Российские ученые предложили способ точнее рассчитывать содержание лекарств в организме
Ученые Сеченовского университета вместе с коллегами предложили способ объединять данные десятков исследований о лекарстве в единую математическую модель. Подход поможет точнее прогнозировать распределение препарата в организме и уточнять расчеты по мере появления новых данных.
Источник: Новости науки
МОСКВА, 16 октября./ТАСС/. Ученые Сеченовского университета совместно со специалистами Института вычислительной математики РАН и компании «СимургФарм» предложили способ точнее прогнозировать, сколько лекарства попадет в кровь и органы после его приема и как его количество будет меняться со временем. Метод позволяет объединять результаты разных исследований, сообщили в пресс-службе вуза.
«Мы показали универсальный способ объединять разнородные данные о поведении лекарства в организме. Этот подход легко адаптировать для других видов математического моделирования, создания ИИ-агентов для анализа данных фармакокинетики и разработки новых методов создания лекарств», — приводятся в тексте слова руководителя Центра математического моделирования в разработке лекарств Сеченовского университета Кирилла Пескова.
При разработке лекарств ученые учитывают результаты предыдущих исследований, существующие математические модели и сведения о заболевании. Однако данные из разных работ могут противоречить друг другу. Построенные на их основе модели дают разные прогнозы, что затрудняет получение точных характеристик препарата для следующих этапов разработки.
Фармакокинетические модели помогают описывать изменение концентрации лекарства в крови. Для оценки его концентрации в органе-мишени используют более сложные минимальные физиологически обоснованные фармакокинетические модели. Объединить разнородные данные для построения такой модели исследователям помог байесовский подход, позволяющий обновлять прогнозы по мере поступления новых сведений.
Проверка
Ученые проверили подход на препарате для лечения сахарного диабета 2-го типа, сердечной недостаточности и хронической болезни почек. Его выбрали благодаря широкому применению в клинической практике и большому объему накопленных данных.
Исследователи проанализировали 18 исследований с данными о фармакокинетике препарата и 10 работ с опубликованными фармакокинетическими моделями. На этой основе они построили модель и задали предварительные распределения ее параметров. Затем с помощью байесовского подхода объединили эти предположения с реальными данными о препарате и уточнили значения параметров.
Полученную модель проверили на независимых данных. Она хорошо описывала концентрацию препарата в крови, но несколько завышала его содержание в моче. Дополнительный анализ показал, что прогноз можно улучшить, включив индивидуальные данные о скорости клубочковой фильтрации.
Работу выполнили исследователи Первого МГМУ им. И. М. Сеченова совместно со специалистами Института вычислительной математики РАН и компании «СимургФарм». Результаты опубликованы в журнале CPT: Pharmacometrics & Systems Pharmacology.
«Мы показали универсальный способ объединять разнородные данные о поведении лекарства в организме. Этот подход легко адаптировать для других видов математического моделирования, создания ИИ-агентов для анализа данных фармакокинетики и разработки новых методов создания лекарств», — приводятся в тексте слова руководителя Центра математического моделирования в разработке лекарств Сеченовского университета Кирилла Пескова.
При разработке лекарств ученые учитывают результаты предыдущих исследований, существующие математические модели и сведения о заболевании. Однако данные из разных работ могут противоречить друг другу. Построенные на их основе модели дают разные прогнозы, что затрудняет получение точных характеристик препарата для следующих этапов разработки.
Фармакокинетические модели помогают описывать изменение концентрации лекарства в крови. Для оценки его концентрации в органе-мишени используют более сложные минимальные физиологически обоснованные фармакокинетические модели. Объединить разнородные данные для построения такой модели исследователям помог байесовский подход, позволяющий обновлять прогнозы по мере поступления новых сведений.
Проверка
Ученые проверили подход на препарате для лечения сахарного диабета 2-го типа, сердечной недостаточности и хронической болезни почек. Его выбрали благодаря широкому применению в клинической практике и большому объему накопленных данных.
Исследователи проанализировали 18 исследований с данными о фармакокинетике препарата и 10 работ с опубликованными фармакокинетическими моделями. На этой основе они построили модель и задали предварительные распределения ее параметров. Затем с помощью байесовского подхода объединили эти предположения с реальными данными о препарате и уточнили значения параметров.
Полученную модель проверили на независимых данных. Она хорошо описывала концентрацию препарата в крови, но несколько завышала его содержание в моче. Дополнительный анализ показал, что прогноз можно улучшить, включив индивидуальные данные о скорости клубочковой фильтрации.
Работу выполнили исследователи Первого МГМУ им. И. М. Сеченова совместно со специалистами Института вычислительной математики РАН и компании «СимургФарм». Результаты опубликованы в журнале CPT: Pharmacometrics & Systems Pharmacology.
