Учёные Первого МГМУ им. И.М. Сеченова представили исследование, способное помочь фармацевтам подбирать идеальную дозировку и оценивать эффективность новых противоопухолевых препаратов на стартовых этапах клинических тестов. Сравнив разнообразные математические модели прогнозирования опухолевой динамики, эксперты выделили решения, дающие наиболее точный прогноз реакции новообразования на терапию.
Главные вызовы при создании новых противоопухолевых средств — определение оптимальной дозы и анализ действенности лечения на ранних стадиях исследований, когда информации недостаточно. Для решения этих задач специалисты применяют математические модели, предсказывающие реакцию опухоли на препараты и развитие заболевания. Однако до настоящего момента не было ясно, какие методики обеспечивают максимальную точность прогнозов.
Центр математического моделирования Сеченовского Университета провел новаторское сравнение пяти популярных моделей, используя клинические данные 381 пациента с немелкоклеточным раком легкого. Углубленный статистический анализ выявил три наиболее эффективные модели (BiExp, LExp, TGI) и сферы их применения. TGI (Кларет) показала лучшие результаты в анализе текущих данных и краткосрочном прогнозе, тогда как LExp продемонстрировала стабильность в долгосрочных предсказаниях (до 16 месяцев). Все три модели отлично оценивали объективный ответ опухоли — ключевой показатель результативности лечения. Прогнозирование момента развития резистентности требует дополнительных исследований.
Разработка предоставляет научному сообществу и фармкомпаниям методическую основу для выбора моделей, повышающих точность прогнозов и эффективность принятия решений в ходе клинических испытаний. Это существенный шаг к персонализированной терапии и ускоренному созданию инновационных противораковых средств.
Результаты исследования станут основой цифровой платформы "Онкомонитор", создаваемой Сеченовским Университетом. Инструмент позволит врачам строить прецизионные прогнозы выживаемости и подбирать оптимальные схемы лечения для онкологических больных.
Источник: scientificrussia.ru
