite development of such a model, we showed that inclusion of environmental factors did not improve the predictive performance of the model.
#10 Assessing Response in Atopic Dermatitis: A Systematic Review of the Psychometric Performance of Measures Used in HTAs and Clinical Trials
https://pmc.ncbi.nlm.nih.gov/articles/PMC10613159/
A lack of consistency in the assessment of response was observed across clinical trials and HTAs. […] No content validations of the EASI and IGA in AD were found, while some quantitative studies suggested that these measures fail to capture itch, a core symptom. […] Content validation of the PP-NRS confirmed the importance of itch as a core symptom and treatment priority in AD; however, itch is not well covered in the EASI or IGA. […] Although various response criteria were used, no studies compared the performance of different criteria to inform which were most appropriate to compare treatments in clinical trials and HTAs. […] The assessment of treatment response is important in determining treatment value in atopic dermatitis (AD). […] The review found that content validity (the extent to which a measure covers those symptoms and treatment benefits which are important to patients) was not assessed for EASI and IGA.
#11 Assessing Response in Atopic Dermatitis: A Systematic Review of the Psychometric Performance of Measures Used in HTAs and Clinical Trials
https://pmc.ncbi.nlm.nih.gov/articles/PMC10613159/
Treatments leading to improvements in missed symptoms (e.g. itch) will be undervalued using EASI and IGA, decreasing the chances of regulatory approval and reimbursement. […] The identified lack of consistency in the assessment of response observed in the scoping review makes it difficult for clinicians, regulators, and payers to directly compare the efficacies of different treatments to make optimal treatment and resource allocation decisions. […] It is vital to investigate the content validity of the EASI and the IGA. […] This will result in treatment efficacy and cost-effectiveness being undervalued in regulatory and HTA decision-making, decreasing the chances of treatment acceptance and reimbursement. […] Evidence is required on the comparative performance of the different criteria being used to define response to inform which are able to comprehensively capture patient-relevant treatment benefits and distinguish those patients receiving effective treatment. […] This impedes evidence-based treatment and sound resource allocation decisions.