A farmacogenômica tradicional fundamenta-se, majoritariamente, na identificação de variantes genéticas raras de grande efeito em genes farmacocinéticos e farmacodinâmicos, visando prever a resposta a fármacos e a ocorrência de reações adversas (RAMs). Contudo, a arquitetura genética de muitos desfechos terapêuticos é complexa e poligênica, envolvendo múltiplas variantes de pequeno efeito distribuídas pelo genoma. Nesse contexto, o Escore de Risco Poligênico Farmacogenômico (PGx-PRS) surge como uma ferramenta promissora para capturar essa variabilidade residual. Diferente do PRS focado em doenças (que estima a suscetibilidade a uma patologia), o PGx-PRS visa prever fenótipos específicos de resposta medicamentosa ou toxicidade. Embora o potencial para personalizar a farmacoterapia seja elevado, a transição dessa ferramenta para o “prime time” da prática clínica exige uma validação rigorosa que demonstre utilidade incremental superior aos biomarcadores e variantes monogênicas já estabelecidos.
A eficácia dos modelos de PGx-PRS é intrinsecamente dependente da qualidade dos dados genômicos e fenotípicos utilizados em seu desenvolvimento. Um dos principais obstáculos à implementação é a falta de representatividade em termos de diversidade de ancestralidade; a maioria dos escores atuais é derivada de populações europeias, o que compromete a equidade e a precisão das predições em populações diversas. Além disso, a aplicação clínica enfrenta desafios na integração de dados genéticos complexos aos sistemas de suporte à decisão clínica (CDSS) e na interpretação dos resultados por profissionais de saúde. Para que o PGx-PRS seja considerado pronto para o uso rotineiro, é necessário que ele não apenas identifique riscos estatísticos, mas que ofereça diretrizes acionáveis que melhorem significativamente os desfechos dos pacientes, reduzindo as RAMs e otimizando a eficácia terapêutica de forma custo-efetiva.
A evolução da medicina de precisão requer que o PGx-PRS seja validado em ensaios clínicos prospectivos e que sua robustez seja comprovada em diferentes cenários geográficos e demográficos. A harmonização entre os efeitos de variantes monogênicas de alta penetrância e a carga poligênica de baixo efeito é o caminho para um modelo preditivo unificado. À medida que os algoritmos de aprendizado de máquina se tornam mais sofisticados e os biobancos globais se expandem, a capacidade de prever a trajetória terapêutica de um indivíduo com alta fidelidade torna-se uma meta tangível. No entanto, a cautela científica deve prevalecer, assegurando que a implementação seja guiada por evidências sólidas, ética e transparência, transformando a complexidade genômica em uma ferramenta de cuidado seguro e personalizado no mundo real.
Referência (ABNT):
SINGH, Sonal et al. Pharmacogenomics polygenic risk score: Ready or not for prime time? Clinical and Translational Science, [s. l.], v. 17, n. 7, p. e13893, 2024. Disponível em: https://doi.org/10.1111/cts.13893. Acesso em: 9 abr. 2026.