Лекция | Как математическое моделирование меняет разработку лекарств | Кирилл Песков

• Приветствие спикера Кирилла Пескова.  

• Представление темы лекции: инновационная фармацевтика и использование математики и искусственного интеллекта.  

• Освежение знаний о процессе разработки лекарств.  

• Использование математики на разных стадиях разработки.  

• Изменения в процессе разработки за последние 5-10 лет.  

• Переход от фундаментальных исследований к доклиническим и клиническим исследованиям.  

• Регистрация препарата в регуляторных органах.  

• Успешность фарм-разработчика зависит от эффективности процесса.  

• Снижение продуктивности фарм-индустрии.  

• Проблемы с дизайном и научной гипотезой клинических исследований.  

• Причины провалов клинических исследований.  

• Неправильная стратегия.  

• Неправильная трансляция доклинических данных в клинические.  

• Неправильно подобранная доза.  

• Недостаточная доказательная база.  

• Необходимость более вдумчивого анализа данных.  

• Применение продвинутой математики для анализа данных.  

• Введение в фармакометрику и её методы.  

• Фармакометрика изучает научные вопросы на всех этапах разработки лекарств.  

• Включает анализ мишеней, свойств компаунда и дозировки.  

• Зародилась в 1970-х годах с использованием математических методов.  

• Форма кинетика описывает, как организм влияет на лекарства.  

• Форма динамика описывает эффекты лекарств на организм.  

• Методы фармакометрики помогают в подборе дозировки и персонализации.  

• Построение моделей действия препаратов и патологий.  

• Интеграция исторической и биологической информации.  

• Моделирование систем, а не данных.  

• Используется для трансляционных вопросов.  

• Помогает предсказать профиль форма кинетики.  

• Полезно для доклинических и клинических исследований.  

• Полезны для дизайна исследований и принятия решений.  

• Включают исследования регуляторных взаимодействий и метаболических путей.  

• Составляют дисциплину фармакометрики.  

• Включает компьютерное конструирование лекарств и хем-информатику.  

• Используется для дизайна малых молекул.  

• Парадигма в разработке лекарств.  

• Ключевой вопрос в разработке лекарств — доза.  

• Доза определяет эффект препарата.  

• Модели помогают интерпретировать данные и подбирать оптимальную дозу.  

• Пример с противодиабетическим препаратом.  

• Оценка дозовых зависимостей и эффективности.  

• Математические модели помогают интегрировать данные и учитывать индивидуальные особенности пациентов.  

• Классический подход: генерация данных и статистическая значимость.  

• Модул-бейс подход: интеграция данных в модель.  

• Постепенное уточнение дозовых зависимостей и параметров модели.  

• Важность точной оценки терапевтического окна.  

• Использование апостериорных предсказаний модели.  

• Возможность выбора терапевтической дозы на основе полной реконструкции кривой.  

• Анализ данных клинических исследований позволяет сформировать более информативную инструкцию по применению.  

• Персонализация дозировки может учитывать индивидуальные характеристики, такие как масса тела и привычки.  

• Курение может влиять на метаболизм препаратов, что отражается на их эффективности.  

• Объем инструкции по применению и количество точных критериев указывают на усилия компании по разработке препарата.  

• Пример с препаратами против гриппа: арбидол и тамифлю.  

• Тамифлю зарегистрирован, но вокруг его эффективности много споров.  

• Регистрация препарата инглимон в США.  

• Препарат ингибирует свингазиновые рецепторы, что важно для лечения рассеянного склероза.  

• Исследования показали впечатляющие результаты, но FDA отказалось регистрировать препарат из-за сомнений в оптимальной дозе.  

• В третьей фазе тестировались две дозы, что вызвало сомнения в оптимальной дозе.  

• FDA предложило провести дополнительное исследование для определения оптимальной дозы.  

• Компания использовала математическое моделирование для подтверждения оптимальной дозы, что позволило зарегистрировать препарат.  

• Моделирование помогает предсказать результаты исследований на людях.  

• Это позволяет отсеивать неперспективные проекты на ранних стадиях.  

• В реальных исследованиях часто сложно понять логику фундаментальных исследований.  

• Прорыв в лечении онкологии связан с ингибиторами иммунных контрольных точек.  

• Исследования длились более ста лет, и сейчас существует концепт иммуно-онкологического цикла.  

• Опухоли могут обманывать иммунную систему, что усложняет лечение.  

• Моделирование помогает интерпретировать данные доклинических экспериментов.  

• Важна последовательность введения терапий, что объясняет феномен синергизма.  

• Моделирование позволяет расширить спектр тестируемых опций.  

• Модели помогают прогнозировать эффект лекарств на людях.  

• Это востребовано в разработке лекарств и позволяет принимать решения на основе доклинических данных.  

• Моделирование используется в создании доказательной базы для регуляторных досье.  

• Парадигма разработки лекарств меняется, фазы разработки становятся менее четкими.  

• Внедрение новых регуляторных практик и методов анализа данных способствует этому.  

• Важно понимать механизм действия препарата для создания точных инструкций по применению.