Zrozumienie czynników prognostycznych w wirusowym zapaleniu wątroby typu C jest kluczowe dla przewidywania prawdopodobnego wyniku leczenia zarówno przed rozpoczęciem terapii, jak i w jej trakcie. Jest to absolutnie niezbędne do określenia optymalnej terapii i czasu trwania leczenia1. Szereg czynników związanych z gospodarzem, genetycznych i wirusowych odpowiada za zmienne wyniki u pacjentów z zakażeniem WZW-C1.
Czynniki wirusowe
Genotyp wirusa WZW-C stanowi jeden z najważniejszych czynników prognostycznych. Genotyp wirusa inny niż 1 oraz niskie wyjściowe obciążenie wirusowe są uznawane za najistotniejsze wyjściowe predyktory trwałej odpowiedzi wirusologicznej (SVR)2. Pacjenci zakażeni genotypem 3 mogą mieć zwiększone ryzyko rozwoju raka wątrobowokomórkowego, co wpływa na długoterminowe rokowanie3.
Obciążenie wirusowe przed leczeniem ma istotny wpływ na prawdopodobieństwo osiągnięcia SVR. Niższe wyjściowe obciążenie wirusowe koreluje z lepszą odpowiedzią na terapię przeciwwirusową. Dodatkowo, różnorodność genetyczna wirusa, mierzona liczbą wariantów kwazigrupowych w regionie E1E2, może być związana z niepowodzeniem leczenia4.
Stan wątroby i zwłóknienie
Obecność zaawansowanego zwłóknienia i marskości wątroby stanowi główny niezależny predyktor braku odpowiedzi na terapię przeciwwirusową1. Obecność ciężkiego zwłóknienia lub marskości w biopsji wątroby przed leczeniem przewiduje słabą odpowiedź na terapię5. Stopień uszkodzenia wątroby służy do kierowania decyzjami o leczeniu i zarządzaniu chorobą6.
Stłuszczenie wątroby, które występuje u około 50% pacjentów z przewlekłym WZW-C, jest znacznie częstsze u pacjentów z zakażeniami genotypem 31. Stłuszczenie jest niezależnie związane z progresją zwłóknienia, co zostało potwierdzone w metaanalizie obejmującej ponad 3000 pacjentów z przewlekłym zakażeniem WZW-C z Europy, Australii i USA2.
Charakterystyki pacjenta
Wiek pacjenta jest istotnym czynnikiem prognostycznym – starsi pacjenci mają generally gorszą odpowiedź na leczenie. Badania wykazały, że gdy wiremia staje się ujemna, prawdopodobieństwo trwałej odpowiedzi prawdopodobnie różni się między 20 a 70%, w zależności od wieku pacjenta7. Czas trwania zakażenia również wpływa na wyniki leczenia – dłuższe zakażenia są związane z gorszym rokowaniem8.
Masa ciała pacjenta może wpływać na odpowiedź na terapię. Badania wykazały związek między masą ciała a skutecznością leczenia, choć mechanizm tego wpływu nie jest w pełni wyjaśniony. Dodatkowo, obecność chorób metabolicznych towarzyszących, takich jak cukrzyca, może negatywnie wpływać na rokowanie i zwiększać ryzyko rozwoju raka wątrobowokomórkowego3.
Parametry biochemiczne
Poziomy enzymów wątrobowych przed leczeniem mają znaczenie prognostyczne. Niższe poziomy aminotransferazy alaninowej (ALT) są znacznie związane z niepowodzeniem leczenia4. Podwyższone poziomy ALT powyżej 1000 IU/ml są związane z samoistnym oczyszczeniem ostrego WZW-C9.
Poziomy gamma-glutamylotranspeptydazy również wpływają na wyniki leczenia i są uwzględniane w modelach predykcyjnych skuteczności terapii48. Podwyższona bilirubina powyżej 40 μmol/l jest związana z lepszymi szansami na samoistne oczyszczenie wirusa w ostrym WZW-C9.
Czynniki immunologiczne
Stan układu immunologicznego pacjenta ma kluczowe znaczenie dla rokowania, szczególnie u osób z kooinfekcją HIV. Wyjściowa liczba komórek CD4 powyżej 650×10⁶/l jest związana z lepszymi szansami na samoistne oczyszczenie ostrego WZW-C9. Silne odpowiedzi komórek T są również związane z lepszym rokowaniem9.
W przypadku pacjentów z kooinfekcją HIV-WZW-C, samoistne oczyszczenie ostrego WZW-C można przewidzieć na podstawie szybkiego spadku obciążenia wirusowego, wysokiej liczby komórek CD4, podwyższonej bilirubiny i ALT, i jest związane z niską różnorodnością wirusową oraz silnymi odpowiedziami komórek T9.
- Przewidywanie prawdopodobieństwa sukcesu terapii
- Dostosowanie czasu trwania leczenia
- Identyfikację pacjentów wymagających intensywniejszego monitorowania
- Optymalizację kosztów opieki zdrowotnej przez kontynuowanie leczenia u pacjentów z dobrym rokowaniem
Modele predykcyjne
Współczesne badania wskazują na możliwość wykorzystania analizy dyskryminacyjnej z wykorzystaniem zarówno wyjściowej zmienności genetycznej WZW-C, jak i charakterystyk gospodarza jako użytecznego narzędzia statystycznego pozwalającego na dokładne przewidywanie wyników leczenia skojarzonego u wysokiego odsetka pacjentów10. Modele te uwzględniają wzorzec aminokwasów w regionie rdzenia wirusa, liczbę haplotypów w regionie E1E2 oraz poziomy gamma-glutamylotranspeptydazy i ALT4.
Opracowanie nowych biomarkerów, takich jak LecT-Hepa, może w przyszłości umożliwić wcześniejsze i dokładniejsze przewidywanie wyników leczenia. Zmiany w poziomach tego markera w pierwszych 12 tygodniach terapii mogą już rozróżnić pacjentów z WZW-C, którzy osiągną SVR11.



















