O Desafio da Precisão na Terapia Neonatal

A dosagem de antibióticos em recém-nascidos, especialmente em casos de sepse, é um dos cenários mais complexos da prática clínica. A alta variabilidade fisiológica, que abrange desde prematuros extremos até neonatos a termo, somada a condições como insuficiência renal aguda e o uso concomitante de inotrópicos ou hipotermia terapêutica, torna o cálculo posológico convencional frequentemente impreciso. A dependência de dados derivados de adultos, por vezes necessária pela escassez de estudos neonatais robustos, pode comprometer tanto a eficácia terapêutica quanto a segurança do paciente.

Integração de Modelos Fisiológicos e Evolução Bacteriana

Um estudo recente publicado na npj Digital Medicine apresentou uma solução inovadora: um framework de gêmeos digitais (digital twins). Este modelo multiescalar combina a farmacocinética baseada na fisiologia (PBPK) com um módulo de farmacodinâmica eco-evolutiva. A grande inovação reside na capacidade de simular não apenas a concentração da droga no organismo, mas também a resposta adaptativa das bactérias, considerando a pressão seletiva exercida pelo antibiótico ao longo do tempo.

Destaque Clínico: O modelo utiliza redes neurais do tipo Long Short-Term Memory (LSTM) para prever, de forma dinâmica, a taxa de filtração glomerular. Isso permite que a dosagem de aminoglicosídeos, como a amicacina, seja ajustada continuamente conforme a maturação renal do neonato e as alterações hemodinâmicas induzidas por intervenções clínicas.

Otimização em Coortes Reais e Virtuais

O framework foi calibrado com dados de 1.634 neonatos, permitindo a criação de gêmeos digitais que refletem a heterogeneidade clínica das UTIs. A validação demonstrou que o sistema é capaz de reproduzir com alta fidelidade os perfis de concentração plasmática observados na prática. Além disso, o módulo eco-evolutivo conseguiu estratificar os pacientes conforme o desfecho clínico, diferenciando casos de cultura positiva daqueles negativos com base na dinâmica de carga bacteriana simulada.

Alerta de Segurança: O estudo destaca que a exposição subinibitória pode favorecer o surgimento de resistência bacteriana. O uso de controle preditivo baseado em modelos (MPC) permitiu mitigar o 'rebote' bacteriano durante o tratamento, mantendo o equilíbrio entre a erradicação do patógeno e a minimização da toxicidade renal.

Implicações para a Prática Clínica

A aplicação desse modelo oferece uma ferramenta promissora para o Antibiotic Stewardship. Ao prever a evolução da suscetibilidade bacteriana e adaptar a dose em tempo real, o framework auxilia o farmacêutico clínico e a equipe médica a:

  • Individualizar estratégias de dosagem diante de comorbidades complexas como a asfixia perinatal.
  • Antecipar riscos de toxicidade associados a picos e vales plasmáticos em diferentes estágios de maturação renal.
  • Reduzir a falha terapêutica ao considerar o comportamento evolutivo dos patógenos in vivo.

Embora a implementação exija infraestrutura computacional, o estudo demonstra que a modelagem baseada em fisiologia é um caminho viável para superar as limitações das abordagens estatísticas tradicionais, movendo a terapia neonatal em direção a uma medicina de precisão, verdadeiramente orientada pelo estado fisiológico e ecológico de cada paciente.

Referência: Evolutionary digital twin framework for optimal aminoglycoside dosing in neonates with suspected sepsis. Michela Prunella, Chiara Romano. npj Digital Medicine, 2026. DOI: https://doi.org/10.1038/s41746-026-02558-w