Salah satu risiko penggunaan obat jantung yang banyak dikenal adalah torsade de pointes (TdP). TdP dapat menyebabkan serangan jantung, sehingga mengetahui risiko kemunculan TdP akibat konsumsi obat menjadi sangat penting. Dalam praktik sehari-hari, sering kali kita menemui penggunaan beberapa obat sekaligus dalam terapi pasien. Oleh karena itu, mengetahui risiko kemunculan TdP akibat kombinasi obat-obatan tersebut sangat penting, terutama bagi penderita penyakit jantung.
Ilmuwan baru-baru ini telah berupaya mengembangkan mekanisme tertentu yang dihimpun dalam proyek besar bernama comprehensive in-vitro proarrhythmia assay (CiPA) untuk memprediksi risiko obat tunggal. Banyak penelitian yang telah diterbitkan mengenai CiPA yang menunjukkan peningkatan kemampuan dalam memprediksi risiko obat. Namun, risiko akibat kombinasi obat masih jarang dikaji secara mendalam, karena beberapa kendala, seperti waktu dan biaya eksperimen yang lebih besar dibandingkan dengan eksperimen obat tunggal. Oleh karena itu, dibutuhkan metode yang dapat memprediksi risiko kombinasi obat secara lebih efisien.
Penelitian ini menawarkan sebuah metode komputasi untuk memprediksi risiko kombinasi obat hanya dengan menggunakan data eksperimen obat tunggal. Awalnya, farmakodinamik dari kombinasi dua obat diimplementasikan pada model sel jantung. Dengan mencoba berbagai kombinasi konsentrasi obat, diperoleh beberapa respon sel jantung yang menghasilkan biomarker qNet. Melalui qNet, risiko kemunculan TdP akibat kombinasi obat dapat diprediksi, sesuai dengan kaidah yang telah diterbitkan oleh CiPA (Li dkk, 2019).
Penelitian ini menggunakan dua belas obat yang menghasilkan tidak kurang dari 66 kombinasi obat yang diteliti. Dua belas obat tersebut terdiri dari empat obat dengan risiko tinggi, empat obat dengan risiko menengah, dan empat obat dengan risiko rendah. Setiap obat disimulasikan dalam seratus sampel. Nilai qNet yang dihasilkan dari respon sel jantung terhadap obat digunakan sebagai acuan untuk memprediksi risiko kemunculan TdP akibat kombinasi obat tersebut. Model matematika yang digunakan untuk mengklasifikasikan risiko obat adalah ordinal logistic regression (OLR). OLR membagi risiko obat menjadi tiga kategori: rendah, menengah, dan tinggi.
Hasil simulasi dan prediksi dengan OLR menunjukkan bahwa beberapa kombinasi obat dapat meningkatkan risiko kemunculan TdP pada pasien penyakit jantung. Semua kombinasi dua obat yang melibatkan obat dengan risiko tinggi dan/atau menengah dapat meningkatkan risiko kemunculan TdP lebih dari 50% pada pasien. Sementara itu, kombinasi obat yang melibatkan obat dengan risiko rendah cenderung menghasilkan risiko kombinasi yang lebih rendah, yaitu 17 dari 38 total kombinasi obat menunjukkan peningkatan risiko TdP sebesar 50% atau lebih.
Berdasarkan hasil simulasi tersebut, dengan semakin berkembangnya praktik pengobatan yang melibatkan beberapa obat sekaligus, mengetahui risiko kemunculan TdP akibat kombinasi obat menjadi sangat penting, terutama bagi penderita penyakit jantung. Pemilihan kombinasi obat yang melibatkan obat dengan risiko rendah perlu dipertimbangkan dalam pengobatan penyakit jantung untuk menghindari kemunculan TdP selama terapi.
Ke depannya, prediksi risiko kombinasi obat jantung pada pasien perlu ditingkatkan, terutama dari segi akurasi. Beberapa upaya yang bisa dilakukan untuk meningkatkan akurasi prediksi risiko kemunculan TdP akibat kombinasi obat adalah dengan memasukkan beberapa biomarker sekaligus dalam model OLR. Selain itu, penelitian ini hanya berfokus pada penerapan farmakodinamik kombinasi obat pada sel jantung, sedangkan farmakokinetik belum dikaji secara mendalam. Farmakokinetik merupakan komponen yang sangat penting, karena kombinasi obat dapat mengubah konsentrasi efektif obat saat berinteraksi dengan sel jantung. Akibatnya, efek dari obat tunggal bisa berbeda dengan kombinasi obat, karena peristiwa farmakokinetik dan farmakodinamik yang pada akhirnya mempengaruhi risiko kemunculan TdP akibat kombinasi obat tersebut.
Nama : Ali Ikhsanul Qauli, S.Si., M.Eng.
Link jurnal :
