Des chercheurs américains identifient des facteurs clés qui pourraient prédire la réponse individuelle aux médicaments amaigrissants de la classe des GLP-1, comme le Wegovy et le Zepbound. Cette analyse approfondie de données médicales ouvre la voie à une approche plus personnalisée du traitement de l’obésité.
Une étude menée par nference, une société d’analyse de données basée dans le Massachusetts, a examiné les dossiers de plus de 135 000 patients, diabétiques et non diabétiques, traités par un médicament GLP-1. L’analyse a porté sur 14 millions de lettres de médecins et 15 millions de données cliniques.
Les résultats révèlent une grande variabilité dans la perte de poids observée. Environ 12,5 % des patients sont considérés comme des « super-répondeurs », ayant perdu plus de 15 % de leur poids corporel dans l’année suivant le début du traitement. 35 % supplémentaires ont perdu entre 5 et 15 %, tandis que 47 % ont perdu moins de 5 %. Un petit groupe de 5 % a initialement perdu environ 5 % de son poids, mais l’a ensuite repris.
L’étude met en évidence l’importance de l’état de santé préexistant du patient dans la détermination de l’efficacité du traitement. « Si je suis un médecin traitant des patients, j’ai besoin de savoir quel médicament est le meilleur pour mon patient », explique Venky Soundararajan, responsable de l’étude. « J’ai également besoin de savoir quels sont les bénéfices et les effets secondaires qu’ils sont susceptibles de ressentir », compte tenu de leurs antécédents médicaux individuels.
Les chercheurs ont constaté que certains médicaments semblent plus efficaces que d’autres. Par exemple, 23 à 28 % des patients traités par Zepbound ou Mounjaro ont obtenu une perte de poids minimale, contre 30 à 43 % pour ceux traités par Wegovy ou Ozempic. Les médicaments de génération précédente, tels que Trulicity, Saxenda et Victoza, affichaient des taux de perte de poids minimale encore plus élevés, allant de 46 à 63 %.
L’utilisation d’outils d’intelligence artificielle a permis d’identifier des corrélations entre des conditions médicales spécifiques et la réponse aux médicaments. Par exemple, la présence d’une raideur musculaire, sans douleur au genou ni arthrose, était associée à une meilleure réponse au Zepbound. Inversement, les patients souffrant de douleurs au genou, d’arthrose, de douleurs thoraciques, d’apnée du sommeil ou de fibromyalgie étaient moins susceptibles d’être des « super-répondeurs ».
D’autres associations notables ont été relevées : les patients atteints de mélanome semblaient mieux répondre au Wegovy, ceux souffrant de kératose actinique au Mounjaro, et ceux atteints d’ostéoporose au Ozempic. Les patients souffrant de pression sinusale ont signalé des améliorations quel que soit le médicament (Lilly ou Novo Nordisk) qu’ils recevaient.
Les chercheurs travaillent désormais au développement d’un algorithme capable de prédire les avantages et les risques potentiels de chaque médicament en fonction du profil médical du patient. Cet outil, qui sera testé dans des études prospectives, devrait gagner en précision à mesure que davantage de données seront collectées.