Оптимізація лікування хронічної мієлоїдної лейкемії із застосуванням аргініну глутамату як засобу детоксикації під контролем лабораторних показників інтоксикаційного синдрому

##plugins.themes.bootstrap3.article.main##

Іванна Майкут-Забродська
Людмила Хіміон

Анотація

Мета дослідження: оптимізація лікування пацієнтів із хронічною мієлоїдною лейкемією (ХМЛ) шляхом визначення особливостей інтоксикаційного синдрому за лабораторними показниками та його корекції.


Матеріали та методи. Проведено проспективне, когортне дослідження за участю 97 осіб, з яких 77 пацієнтів із ХМЛ були розподілені за стадіями хвороби (хронічна – 19, акселерації – 33, бластний криз – 25), а 20 здорових осіб сформували контрольну групу. Вивчено рівні молекул середньої маси (МСМ), основну частку яких становлять речовини пептидної природи, піровиноградної (ПВК) та молочної (МК) кислот у плазмі крові. Використано клінічні, лабораторні, біохімічні та статистичні методи аналізу. Дослідження проведено відповідно до Гельсінської декларації, затверджене комісією з біоетики; усі пацієнти надали інформовану згоду на участь у дослідженні.


Результати. Встановлено, що рівень МСМ, ПВК і МК підвищується з прогресуванням стадії захворювання та корелює з тяжкістю інтоксикації. Зниження рівнів МСМ, ПВК, МК у пацієнтів із ХМЛ після курсу аргініну глутамату свідчить про зменшення вираженості синдрому ендогенної метаболічної інтоксикації.


Висновки. Оцінювання метаболічної інтоксикації є важливим критерієм стратифікації ризику при ХМЛ. Визначення рівнів МСМ, ПВК, МК у крові пацієнтів із ХМЛ розширює арсенал дослідницьких технологій, а виявлені особливості метаболічних порушень у хворих із ХМЛ свідчать про потребу в індивідуалізації лікувальних підходів із метою мінімізації несприятливих наслідків. У комплексному лікуванні ХМЛ доцільно застосовувати аргініну глутамат у середньотерапевтичних дозах і тривалості для корекції інтоксикаційних порушень.

##plugins.themes.bootstrap3.article.details##

Як цитувати
Майкут-Забродська, І., & Хіміон, Л. (2025). Оптимізація лікування хронічної мієлоїдної лейкемії із застосуванням аргініну глутамату як засобу детоксикації під контролем лабораторних показників інтоксикаційного синдрому. Сімейна Медицина. Європейські практики, (4), 107–111. https://doi.org/10.30841/2786-720X.4.2025.349506
Номер
Розділ
Онкологія

Посилання

Shah NP, Bhatia R, Altman JK, Amaya M, Begna KH, Berman E, et al. Chronic myeloid leukemia, version 2.2024, NCCN clinical practice guidelines in oncology. J Natl Compr Canc Netw. 2024;22(1):43-69. doi: 10.6004/jnccn.2024.0007.

Ureshino H, Kamachi K, Kimura S. Second treatment-free remission attempt in patients with chronic myeloid leukemia. Clin Lymphoma Myeloma Leuk. 2024;24(4):e138-41. doi: 10.1016/j.clml.2023.12.011.

Andorsky D, Kota V, Sweet K. Exploring treatment decision-making in chronic myeloid leukemia in chronic phase. Front Oncol. 2024;14:1369246. doi: 10.3389/fonc.2024.1369246.

Kumar R, Mishra A, Gautam P, Feroz Z, Vijayaraghavalu S, Likos EM, et al. Metabolic pathways, enzymes, and metabolites: Opportunities in cancer therapy. Cancers (Basel). 2022;14(21):5268. doi: 10.3390/cancers14215268.

Tufail M, Jiang CH, Li N. Immune evasion in cancer: mechanisms and cutting-edge therapeutic approaches. Signal Transduct Target Ther. 2025;10(1):227. doi: 10.1038/s41392-025-02280-1.

Sun C, Shen Y, Wang F, Lu T, Zhang J. Sympathetic nervous system in tumor progression and metabolic regulation: mechanisms and clinical potential. J Transl Med. 2025;23(1):836. doi: 10.1186/s12967-025-06657-2.

Reang J, Sharma PC, Thakur VK, Majeed J. Understanding the therapeutic potential of ascorbic acid in the battle to overcome cancer. Biomolecules. 2021;11(8):1130. doi: 10.3390/biom11081130.

Wang Y, Liang Z-J, Gale RP, Liao H-Z, Ma J, Gong T-J, et al. Chronic myeloid leukaemia: Biology and therapy. Blood Rev. 2024;65:101196. doi: 10.1016/j.blre.2024.101196.

Stempel JM, Shallis RM, Wong R, Podoltsev NA. Challenges in management of older patients with chronic myeloid leukemia. Leuk Lymphoma. 2024;65(9):1219-32. doi: 10.1080/10428194.2024.2342559.

Chelysheva E, Apperley J, Turkina A, Yassin MA, Rea D, Nicolini FE, et al. Chronic myeloid leukemia diagnosed in pregnancy: Management and outcome of 87 patients reported to the European LeukemiaNet international registry. Leukemia. 2024;38(4):788-95. doi: 10.1038/s41375-024-02183-0.

Abruzzese E, Trawinska MM, De Fabritiis P, Bernardi S. SOHO state of the art updates and next questions: chronic myeloid leukemia and pregnancy: “Per aspera ad astra”. Clin Lymphoma Myeloma Leuk. 2024;24(4):214-23. doi: 10.1016/j.clml.2023.11.011.

Zhang X, Liu B, Huang J, Zhang Y, Xu N, Gale RP, et al. A predictive model for therapy failure in patients with chronic myeloid leukemia receiving tyrosine kinase inhibitor therapy. Blood. 2024;144(18):1951-61. doi: 10.1182/blood.2024024761.

Cattaneo D, Bucelli C, Bellani V, Mora B, Iurlo A. Treatment-free remission as a new goal in the management of chronic myeloid leukemia: Clinical and biological aspects. Hematol Oncol. 2024;42(5):e3309. doi: 10.1002/hon.3309.

Jabbour E, Kantarjian H. Chronic myeloid leukemia: 2025 update on diagnosis, therapy, and monitoring. Am J Hematol. 2024;99(11):2191-212. doi: 10.1002/ajh.27443.

Szuber N, Orazi A, Tefferi A. Chronic neutrophilic leukemia and atypical chronic myeloid leukemia: 2024 update on diagnosis, genetics, risk stratification, and management. Am J Hematol. 2024;99(7):1360-87. doi: 10.1002/ajh.27321.

Huuhtanen J, Adnan-Awad S, Theodoropoulos J, Forstén S, Warfvinge R, Dufva O, et al. Single-cell analysis of immune recognition in chronic myeloid leukemia patients following tyrosine kinase inhibitor discontinuation. Leukemia. 2024;38(1):109-25. doi: 10.1038/s41375-023-02074-w.

Bernardi S, Vallati M, Gatta R. Artificial intelligence-based management of adult chronic myeloid leukemia: Where are we and where are we going? Cancers (Basel). 2024;16(5):848. doi: 10.3390/cancers16050848.

Ram M, Afrash MR, Moulaei K, Parvin M, Esmaeeli E, Karbasi Z, et al. Application of artificial intelligence in chronic myeloid leukemia (CML) disease prediction and management: A scoping review. BMC Cancer. 2024;24(1):1026. doi: 10.1186/s12885-024-12764-y.

Sasaki K, Jabbour EJ, Ravandi F, Konopleva M, Borthakur G, Wierda WG, et al. The Leukemia Artificial Intelligence Program (LEAP) in chronic myeloid leukemia in chronic phase: A model to improve patient outcomes. Am J Hematol. 2021;96(2):241-50. doi: 10.1002/ajh.26047.

Elhadary M, Elsabagh AA, Ferih K, Elsayed B, Elshoeibi AM, Kaddoura R, et al. Applications of machine learning in chronic myeloid leukemia. Diagnostics (Basel). 2023;13(7):1330. doi: 10.3390/diagnostics13071330.

PDQ Adult Treatment Editorial Board. Chronic Myeloid Leukemia Treatment (PDQ®) – Health Professional Version [Internet]. In: PDQ Cancer Information Summaries. Bethesda (MD): National Cancer Institute (US); 2002. Available from: https://www.cancer.gov/types/leukemia/hp/cml-treatment-pdq.

Maikut-Zabrodska IM. Algorithm for predicting the clinical course and treatment effectiveness for patients with chronic myeloid leukemia using markers of metabolic intoxication. Wiad Lek. 2025;78(6):1007-13. doi: 10.36740/WLek/207357.