Personalizing the Path to Relief - A Statistical Analysis of Treating Chronic Migraine with CGRP mAbs

Abstract

Migraine is a highly debilitating neurological disorder that affects approximately 15% of the global population. It is most commonly associated with severe headaches that can leave sufferers bedridden, but its impact extends beyond the attacks themselves. The disease presents in various forms, ranging from sporadic attacks to regular ones following the female hormone cycle, and chronic migraine, where individuals experience headaches on most days of the month. In recent years, a new class of preventive medication, Calcitonin Gene-Related Peptide Monoclonal Antibodies (CGRP mAbs), has emerged. Designed specifically for migraine prevention, these medications inhibit neural signal substances and have revolutionized the treatment of chronic migraine, with many patients experiencing a halving in monthly headache days.

This thesis investigates how CGRP mAbs can be used most effectively to treat chronic migraine. It focuses on three types of antibodies: Erenumab, Fremanezumab, and Galcanezumab, and aims to identify optimal strategies for selecting among them and combining them with other preventive treatments. The study is based on statistical analyses of patient data from the SkåNeuro clinic in Lund. The clinic's treatment approach is both dynamical and tailored to the individual, involving continuous modification and combination of medications to maximize effectiveness. For the analysis, Friedman and Nemenyi tests were applied to evaluate the effects of switching between CGRP mAbs and combining them with complementary medications. Additionally, Kruskal-Wallis tests were conducted to determine whether differences exist among the types of antibodies. Machine learning models were developed to predict patient response to CGRP mAbs, based on pre-treatment characteristics and medical history, with the goal of aiding clinicians in making personalized treatment decisions.

The findings suggest that the three CGRP mAbs may differ in their short- and long-term effectiveness. Encouragingly, switching antibodies in cases of poor initial response often leads to improved outcomes. Benefits were also observed when combining CGRP mAbs with antihypertensive medicines. The machine learning models further revealed that different patient characteristics are associated with treatment success depending on the specific antibody used. Notably, higher age was a strong predictor of positive response to Erenumab, whereas response to Fremanezumab and Galcanezumab appeared largely independent of age. These insights support the potential for more personalized treatment strategies in chronic migraine care.

Popular Abstract (Swedish)

Migrän är en neurologisk sjukdom som drabbar ungefär 15 procent av världens befolkning och har stor påverkan på individens vardag. Sjukdomen karaktäriseras av attacker som ger kraftig huvudvärk, tillsammans med illamående och känslighet mot ljud och ljus. Även om det är attackerna som kännetecknar migrän, upplever många även symtom, som trötthet och ångest, mellan anfallen. Kvinnor är överrepresenterade bland migränpatienter och anfallen är vanligt förekommande under menstruationen. Migrän kommer i många olika former, varav episodisk migrän är vanligast. När antalet dagar med huvudvärk under en månad överstiger 15, av vilka minsta åtta är av migränkaraktär, övergår sjukdomen till att klassas som kronisk migrän, vilket är en mycket svårbehandlad sjukdom.

Medicinering mot migrän sker på två sätt, akut behandling vid attacker samt i preventivt syfte, för att minska förekomsten av attacker. Historiskt sett har de preventiva läkemedlen som använts för behandling inte varit framtagna i syfte för att behandla migrän utan de har med tiden visat sig minska huvudvärk. Inräknade behandlingar till denna grupp är bland annat blodtryckssänkande mediciner och onabotulinumtoxin typ A (Botox). År 2019 introducerades migränspecifik behandling med kalcitoningenrelaterade peptid-hämmare (CGRP-hämmare) inom den svenska vården, en behandlingsmetod som visat sig vara mycket effektiv. Då medicinen är relativt ny saknas riktlinjer för vilken hämmare som fungerar bäst för olika patienter och då det är en avancerad behandling är den också kostsam. I och med detta finns det potential att spara både tid och pengar genom att snabbt kunna hitta en fungerade behandling för varje patient.

Syftet med den här studien har varit att undersöka hur CGRP-hämmare kan användas för att uppnå bästa möjliga effekt för patienter med kronisk migrän. Fokus har varit på att analysera hur de tre CGRP-hämmarna Erenumab, Fremanezumab och Galcanezumab har använts på huvudvärkskliniken SkåNeuro i Lund. Kliniken behandlar dagligen patienter med migrän och arbetar med ett dynamiskt och individanpassat arbetssätt där läkemedel och behandlingar byts och kombineras för att uppnå bästa behandlingsresultat.

För att uppnå syftet har den dynamiska behandlingsmetoden utvärderats genom statistiska tester, specifikt utvalda för att passa datasetet. Därtill har maskininlärningsmodeller använts för att undersöka om det går att hitta individuella egenskaper hos patienterna som avgör om en viss hämmare är mer eller mindre lämplig. Modellerna har klassificerat patienter utifrån hur de förutspår att utfallet blir, både med hänsyn till reducering av antal huvudvärksdagar och eventuella bieffekter. Att kunna förutspå vilka patienter som kommer svara på behandlingen, eller som kommer få allvarliga biverkningar som följd, skapar förutsättningar att sätta in rätt behandling direkt och minska lidandet för denna patientgrupp.

Resultaten visar att behandling med CGRP-hämmare ger god effekt, både i början av behandlingen och på längre sikt. Det finns tendenser som tyder på att Erenumab ger bättre långvarig effekt, medan de två andra fungerar bättre initialt. Detta skulle däremot kunna bero på datasetets utseende, då många fler patienter har gått länge på Erenumab. Patienter som byter hämmare får mycket bra effekt efter bytet, oavsett om de byter på grund av biverkningar eller avsaknad effekt. Dessutom har tillägg av blodtryckssänkande mediciner konstaterats vara gynnsamt för behandlingen. Alla dessa resultat styrker argumentet för att arbeta dynamiskt.

Maskininlärningsmodellerna visade att antalet underliggande sjukdomar, hormonell migrän och patientens svar på Botoxbehandling är avgörande egenskaper för hur bra behandlingen med CGRP-hämmare kommer gå. Hög ålder visade sig vara ett starkt tecken på att patienter kommer få god effekt av behandling med Erenumab, däremot så lider äldre patienter större risk att drabbas av grova biverkningar. För Fremanezumab och Galcanezumab är emellertid utfallet av behandlingen nästintill oberoende av patientens ålder. Dessa resultat skulle kunna användas av läkare för att få vägledning i vilken antikropp som borde testas först. Förhoppningsvis leder det till att fler patienter får en fungerande medicin redan från början, och därmed sparas det in på både tid och kostnader.

Studien visar många fördelar med ett dynamiskt arbetssätt och stor potential för att kunna förutspå behandlingens utfall givet individuella egenskaper. Den har dock begränsningar både vad gäller tid och omfattning, vilket uppmuntrar till vidare forskning inom området.

• author: Öhman, Ella and Söderbaum, Wilma
• supervisor: Andreas Jakobsson
• organization: Mathematical Statistics
• course: FMSM01 20251
• year: 2025
• type: H2 - Master's Degree (Two Years)
• subject: Mathematics and Statistics
• keywords: Chronic migraine, CGRP mAbs, migraine treatment
• publication/series: Master's Theses in Mathematical Sciences
• report number: LUTFMS-3527-2025
• ISSN: 1404-6342
• other publication id: 2025:E69
• language: English
• id: 9199115
• date added to LUP: 2025-06-16 16:21:34
• date last changed: 2025-06-26 14:44:22