I geni possono dire se i farmaci anti-obesità funzioneranno e se causeranno effetti collaterali

Cosa è successo

Uno studio su quasi 28.000 utenti 23andMe che assumevano farmaci anti-obesità GLP-1 ha identificato associazioni tra varianti genetiche ed efficacia del trattamento e rischio di nausea e vomito. Chi porta una variante nel gene GLP1R perde in media 1,7 libbre in più in otto mesi; chi ne porta due, fino a 3,3 libbre. Varianti in GLP1R e GIPR sono associate a nausea e vomito; nel caso di GIPR, l'associazione emerge solo nei pazienti in terapia con tirzepatide, con un rischio di vomito superiore dell'83% rispetto ai non portatori.

Il dato non “decide” oggi le prescrizioni (l’effetto medio è piccolo), ma apre una traiettoria: l’obesità farmacologica si muove verso un modello di stratificazione (chi risponde di più, chi interrompe per effetti collaterali, chi necessita combinazioni). Il valore non è la “genetica come oracolo”, ma ridurre trial-and-error e aumentare la persistenza.

Perché è importante

Se questa correlazione si confermasse, si aprirebbe una filiera completamente nuova: prima un test genetico (o multi-omics, cioè che analizza simultaneamente geni, proteine e metaboliti), poi la scelta del farmaco più adatto al profilo del paziente, infine una gestione più mirata del rischio che il paziente abbandoni la terapia a metà strada.
Per chi paga — assicurazioni, sistemi sanitari pubblici — la questione è concreta.

Il costo reale dei farmaci GLP-1 non è solo il prezzo mensile della molecola: è tutto ciò che accade quando i pazienti smettono, riprendono, smettono di nuovo. Ogni interruzione è uno spreco economico prima ancora che clinico. La farmacogenomica — cioè l'uso dei dati genetici per prevedere come un paziente risponderà a un farmaco — in questo contesto non è un lusso da medicina di precisione, ma uno strumento per ridurre gli sprechi e rendere le terapie più sostenibili nel tempo.

E adesso?

• Fondamentale è capire se i risultati si confermano su popolazioni più ampie e se valgono anche per outcome concreti come la durata della terapia, i cambi di farmaco e gli aggiustamenti di dosaggio;
• Vedere se nascono modelli predittivi che combinano la genetica con dati clinici già disponibili — età, sesso, patologie associate, dose iniziale — per stimare fin dall'inizio chi ha più probabilità di abbandonare la cura;
• È importante Individuare quando questi strumenti diventano utilizzabili dai sistemi sanitari nella pratica: per esempio come criteri per decidere chi ha accesso a quale farmaco, o per costruire programmi di supporto all'aderenza basati sul profilo di rischio del paziente.