Polyarthrite rhumatoïde: quand faut-il switcher de traitement?
S'il reste fréquent de voir des patients souffrant d'une PR légère traités notamment par antalgiques, AINS, corticoïdes ou méthotrexate, les choses sont plus compliquées pour les cas plus sévères, qui se voient plutôt proposer un DMARD, comme un inhibiteur du TNF. La réponse au traitement n'est pas assurée au long cours, et il peut être alors utile de passer à un tsDMARD, comme un immunosuppresseur tel les inhibiteurs de Janus kinase (JAK).
Que nous disent les connaissances actuelles sur la pertinence de cet éventuel changement de stratégie thérapeutique? C'était l'objet d'un exposé de la Pre Christina Charles-Schoeman (Centre médical de l'UCLA, à Los Angeles) et qui tournait autour d'une question centrale: quand (et pourquoi) faut-il envisager de modifier un traitement par TNFi?
L'oratrice rappelle qu'une PR non stabilisée entraîne non seulement une progression observable sur le plan radiologique et une altération du fonctionnement somatique, mais également une augmentation du risque CV, d'infection sévère, d'ostéoporose et de cancer. Il faut donc veiller à ce que le patient soit le plus rapidement possible en rémission ou, au minimum, que sa maladie soit faiblement active (LDA). Cela impose notamment de monitorer cette dernière le plus fréquemment possible, avec une réévaluation thérapeutique dans les trois mois d'une absence d'amélioration. Ce monitoring suppose une bonne évaluation au départ, ce qui ne serait pas effectué dans près de la moitié des cas d'après une étude d'Edgerton et al. publiée il y a quelques mois [1]. Cette même étude montre que les patients souffrant d'une PR modérée à sévère seraient encore près de la moitié à rester sous première ligne de TNFi un an après son initiation, malgré l'absence de stabilisation dans leur cas.
Il faut veiller à ce que le patient soit le plus rapidement possible en rémission ou, au minimum, que sa maladie soit faiblement active (LDA).
Une étude toute récente et présentée lors du congrès [2] incluait 1.215 patients PR sous première ligne de TNFi. La majorité des non-répondants à trois mois n'ont toujours pas obtenu une réponse à 12 mois. De plus, environ un patient sur quatre ayant atteint un stade LDA ou une rémission à trois mois n'était plus en LDA ou en rémission au 12e mois. Dans l'étude d'Edgerton, parmi 572 patients atteints de PR modérée à sévère ayant subi un échec thérapeutique avec leur première ligne de TNFi, 15% l'ont relancée et 46% ont switché pour un autre TNFi - le plus souvent pour cause de manque d'efficacité de la première ligne.
Comment expliquer les échecs éventuels du TNFi chez ces patients? Il se peut que leur maladie ne soit pas tellement associée à des processus dépendant du TNF-a ou, en cas de bonne réponse initiale, qu'ils aient développé des anticorps dirigés contre le médicament. C'est surtout dans ce dernier cas qu'il convient d'envisager un changement clair de traitement. L'EULAR va d'ailleurs dans ce sens, recommandant de passer à un autre médicament en cas d'échec de la première ligne de TNFi (ou d'IL-6Ri). Enfin, une méta-analyse incluant 68 études [3] montre que la cible thérapeutique (LAD ou rémission) serait plus généralement atteinte par le switch vers un médicament au mécanisme d'action différent. À ce titre, switcher vers un JAKi semble constituer une bonne stratégie, d'après la récente étude de Caporall et al [4]. Mais a priori, comme écrit plus haut, ce débat n'a vraiment de sens qu'avec un bon suivi du patient.
Sources:
[1] Edgerton C et al. ACR Open Rheumatol. 2024 ; 6(4): 179-188
[2] Real-World Analysis of Initial Clinical Response and Future Outcomes Among Patients with Rheumatoid Arthritis Initiating and Remaining on a 1st-Line Tumor Necrosis Factor Inhibitor in the United States. Charles-Schoeman C et al. 19 novembre 2024
[3] Perkins K et al. AMCP Nexus 2023
[4] Caporall R et al. Adv Ther. 2024 ; 41(9): 3700-3721
Un meilleur suivi des patients PR grâce aux bracelets connectés
La polyarthrite rhumatoïde fait partie de ces affections dont le traitement est échelonné en plusieurs lignes, en fonction de chaque patient (surtout du niveau d'activité de sa maladie et des éventuels effets indésirables).
La réponse thérapeutique est évidemment un facteur clé de l'évaluation, mais elle n'est pas toujours simple à définir et l'aide de devices, permettant la collecte de données au quotidien, pourrait théoriquement être d'une grande utilité. On pense principalement aux actigraphes qui, en complément des observations auto-rapportées sous forme électronique par le patient (ePRO), pourraient générer des données en temps réel, ainsi qu'en conditions réelles (real world data) utilisables en pharmaco-épidémiologie. Cependant, jusqu'ici, la valeur ajoutée de cette stratégie restait à démontrer pour la PR et d'autres pathologies musculosquelettiques.
Lors de l'ACR Convergence 2024, le Pr Jeffrey Curtis (Université d'Alabama, à Birmingham) a présenté les résultats d'une étude prospective menée dans 28 cliniques de rhumatologie aux États-Unis, et incluant des patients atteints de PR qui débutaient un traitement par upadacitinib (un inhibiteur des Janus kinases, JAK) ou par adalimumab (un anticorps anti-TNF). Les patients ont fourni plusieurs ePRO via une application pour smartphone (PatientSpot) sur une base quotidienne, hebdomadaire et mensuelle (durée moyenne de deux minutes par jour) depuis le début de l'étude jusqu'à une visite de suivi environ trois à quatre mois plus tard.
Les auteurs ont intégré ces données, avec et sans celles délivrées par l'actigraphie de type montre-bracelet fourni dans le cadre de l'étude (Fitbit Versa 3), dans des modèles d'apprentissage automatique (machine learning, ML) pour vérifier si les patients atteignaient le stade de faible activité de la maladie (low disease activity, LDA) ou une rémission (indice d'activité de la maladie clinique < 10), tel qu'évalué par un rhumatologue lors de la visite de suivi.
Un total de 150 patients ont terminé l'étude, 96 d'entre eux ayant pu fournir des données d'actigraphie. Ils étaient 62% à être en LDA ou en rémission. Avec les seules données ePRO, le meilleur modèle de ML testé a atteint une valeur prédictive positive de 86% et une sensibilité de 75%. Six ePRO ont été nécessaires pour une performance correcte. En y ajoutant les données passives d'actigraphie, les performances étaient légèrement meilleures (respectivement 86% et 83%), tout en nécessitant moins de données ePRO.
Pour les auteurs, la combinaison d'un minimum de données activement fournies par les patients PR et des données fournies passivement par un actigraphe représente une piste intéressante pour une meilleure évaluation globale de la réponse thérapeutique aux nouveaux traitements de la PR, ainsi qu'à l'optimisation du suivi individuel. Un point important, quand on sait que le retard éventuellement mis à adapter le traitement de cette maladie peut engendrer des lésions irréversibles.
Source:Use of Machine Learning to Evaluate Incremental Value of Actigraphy Data for Classifying Treatment Response in Patients with Rheumatoid Arthritis. Jeffrey Curtis et al..