Користувач:Year2100/Персоналізована медицина

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку

 

Персоналізована медицина (прецизійна, прицільна, індивідуалізована, персоніфікована медицина) — це медична модель, що полягає на підборі медичних рішень, практик, втручань та засобів для пацієнта на основі його прогнозованої реакції або ризику захворювання.

Хоча концепція підбору способу лікування під пацієнта бере свій початок ще за часів Гіппократа[1], популярності вона набула лише в останніх роках завдяки новим технологіям. Для виявлення хвороб та вибору оптимального лікування персоналізована медицина часто використовує діагностичне тестування генетичної, молекулярної і клітинної інформації.[2] Геноміка сприяє створенню доказової бази для стратифікації (групування) подібних між собою пацієнтів. [3] [4] [5]

Терміни персоналізована, персоніфікована, прецизійна, прицільна та індивідуалізована медицина часто використовуються як синоніми, хоча існують певні нюанси та розбіжності у цих поняттях.[6] Прицільна медицина - це модель системи охорони здоров’я, в якій медичні висновки та способи лікування будуть адаптованими до окремих груп пацієнтів, на відміну від сучасної моделі «один препарат, який підходить усім». [7] В моделі прицільної медицини індивідуальний підбір лікування полягає на поділі осіб на певні групи (а не створення окремого препарату для кожного пацієнта), залежно від схильності до певного захворювання, особливостях його перебігу і ефективності лікування. Такий підхід дозволить сфокусувати профілактичні та лікувальні заходи на тих пацієнтах, кому вони будуть корисні, заощаджуючи витрати та зменшуючи небажані наслідки для решти осіб. В той же час, «прицільна медицина» охоплює створення унікальних медичних продуктів для конкретних осіб, наприклад, «...індивідуально створені чи підібрані тканини та органи для лікування кожного окремого пацієнта». [8] Тому в широкій практиці поняття прицільної і персоналізованої медицини вважаються синонімами. [9]

База[ред. | ред. код]

Основи[ред. | ред. код]

Методологія[ред. | ред. код]

Геном кожної людини унікальний.[10] Здоров’я людини напряму залежить від генетичних варіацій, способу життя та впливу навколишнього середовища. [11] [12]

Індивідуальні відмінності молекулярної патології та експосому впливають на перебіг хвороби кожної людини шляхом інтерактому у тканинному мікросередовищі. В якості теоретичної основи прецільної медицини лежить «принцип унікальної хвороби» [13], який вперше був описаний у неопластичних захворюваннях як «принцип унікальної пухлини». [14]

Щоб дізнатися чи певна мутація пов’язана з конкретною хворобою, дослідники часто проводять «дослідженням загальногеномних асоціацій» (GWAS). Дослідження полягає на секвенуванні геному багатьох пацієнтів з однаковою хворобою, щоб знайти спільні мутації в геномі. Мутації, які в результаті дослідження GWAS визначено як пов’язані із захворюванням, потім можна використовувати для майбутної діагностики пацієнтів, дивлячись на послідовність їх геному, щоб знайти ту саму мутацію. Перше GWAS, проведене в 2005 році, вивчало пацієнтів з віковою дегенерацією жовтої плями (ARMD). [15] Воно виявило дві різні мутації, кожна з яких містить лише варіацію лише в одному нуклеотиді (так звані однонуклеотидні поліморфізми або SNP). Станом на початок 2014 року було проведено понад 1300 досліджень GWAS. [16]

Штучний інтелект у прецизійній медицині[ред. | ред. код]

Штучний інтелект зсуває парадигму в бік прицільної медицини. [17] Алгоритми машинного навчання використовуються для визначення геномної послідовності, а також для аналізу та висновків із величезної кількості даних пацієнтів і закладів охорони здоров’я, що записуються щомиті. [18] У статті 2021 року повідомлялося, що машинне навчання змогло передбачити результати III фази клінічних випробувань (для лікування раку простати) з точністю 76%. [19]

Практика[ред. | ред. код]

Можливість надання прицільного лікування в звиклих клінічних умовах залежить від доступності тестів молекулярного профілювання, наприклад секвенування ДНК зародкової лінії . [20] Прицільна медицина на даний час підбирає лікування на основі генетичних тестів (наприклад, Oncotype DX [21] ), в той же час розробляється декілька перспективних технологічних модальностей, від методів, що поєднують спектрометрію та обчислювальну потужність, до слідкування вплуву ліків на організм в реальному часі.[22] У дослідницьких умовах вивчаються різні аспекти прицільйної медицини (наприклад, протеом, мікробіом), але в рутинній практиці використовуються не всі. Здатність втілювати в життя висновки досліжень залежить від наявних баз знань, які допомагають клініцистам вживати заходів на основі результатів тестів. [23] [24] [25] Ранні дослідження із застосуванням прецизійної медицини на основі оміків до когорт осіб із недіагностованим захворюванням показали частоту діагностики ~35% із ~1 із 5 нових діагностованих пацієнтів, які отримували рекомендації щодо зміни терапії. [26]



Переваги прицільної медицини[ред. | ред. код]

Прицільна медицина допомагає краще розуміти навколишнє середовище, спосіб життя та спадковість. Ця інформація дозволяє точніше передбачити, які методи лікування будуть найбільш ефективними та безпечними, або, можливо, як запобігти початку хвороби. Іншіпереваги полягають на:

  • зміщення акценту в медицині з реагування на профілактику
  • передбачити схильність до захворювання
  • покращити виявлення захворювань
  • попередити прогресування захворювання
  • налаштувати стратегії профілактики захворювань
  • призначити більш ефективні ліки
  • уникати призначення препаратів із передбачуваними негативними побічними ефектами
  • зменшити час, вартість і рівень невдач фармацевтичних клінічних випробувань
  • усунути неефективність методу проб і помилок, яка збільшує витрати на охорону здоров’я та підриває обслуговування пацієнтів

Діагностика та лікування[ред. | ред. код]

Можливість індивідуального обстеження пацієнта дозволить поставити більш точний діагноз і скласти чіткий план лікування. Генотипування — це процес отримання послідовності ДНК особи. [27] Маючи детальну інформацію про послідовність ДНК людини, її геном можна порівняти з еталонним геномом, таким як проект « Геном людини», щоб оцінити існуючі генетичні варіації, які можуть пояснити можливі захворювання. Низка приватних компаній, таких як 23andMe, Navigenics і Illumina, створили загальнодоступне секвенування геному Direct-to-Consumer. [10] Отримавши цю інформацію від окремих осіб, можна потім застосувати їх для ефективного лікування.

Одним з аспектів цього є фармакогеноміка, яка використовує геном людини для кращого підбору ліків. [28] Детальний облік генетичної інформації людини допоможе запобігти побічним наслідкам, дозволить підібрати відповідні дози та досягти максимальної ефективності при призначенні ліків. [10] Наприклад, варфарин (пероральний антикоагулянт). Через значну індивідуальну варіабельність фармакокінетики та фармакодинаміки варфарину частота побічних реакцій є однією з найвищих серед усіх препаратів. [29] Однак завдяки відкриттю поліморфних варіантів у генотипах CYP2C9 і VKORC1, двоє генів, які кодують індивідуальну антикоагулянтну реакцію, [30] [31] лікарі можуть використовувати генний профіль пацієнтів для призначення оптимальних доз варфарину для запобігання побічним ефектам, таким як велика кровотеча. і забезпечити скорішу та кращу терапевтичну ефективність. [29]


Персоналізована медицина також може бути використана для прогнозування ризику певного захворювання людини на основі одного або навіть кількох генів. Цей підхід використовує ту саму технологію секвенування, щоб зосередитися на оцінці ризику захворювання, дозволяючи лікарю розпочати профілактичне лікування до того, як хвороба виявиться у пацієнта. Наприклад, якщо виявлено, що мутація ДНК підвищує ризик розвитку діабету 2 типу в людини, ця особа може почати змінювати спосіб життя, що зменшить її шанси на розвиток діабету 2 типу в подальшому житті.

На додаток до специфічного лікування, персоналізована медицина може значно сприяти прогресу профілактичної допомоги. Наприклад, багатьом жінкам вже проводять генотип на певні мутації в генах BRCA1 і BRCA2, якщо вони схильні через сімейну історію раку молочної залози або раку яєчників. [32] Чим більше причин захворювань нанесено на карту відповідно до мутацій, які існують у геномі, тим легше їх можна ідентифікувати в людини. Тоді можна вжити заходів, щоб запобігти розвитку захворювання. Навіть якщо в геномі виявлено мутації, наявність деталей їхньої ДНК може зменшити вплив або відстрочити початок певних захворювань. [33] Наявність генетичного вмісту індивіда дозволить краще керуватися рішеннями щодо визначення джерела захворювання та, таким чином, його лікування або запобігання прогресуванню. Це буде надзвичайно корисно для таких захворювань, як хвороба Альцгеймера або рак, які, як вважають, пов’язані з певними мутаціями в нашій ДНК. [33]

Загальний процес персоналізованої терапії раку. Секвенування геному дозволить точніше та персоналізовано призначати ліки та цільову терапію для різних пацієнтів.

Розробка та застосування ліків[ред. | ред. код]

Наявність геномної інформації про людину може мати важливе значення в процесі розробки ліків, оскільки вони очікують схвалення від FDA для загального використання. Можливість визначити пацієнтів, які отримають найбільшу користь від клінічного випробування, підвищить безпеку пацієнтів від несприятливих наслідків, викликаних продуктом під час тестування, і дозволить проводити менші та швидші випробування, що призведе до зниження загальних витрат. [34] Крім того, препарати, які вважаються неефективними для більшої кількості населення, можуть отримати схвалення FDA за допомогою персональних геномів для оцінки ефективності та потреби в цьому конкретному препараті чи терапії, навіть якщо вони можуть знадобитися лише невеликому відсотку населення. [33] [35]

Лікарі зазвичай використовують стратегію проб і помилок, поки не знайдуть терапію лікування, яка є найбільш ефективною для їх пацієнта. [33] Завдяки персоналізованій медицині ці методи лікування можна більш конкретно пристосувати, передбачивши, як відреагує організм людини та чи спрацює лікування на основі її геному. [10] Це було узагальнено як «терапія правильним препаратом у правильній дозі для потрібного пацієнта». [36] Такий підхід також був би більш економічно ефективним і точним. [33] Наприклад, тамоксифен раніше був препаратом, який зазвичай призначали жінкам з ER+ раком молочної залози, але 65% жінок, які спочатку приймали його, розвинули резистентність. Після досліджень таких людей, як Девід Флокхарт, було виявлено, що жінки з певною мутацією в гені CYP2D6, гені, який кодує метаболізуючий фермент, не здатні ефективно розщеплювати Тамоксифен, що робить його неефективним лікуванням для них. [37] Зараз у жінок визначають генотип цих специфічних мутацій, щоб вибрати найбільш ефективне лікування.

Скринінг цих мутацій здійснюється за допомогою високопродуктивного скринінгу або фенотипового скринінгу . Кілька компаній із розробки ліків і фармацевтичних компаній наразі використовують ці технології, щоб не лише покращити вивчення персоналізованої медицини, але й розширити генетичні дослідження . Альтернативні багатоцільові підходи до традиційного підходу скринінгу бібліотеки «прямої» трансфекції можуть передбачати зворотну трансфекцію або хемогеноміку .


Однією з активних сфер досліджень є ефективна доставка персоналізованих ліків до хворих ділянок тіла. [38] Наприклад, дослідники намагаються сконструювати наноносії, які можуть точно націлюватися на конкретне місце, використовуючи зображення в реальному часі та аналізуючи фармакодинаміку доставки ліків . [39] Досліджується кілька потенційних наноносіїв, таких як наночастинки оксиду заліза, квантові точки, вуглецеві нанотрубки, наночастинки золота та наночастинки кремнезему. [40] Зміна хімічного складу поверхні дозволяє завантажувати ці наночастинки ліками, а також уникати імунної відповіді організму, що робить можливою тераностику на основі наночастинок. [38] [40] Стратегії націлювання наноносіїв відрізняються залежно від захворювання. Наприклад, якщо захворюванням є рак, загальним підходом є ідентифікація біомаркера, що експресується на поверхні ракових клітин, і завантаження пов’язаного з ним націлюючого вектора на наноносій для досягнення розпізнавання та зв’язування; масштаб розміру наноносіїв також буде розроблено для досягнення ефекту підвищеної проникності та утримування (EPR) при націлюванні на пухлину. [40] Якщо хвороба локалізована в конкретному органі, такому як нирка, поверхня наноносіїв може бути покрита певним лігандом, який зв’язується з рецепторами всередині цього органу, щоб досягти доставки ліків до органу та уникнути неспецифічного поглинання. [41] Незважаючи на великий потенціал цієї системи доставки ліків на основі наночастинок, значний прогрес у цій галузі ще попереду, а наноносії все ще досліджуються та модифікуються відповідно до клінічних стандартів. [40] [39]

Тераностика[ред. | ред. код]

Тераностика — це персоналізований підхід до лікування раку з використанням схожих молекул як для візуалізації (діагностики), так і для терапії. Слово «тераностика» походить від поєднання слів «терапія» і «діагностика». Зараз він найчастіше використовується в галузі ядерної медицини, де радіоактивні молекули приєднуються до гамма- або позитронних випромінювачів для ОФЕКТ або ПЕТ-зображень, а також до бета-, альфа- чи оже-електронів для терапії. Одним із перших прикладів є використання радіоактивного йоду для лікування хворих на рак щитовидної залози. Інші приклади включають радіоактивно мічені анти-CD20 антитіла (наприклад, Bexxar ) для лікування лімфоми, Radium-223 для лікування метастазів у кістки, Lutetium-177 DOTATATE для лікування нейроендокринних пухлин і Lutetium-177 PSMA для лікування раку простати. Найбільш часто використовуваним реагентом є фтордезоксиглюкоза з використанням ізотопу фтор-18 [42]

Респіраторна протеоміка[ред. | ред. код]

Підготовка зразка протеоміки на носії зразка для аналізу мас-спектрометрією .

Респіраторні захворювання вражають людство в усьому світі: хронічні легеневі захворювання (наприклад, астма, хронічна обструктивна хвороба легенів, ідіопатичний легеневий фіброз, серед інших) і рак легенів спричиняють значну захворюваність і смертність. Ці стани дуже неоднорідні і вимагають ранньої діагностики. Однак початкові симптоми неспецифічні, і клінічний діагноз часто встановлюється пізно. Протягом останніх кількох років персоналізована медицина з’явилася як підхід до медичного обслуговування, який використовує нову технологію [43] з метою персоналізації лікування відповідно до медичних потреб конкретного пацієнта. Зокрема, протеоміка використовується для аналізу серії експресій білка замість одного біомаркера . [44] Білки контролюють біологічну діяльність організму, включаючи здоров’я та хвороби, тому протеоміка допомагає в ранній діагностиці. У випадку респіраторного захворювання протеоміка аналізує кілька біологічних зразків, включаючи сироватку, клітини крові, рідини бронхоальвеолярного лаважу (BAL), рідини назального лаважу (NLF), мокротиння тощо. [44] Ідентифікація та кількісна оцінка повної експресії білка з цих біологічних зразків проводяться за допомогою мас-спектрометрії та передових аналітичних методів. [45] За останні роки респіраторна протеоміка досягла значного прогресу в розробці персоналізованої медицини для підтримки охорони здоров’я. Наприклад, у дослідженні, проведеному Lazzari et al. у 2012 році підхід, заснований на протеоміці, суттєво покращив ідентифікацію багатьох біомаркерів раку легенів, які можна використовувати для адаптації індивідуального лікування для окремих пацієнтів. [46] Все більше і більше досліджень демонструють корисність протеоміки для цільової терапії респіраторних захворювань. [44]

Геноміка раку[ред. | ред. код]

Протягом останніх десятиліть дослідження раку виявили багато про генетичну різноманітність типів раку, які однаково проявляються в традиційній патології . Також зростає усвідомлення гетерогенності пухлини або генетичної різноманітності в одній пухлині. Серед інших перспектив, ці відкриття підвищують можливість виявлення того, що ліки, які не дали хороших результатів у загальній популяції випадків, все ж можуть бути успішними для частки випадків із певними генетичними профілями.

« Персоналізована онкогеноміка » — це застосування персоналізованої медицини до геноміки раку або « онкогеноміки ». Високопродуктивні методи секвенування використовуються для характеристики генів, пов’язаних із раком, щоб краще зрозуміти патологію хвороби та покращити розробку ліків . Онкогеноміка є однією з найперспективніших галузей геноміки, особливо через її значення для медикаментозної терапії. Приклади цього:

  • Трастузумаб (торговельні назви Herclon, Herceptin) — препарат із моноклональними антитілами, який впливає на рецептор HER2/neu . Його основне використання - лікування деяких видів раку молочної залози. Цей препарат використовується лише в тому випадку, якщо рак пацієнта тестується на надмірну експресію рецептора HER2/neu. Два тести на типування тканин використовуються для перевірки пацієнтів на можливу користь від лікування Герцептином. Тканинні тести включають імуногістохімію (IHC) і флуоресцентну гібридизацію in situ (FISH) [47] . Лише пацієнти з Her2+ отримуватимуть терапію Герцептином (трастузумаб) [48]
  • Інгібітори тирозинкінази, такі як іматиніб (продається як Gleevec), були розроблені для лікування хронічного мієлоїдного лейкозу (ХМЛ), у якому злитий ген BCR-ABL (продукт реципрокної транслокації між хромосомою 9 і хромосомою 22) присутній у >95 % випадків і створює гіперактивовану білкову сигналізацію, керовану abl. Ці ліки спеціально пригнічують білок тирозинкінази Еблесона (ABL) і, таким чином, є яскравим прикладом « раціонального дизайну ліків », заснованого на знанні патофізіології захворювання. [49]
  • Звіт FoundationOne CDx, підготовлений Foundation Medicine, який вивчає гени в біопсії пухлини окремих пацієнтів і рекомендує конкретні ліки
  • Високий мутаційний тягар свідчить про відповідь на імунотерапію, а також специфічні моделі мутацій пов’язані з попереднім впливом цитотоксичних препаратів проти раку. [50]

Скринінг населення[ред. | ред. код]

Завдяки використанню технологій геноміки ( мікроматриці ), протеоміки (матриця тканин) і візуалізації ( фМРТ, мікро-КТ ) можна легко отримати інформацію про пацієнтів у молекулярному масштабі. Ці так звані молекулярні біомаркери виявилися ефективними в прогнозі захворювання, наприклад раку. [51] [52] [53] Основні три сфери прогнозування раку належать до рецидиву раку, сприйнятливості до раку та виживаності раку. [54] Поєднання інформації молекулярного масштабу з клінічними даними макромасштабу, такими як тип пухлини пацієнтів та інші фактори ризику, значно покращує прогноз. [54] Отже, враховуючи використання молекулярних біомаркерів, особливо геномних, прогноз або передбачення раку стали дуже ефективними, особливо при скринінгу великої популяції. [55] По суті, популяційний геномний скринінг можна використовувати для виявлення людей із групою ризику захворювання, що може допомогти в профілактичних зусиллях. [55]

Генетичні дані можна використовувати для побудови полігенних балів, які оцінюють такі ознаки, як ризик захворювання, шляхом підсумовування передбачуваних ефектів окремих варіантів, виявлених за допомогою GWAS. Вони використовувалися для багатьох захворювань, таких як рак, діабет та ішемічна хвороба серця. [56] [57] Багато генетичних варіантів пов’язані з походженням, і залишається проблемою як створити точні оцінки, так і відокремити біологічно значущі варіанти від тих, які випадково пов’язані. Оцінки, отримані на основі однієї сукупності, зазвичай погано переносяться на інші, тому потрібні складні методи та більш різноманітні й глобальні дані. [58] [59] Більшість досліджень використовували дані тих, хто має європейське походження, що призвело до закликів до більш справедливих методів геноміки, щоб зменшити розбіжності у здоров’ї. [60] Крім того, хоча полігенні оцінки мають певну прогностичну точність, їх інтерпретації обмежуються оцінкою індивідуального процентилю, а для клінічного використання необхідні трансляційні дослідження . [61]

Виклики[ред. | ред. код]

Оскільки персоналізована медицина практикується все ширше, виникає низка проблем. Нинішні підходи до прав інтелектуальної власності, політики відшкодування, конфіденційності пацієнтів, упередженості та конфіденційності даних, а також регуляторного нагляду необхідно буде переглянути та реструктурувати, щоб відповідати змінам, які персоналізована медицина принесе в охорону здоров’я. [62] Наприклад, опитування, проведене у Великій Британії, показало, що 63% дорослих у Великій Британії не влаштовують використання їхніх особистих даних для використання ШІ в медичній сфері. [63] Крім того, аналіз отриманих діагностичних даних є недавнім викликом персоналізованої медицини та її впровадження. [23] Наприклад, генетичні дані, отримані в результаті секвенування наступного покоління, перед аналізом потребують інтенсивної комп’ютерної обробки даних . [64] У майбутньому знадобляться відповідні інструменти для прискорення впровадження персоналізованої медицини в інші галузі медицини, що потребує міждисциплінарної співпраці експертів із конкретних галузей досліджень, таких як медицина, клінічна онкологія, біологія та штучний інтелект .

Регуляторний нагляд[ред. | ред. код]

FDA вже почало виступати з ініціативами щодо інтеграції персоналізованої медицини в свою регуляторну політику. Звіт FDA у жовтні 2013 року під назвою « Прокладаючи шлях до персоналізованої медицини: роль FDA у новій епосі розробки медичних продуктів », у якому вони окреслили кроки, які вони мають зробити, щоб інтегрувати генетичну інформацію та інформацію про біомаркери для клінічного використання та розробки ліків. . [34] Вони визначили, що їм доведеться розробити спеціальні нормативні наукові стандарти, методи дослідження, довідкові матеріали та інші інструменти, щоб включити персоналізовану медицину в свою поточну нормативну практику. Наприклад, вони працюють над «геномною довідковою бібліотекою» для регулюючих органів, щоб порівнювати та перевіряти валідність різних платформ секвенування з метою підтримки надійності. [34] Основним викликом для тих, хто регулює персоналізовану медицину, є спосіб продемонструвати її ефективність порівняно з поточним стандартом медичної допомоги. Нову технологію необхідно оцінити як на клінічну, так і на економічну ефективність, і в поточному стані регуляторні органи не мають стандартизованого методу. [65]

Право інтелектуальної власності[ред. | ред. код]

Як і будь-які інновації в медицині, на інвестиції та інтерес до персоналізованої медицини впливають права інтелектуальної власності. [62] Було багато суперечок щодо патентного захисту діагностичних засобів, генів і біомаркерів. У червні 2013 року Верховний суд США постановив, що природні гени не можуть бути запатентовані, тоді як «синтетичну ДНК», яка була відредагована або створена штучно, все ще можна запатентувати. Патентне відомство зараз розглядає низку питань, пов’язаних із патентним законодавством для персоналізованої медицини, наприклад, чи можуть «підтверджуючі» вторинні генетичні тести після первинного діагнозу мати повний імунітет від патентного законодавства. Ті, хто виступає проти патентів, стверджують, що патенти на послідовності ДНК є перешкодою для поточних досліджень, у той час як прихильники вказують на звільнення від досліджень і наголошують, що патенти необхідні для залучення та захисту фінансових інвестицій, необхідних для комерційних досліджень, а також розвитку та просування пропонованих послуг. [66]

Політика відшкодування[ред. | ред. код]

Політику відшкодування необхідно буде переглянути, щоб відповідати змінам, які персоналізована медицина принесе в систему охорони здоров’я. Деякі з факторів, які слід враховувати, це рівень ефективності різноманітних генетичних тестів у загальній популяції, економічна ефективність по відношенню до переваг, як мати справу з платіжними системами для надзвичайно рідкісних захворювань і як переосмислити концепцію страхування «спільного ризик», щоб включити ефект новішої концепції «індивідуальних факторів ризику». [62] У дослідженні « Перешкоди для використання персоналізованої медицини при раку молочної залози » використовувалися два різні діагностичні тести: BRACAnalysis і Oncotype DX. Ці тести тривають понад десять днів, що призводить до невдачі та затримок у лікуванні. Пацієнти не отримують відшкодування за ці затримки, що призводить до непризначення тестів. Зрештою, це призводить до того, що пацієнти змушені платити за лікування зі своєї кишені, оскільки страхові компанії не хочуть брати на себе пов’язані з цим ризики. [67]

Конфіденційність і конфіденційність пацієнта[ред. | ред. код]

Мабуть, найбільш критичною проблемою комерціалізації персоналізованої медицини є захист пацієнтів. Однією з найбільших проблем є страх і потенційні наслідки для пацієнтів, які після генетичного тестування схильні або не реагують на певні види лікування. Це включає психологічний вплив на пацієнтів через результати генетичного тестування. Іншим питанням є право членів сім’ї, які не дають прямої згоди, враховуючи, що генетична схильність і ризики є спадковими. Слід також враховувати наслідки для певних етнічних груп і наявність загального алеля. [62]

Крім того, ми можемо посилатися на питання конфіденційності на всіх рівнях персоналізованої медицини від відкриття до лікування. Одним із провідних питань є згода пацієнтів на використання їхньої інформації в алгоритмах генетичного тестування, насамперед у алгоритмах ШІ. Згода установи, яка надає дані для використання, також має важливе значення. [63] У 2008 році було прийнято Закон про недискримінацію генетичної інформації (GINA), щоб мінімізувати страх пацієнтів, які беруть участь у генетичних дослідженнях, гарантуючи, що їхня генетична інформація не буде використана роботодавцями чи страховими компаніями. [62] 19 лютого 2015 року FDA випустило прес-реліз під назвою: «FDA дозволяє продавати перший тест на генетичне носійство для синдрому Блума безпосередньо споживачеві [2] .

Зміщення даних[ред. | ред. код]

Упередження даних також відіграють важливу роль у персоналізованій медицині. Важливо переконатися, що зразок тестованих генів походить від різних популяцій. Це робиться для того, щоб у зразках не виявлялися ті самі людські упередження, які ми використовуємо під час прийняття рішень. [68]

Отже, якщо розроблені алгоритми для персоналізованої медицини є упередженими, то результат алгоритму також буде упередженим через відсутність генетичного тестування в певних популяціях. [69] Наприклад, результати Фремінгемського дослідження серця призвели до необ’єктивних результатів прогнозування ризику серцево-судинних захворювань. Це пояснюється тим, що зразок тестували лише на білих людях, а при застосуванні до небілого населення результати були упередженими з переоцінкою та недооцінкою ризиків серцево-судинних захворювань. [70]

Реалізація[ред. | ред. код]

Перш ніж запровадити персоналізовану медицину, необхідно вирішити кілька проблем. Дуже мало геному людини було проаналізовано, і навіть якби медичні працівники мали доступ до повної генетичної інформації пацієнта, дуже мало її можна було б ефективно використати для лікування. [71] Проблеми також виникають під час обробки таких великих обсягів генетичних даних. Навіть за низького рівня помилок 1 на 100 кілобаз обробка геному людини може мати приблизно 30 000 помилок. [72] Така кількість помилок, особливо при спробі ідентифікації конкретних маркерів, може ускладнити відкриття та перевірку. Існують методи подолання цього, але вони обчислювальні та дорогі. Існують також проблеми з точки зору ефективності, оскільки після обробки геному необхідно проаналізувати функцію варіацій між геномами за допомогою загальногеномних досліджень. Хоча вплив SNP, виявлених у таких дослідженнях, можна передбачити, потрібно зробити більше, щоб контролювати величезну кількість варіацій, які можуть виникнути через розмір досліджуваного геному. [72] Щоб ефективно рухатися вперед у цій галузі, необхідно вжити заходів, щоб переконатися, що дані, що аналізуються, є якісними, і має бути прийнято ширше бачення з точки зору аналізу кількох SNP для фенотипу. Найактуальнішим питанням впровадження персоналізованої медицини є застосування результатів генетичного картування для покращення системи охорони здоров’я. Це пов’язано не лише з інфраструктурою та технологіями, необхідними для централізованої бази даних геномів, але й тому, що лікарі, які мали б доступ до цих інструментів, ймовірно, не змогли б повністю ними скористатися. [72] Для того, щоб по-справжньому запровадити персоналізовану систему охорони здоров’я, необхідно провести наскрізні зміни.

Копенгагенський інститут досліджень майбутнього та компанія Roche створили FutureProofing Healthcare [73], яка розробляє персоналізований індекс здоров’я, оцінюючи ефективність різних країн за 27 різними індикаторами персоналізованого здоров’я за чотирма категоріями під назвою «Життєві показники». Вони провели конференції в багатьох країнах, щоб перевірити свої висновки. [74] [75]

Питання про те, хто отримує вигоду від геноміки, що фінансується державою, є важливим питанням охорони здоров’я, і необхідно звернути увагу на те, щоб впровадження геномної медицини не посилювало проблеми соціальної справедливості. [76]

Досягнення персоналізованої медицини створять більш уніфікований підхід до лікування, специфічний для людини та її геному. Персоналізована медицина може забезпечити кращу діагностику з раннім втручанням, ефективнішу розробку ліків і більш цілеспрямовану терапію

Дивіться також[ред. | ред. код]

 

Список літератури[ред. | ред. код]

[[Категорія:Нові технології]] [[Категорія:Клінічна хімія]] [[Категорія:Біотехнології]] [[Категорія:Сторінки із неперевіреними перекладами]]

  1. ↑ Egnew TR (1 March 2009). Suffering, meaning, and healing: challenges of contemporary medicine. Annals of Family Medicine. 7 (2): 170—5. doi:10.1370/afm.943. PMC 2653974. PMID 19273873.
  2. ↑ а б Personalized Medicine 101. Personalized Medicine Coalition. Процитовано 26 April 2014. Помилка цитування: Некоректний тег <ref>; назва «PMC_101» визначена кілька разів з різним вмістом
  3. ↑ (Технічний звіт). {{cite tech report}}: |archive-url= вимагає |url= (довідка); Пропущений або порожній |title= (довідка)
  4. ↑ The Case for Personalized Medicine (PDF). Personalized Medicine Coalition. 2014. Процитовано 6 January 2016.
  5. ↑ Smith R (15 October 2012). Stratified, personalised, or precision medicine. British Medical Journal. Процитовано 6 January 2016.
  6. ↑ Many names for one concept or many concepts in one name?. PHG Foundation. Процитовано 6 January 2015.
  7. ↑ Yau, Tung On (October 2019). Precision treatment in colorectal cancer: Now and the future. JGH Open. 3 (5): 361—369. doi:10.1002/jgh3.12153. PMC 6788378. PMID 31633039.
  8. ↑ Changing medicine with 3-D bioprinting, where organs can be synthesized by technology. Los Angeles Times. 23 February 2015.
  9. ↑ Tailored Clinical Molecular Test Interpretation. N-of-One. Архів оригіналу за 9 березня 2015. Процитовано 5 березня 2015.
  10. ↑ а б в г Exploring Personal Genomics. Oxford: Oxford University Press. 2014. Помилка цитування: Некоректний тег <ref>; назва «Dudley_2014» визначена кілька разів з різним вмістом
  11. ↑ Personalized Medicine 101: The Science. Personalized Medicine Coalition. Процитовано 26 April 2014.
  12. ↑ Lu YF, Goldstein DB, Angrist M, Cavalleri G (July 2014). Personalized medicine and human genetic diversity. Cold Spring Harbor Perspectives in Medicine. 4 (9): a008581. doi:10.1101/cshperspect.a008581. PMC 4143101. PMID 25059740.
  13. ↑ Ogino S, Lochhead P, Chan AT, Nishihara R, Cho E, Wolpin BM та ін. (April 2013). Molecular pathological epidemiology of epigenetics: emerging integrative science to analyze environment, host, and disease. Modern Pathology. 26 (4): 465—84. doi:10.1038/modpathol.2012.214. PMC 3637979. PMID 23307060.
  14. ↑ Ogino, Shuji; Fuchs, Charles S; Giovannucci, Edward (July 2012). How many molecular subtypes? Implications of the unique tumor principle in personalized medicine. Expert Review of Molecular Diagnostics. 12 (6): 621—628. doi:10.1586/erm.12.46. PMC 3492839. PMID 22845482.
  15. ↑ Haines JL, Hauser MA, Schmidt S, Scott WK, Olson LM, Gallins P та ін. (April 2005). Complement factor H variant increases the risk of age-related macular degeneration. Science. 308 (5720): 419—21. Bibcode:2005Sci...308..419H. doi:10.1126/science.1110359. PMID 15761120.
  16. ↑ A Catalog of Published Genome-Wide Association Studies. Процитовано 28 June 2015.
  17. ↑ Mesko B (2017). Expert Review of Precision Medicine and Drug Development. Journal Expert Review of Precision Medicine and Drug Development. 2 (5): 239—241. doi:10.1080/23808993.2017.1380516.
  18. ↑ Ray, Amit (20 May 2018). Artificial Intelligence and Blockchain for Precision Medicine. Inner Light Publishers. Процитовано 21 May 2018.
  19. ↑ Beacher, Felix D.; Mujica-Parodi, Lilianne R.; Gupta, Shreyash; Ancora, Leonardo A. (5 May 2021). Machine Learning Predicts Outcomes of Phase III Clinical Trials for Prostate Cancer. Algorithms. 14 (5): 147. doi:10.3390/a14050147.
  20. ↑ Ashley EA, Butte AJ, Wheeler MT, Chen R, Klein TE, Dewey FE та ін. (May 2010). Clinical assessment incorporating a personal genome. Lancet. 375 (9725): 1525—35. doi:10.1016/s0140-6736(10)60452-7. PMC 2937184. PMID 20435227.
  21. ↑ Oncotype DX: Genomic Test to Inform Breast Cancer Treatment. 13 червня 2019.
  22. ↑ Precision Medicine: Harnessing the Extraordinary Growth in Medical Data for Personalized Diagnosis and Treatment http://claudiacopeland.com/uploads/3/6/1/4/3614974/hjno_novdec_2016_precision_medicine.pdf
  23. ↑ а б Huser V, Sincan M, Cimino JJ (2014). Developing genomic knowledge bases and databases to support clinical management: current perspectives. Pharmacogenomics and Personalized Medicine. 7: 275—83. doi:10.2147/PGPM.S49904. PMC 4175027. PMID 25276091.{{cite journal}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання) Помилка цитування: Некоректний тег <ref>; назва «pm» визначена кілька разів з різним вмістом
  24. ↑ Ashley EA (June 2015). The precision medicine initiative: a new national effort. JAMA. 313 (21): 2119—20. doi:10.1001/jama.2015.3595. PMID 25928209.
  25. ↑ Ashley EA (August 2016). Towards precision medicine. Nature Reviews. Genetics. 17 (9): 507—22. doi:10.1038/nrg.2016.86. PMID 27528417.
  26. ↑ Splinter, Kimberly; Adams, David R.; Bacino, Carlos A.; Bellen, Hugo J.; Bernstein, Jonathan A.; Cheatle-Jarvela, Alys M.; Eng, Christine M.; Esteves, Cecilia; Gahl, William A. (29 November 2018). Effect of Genetic Diagnosis on Patients with Previously Undiagnosed Disease. New England Journal of Medicine. 379 (22): 2131—2139. doi:10.1056/NEJMoa1714458. PMC 6481166. PMID 30304647.
  27. ↑ Research Portfolio Online Reporting Tools: Human Genome Project. National Institutes of Health (NIH). Процитовано 28 квітня 2014.
  28. ↑ Genetics Home Reference: What is pharmacogenomics?. National Institutes of Health (NIH). Процитовано 28 квітня 2014.
  29. ↑ а б Lesko LJ (June 2007). Personalized medicine: elusive dream or imminent reality?. Clinical Pharmacology and Therapeutics. 81 (6): 807—16. doi:10.1038/sj.clpt.6100204. PMID 17505496.
  30. ↑ Breckenridge A, Orme M, Wesseling H, Lewis RJ, Gibbons R (April 1974). Pharmacokinetics and pharmacodynamics of the enantiomers of warfarin in man. Clinical Pharmacology and Therapeutics. 15 (4): 424—30. doi:10.1002/cpt1974154424. PMID 4821443.
  31. ↑ Rieder MJ, Reiner AP, Gage BF, Nickerson DA, Eby CS, McLeod HL та ін. (June 2005). Effect of VKORC1 haplotypes on transcriptional regulation and warfarin dose. The New England Journal of Medicine. 352 (22): 2285—93. doi:10.1056/NEJMoa044503. PMID 15930419.
  32. ↑ Fact Sheet: BRCA1 and BRCA2: Cancer and Genetic Testing. National Cancer Institute (NCI). Процитовано 28 квітня 2014.
  33. ↑ а б в г д Personalized Medicine 101: The Promise. Personalized Medicine Coalition. Процитовано 26 квітня 2014. Помилка цитування: Некоректний тег <ref>; назва «PMC_2014» визначена кілька разів з різним вмістом
  34. ↑ а б в Paving the Way for Personalized Medicine: FDA's Role in a New Era of Medical Product Development (PDF). U.S. Food and Drug Administration (FDA). October 2013. Архів оригіналу (PDF) за 23 January 2014. Процитовано 28 квітня 2014. Помилка цитування: Некоректний тег <ref>; назва «FDA_2013» визначена кілька разів з різним вмістом
  35. ↑ Hamburg MA, Collins FS (July 2010). The path to personalized medicine. The New England Journal of Medicine. 363 (4): 301—4. doi:10.1056/nejmp1006304. PMID 20551152.
  36. ↑ Mancinelli L, Cronin M, Sadée W (2000). Pharmacogenomics: the promise of personalized medicine. AAPS PharmSci. 2 (1): 29—41. doi:10.1208/ps020104. PMC 2750999. PMID 11741220.
  37. ↑ Ellsworth RE, Decewicz DJ, Shriver CD, Ellsworth DL (May 2010). Breast cancer in the personal genomics era. Current Genomics. 11 (3): 146—61. doi:10.2174/138920210791110951. PMC 2878980. PMID 21037853.
  38. ↑ а б Grand Challenges - Engineer Better Medicines. www.engineeringchallenges.org. Процитовано 3 серпня 2020.
  39. ↑ а б Soni A, Gowthamarajan K, Radhakrishnan A (March 2018). Personalized Medicine and Customized Drug Delivery Systems: The New Trend of Drug Delivery and Disease Management. International Journal of Pharmaceutical Compounding. 22 (2): 108—121. PMID 29877858.
  40. ↑ а б в г Xie J, Lee S, Chen X (August 2010). Nanoparticle-based theranostic agents. Advanced Drug Delivery Reviews. Personalized Medicine. Academic Press. 62 (11): 1064—79. doi:10.1016/j.addr.2010.07.009. PMC 2988080. PMID 20691229.
  41. ↑ Wang J, Poon C, Chin D, Milkowski S, Lu V, Hallows KR, Chung EJ (1 жовтня 2018). Design and in vivo characterization of kidney-targeting multimodal micelles for renal drug delivery. Nano Research. 11 (10): 5584—5595. doi:10.1007/s12274-018-2100-2.
  42. ↑ Chapter 11. Positron Emission Tomography (PET) Driven Theranostics. Metal Ions in Bio-Imaging Techniques. Springer. 2021. с. 315—346. doi:10.1515/9783110685701-017.
  43. ↑ Priyadharshini VS, Teran LM (2016). Personalized Medicine in Respiratory Disease: Role of Proteomics. Advances in Protein Chemistry and Structural Biology. 102: 115—46. doi:10.1016/bs.apcsb.2015.11.008. PMID 26827604.
  44. ↑ а б в Role of respiratory proteomics in precision medicine. Precision Medicine for Investigators, Practitioners and Providers. Academic Press. 2020. с. 255—261. doi:10.1016/B978-0-12-819178-1.00024-1. ISBN 978-0-12-819178-1.
  45. ↑ Fujii K, Nakamura H, Nishimura T (April 2017). Recent mass spectrometry-based proteomics for biomarker discovery in lung cancer, COPD, and asthma. Expert Review of Proteomics. 14 (4): 373—386. doi:10.1080/14789450.2017.1304215. PMID 28271730.
  46. ↑ Lazzari C, Spreafico A, Bachi A, Roder H, Floriani I, Garavaglia D та ін. (January 2012). Changes in plasma mass-spectral profile in course of treatment of non-small cell lung cancer patients with epidermal growth factor receptor tyrosine kinase inhibitors. Journal of Thoracic Oncology. 7 (1): 40—8. doi:10.1097/JTO.0b013e3182307f17. PMID 21964534.
  47. ↑ Carney W (2006). HER2/neu Status is an Important Biomarker in Guiding Personalized HER2/neu Therapy (PDF). Connection. 9: 25—27.
  48. ↑ Telli ML, Hunt SA, Carlson RW, Guardino AE (August 2007). Trastuzumab-related cardiotoxicity: calling into question the concept of reversibility. Journal of Clinical Oncology. 25 (23): 3525—33. doi:10.1200/JCO.2007.11.0106. PMID 17687157.
  49. ↑ Saglio G, Morotti A, Mattioli G, Messa E, Giugliano E, Volpe G та ін. (December 2004). Rational approaches to the design of therapeutics targeting molecular markers: the case of chronic myelogenous leukemia. Annals of the New York Academy of Sciences. 1028 (1): 423—31. Bibcode:2004NYASA1028..423S. doi:10.1196/annals.1322.050. PMID 15650267.
  50. ↑ Pleasance E, Titmuss E, Williamson L та ін. (2020). Pan-cancer analysis of advanced patient tumours reveals interactions between therapy and genomic landscapes. Nature Cancer. 1 (4): 452—468. doi:10.1038/s43018-020-0050-6. PMID 35121966.
  51. ↑ Duffy MJ (July 2001). Biochemical markers in breast cancer: which ones are clinically useful?. Clinical Biochemistry. 34 (5): 347—52. doi:10.1016/S0009-9120(00)00201-0. PMID 11522269.
  52. ↑ Piccart M, Lohrisch C, Di Leo A, Larsimont D (2001). The predictive value of HER2 in breast cancer. Oncology. 61 Suppl 2 (2): 73—82. doi:10.1159/000055405. PMID 11694791.
  53. ↑ Baldus SE, Engelmann K, Hanisch FG (1 January 2004). MUC1 and the MUCs: a family of human mucins with impact in cancer biology. Critical Reviews in Clinical Laboratory Sciences. 41 (2): 189—231. doi:10.1080/10408360490452040. PMID 15270554.
  54. ↑ а б Cruz JA, Wishart DS (February 2007). Applications of machine learning in cancer prediction and prognosis. Cancer Informatics. 2: 59—77. CiteSeerX 10.1.1.795.3458. doi:10.1177/117693510600200030. PMC 2675494. PMID 19458758.
  55. ↑ а б Williams MS (August 2019). Early Lessons from the Implementation of Genomic Medicine Programs. Annual Review of Genomics and Human Genetics. 20 (1): 389—411. doi:10.1146/annurev-genom-083118-014924. PMID 30811224.
  56. ↑ Thomas M, Sakoda LC, Hoffmeister M, Peters U, Hsu L (September 2020). Genome-wide Modeling of Polygenic Risk Score in Colorectal Cancer Risk. Am J Hum Genet. 107 (3): 432—444. doi:10.1016/j.ajhg.2020.07.006. PMC 7477007. PMID 32758450.
  57. ↑ Khera AV, Chaffin M, Aragam KG, Haas ME, Roselli C, Choi SH, Natarajan P, Lander ES, Lubitz SA, Ellinor PT, Kathiresan S (September 2018). Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations. Nat Genet. 50 (9): 1219—1224. doi:10.1038/s41588-018-0183-z. PMC 6128408. PMID 30104762.
  58. ↑ Marnetto D, Pärna K, Läll K, Molinaro L, Montinaro F, Haller T, Metspalu M, Mägi R, Fischer K, Pagani L (April 2020). Ancestry deconvolution and partial polygenic score can improve susceptibility predictions in recently admixed individuals. Nat Commun. 11 (1): 1628. Bibcode:2020NatCo..11.1628M. doi:10.1038/s41467-020-15464-w. PMC 7118071. PMID 32242022.
  59. ↑ Wang Y, Guo J, Ni G, Yang J, Visscher PM, Yengo L (July 2020). Theoretical and empirical quantification of the accuracy of polygenic scores in ancestry divergent populations. Nat Commun. 11 (1): 3865. Bibcode:2020NatCo..11.3865W. doi:10.1038/s41467-020-17719-y. PMC 7395791. PMID 32737319.
  60. ↑ Martin AR, Kanai M, Kamatani Y, Okada Y, Neale BM, Daly MJ (April 2019). Clinical use of current polygenic risk scores may exacerbate health disparities. Nat Genet. 51 (4): 584—591. doi:10.1038/s41588-019-0379-x. PMC 6563838. PMID 30926966.
  61. ↑ Lewis CM, Vassos E (May 2020). Polygenic risk scores: from research tools to clinical instruments. Genome Med. 12 (1): 44. doi:10.1186/s13073-020-00742-5. PMC 7236300. PMID 32423490.{{cite journal}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  62. ↑ а б в г д Personalized Medicine 101: The Challenges. Personalized Medicine Coalition. Процитовано 26 квітня 2014. Помилка цитування: Некоректний тег <ref>; назва «PMC_C_2014» визначена кілька разів з різним вмістом
  63. ↑ а б Vayena E, Blasimme A, Cohen IG (November 2018). Machine learning in medicine: Addressing ethical challenges. PLOS Medicine. 15 (11): e1002689. doi:10.1371/journal.pmed.1002689. PMC 6219763. PMID 30399149.{{cite journal}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання) Помилка цитування: Некоректний тег <ref>; назва «Machine learning in medicine: Addre» визначена кілька разів з різним вмістом
  64. ↑ Analyze Genomes: Motivation. Hasso Plattner Institute. 27 June 2013. Процитовано 20 July 2014.
  65. ↑ Frueh FW (September 2013). Regulation, reimbursement, and the long road of implementation of personalized medicine--a perspective from the United States. Value in Health. 16 (6 Suppl): S27-31. doi:10.1016/j.jval.2013.06.009. PMID 24034309.
  66. ↑ Помилка цитування: Неправильний виклик тегу <ref>: для виносок під назвою eighteen не вказано текст
  67. ↑ Weldon CB, Trosman JR, Gradishar WJ, Benson AB, Schink JC (July 2012). Barriers to the use of personalized medicine in breast cancer. Journal of Oncology Practice. 8 (4): e24-31. doi:10.1200/jop.2011.000448. PMC 3396824. PMID 23180995.
  68. ↑ Char DS, Shah NH, Magnus D (March 2018). Implementing Machine Learning in Health Care - Addressing Ethical Challenges. The New England Journal of Medicine. 378 (11): 981—983. doi:10.1056/NEJMp1714229. PMC 5962261. PMID 29539284.
  69. ↑ Chernew ME, Landrum MB (March 2018). Targeted Supplemental Data Collection - Addressing the Quality-Measurement Conundrum. The New England Journal of Medicine. 378 (11): 979—981. doi:10.1056/NEJMp1713834. PMID 29539286.
  70. ↑ Gijsberts CM, Groenewegen KA, Hoefer IE, Eijkemans MJ, Asselbergs FW, Anderson TJ та ін. (2 July 2015). Race/Ethnic Differences in the Associations of the Framingham Risk Factors with Carotid IMT and Cardiovascular Events. PLOS ONE. 10 (7): e0132321. Bibcode:2015PLoSO..1032321G. doi:10.1371/journal.pone.0132321. PMC 4489855. PMID 26134404.
  71. ↑ Yngvadottir B, Macarthur DG, Jin H, Tyler-Smith C (2009). The promise and reality of personal genomics. Genome Biology. 10 (9): 237. doi:10.1186/gb-2009-10-9-237. PMC 2768970. PMID 19723346.{{cite journal}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  72. ↑ а б в Fernald GH, Capriotti E, Daneshjou R, Karczewski KJ, Altman RB (July 2011). Bioinformatics challenges for personalized medicine. Bioinformatics. 27 (13): 1741—8. doi:10.1093/bioinformatics/btr295. PMC 3117361. PMID 21596790.
  73. ↑ Personalised and precise healthcare means a better quality of life for patients. future proofing healthcare. Процитовано 17 November 2022.
  74. ↑ Building long term sustainable and personalised healthcare systems. Economist. 28 January 2021. Процитовано 17 November 2022.
  75. ↑ Ireland performs poorly on international index of personalised healthcare. Irish Medical Times. 9 September 2021. Процитовано 17 November 2022.
  76. ↑ Belcher, Andrea; Mangelsdorf, Marie; McDonald, Fiona; Curtis, Caitlin; Waddell, Nicola; Hussey, Karen (June 2019). What does Australia's investment in genomics mean for public health?. Australian and New Zealand Journal of Public Health. 43 (3): 204—206. doi:10.1111/1753-6405.12887. PMID 30830712.
Отримано з https://uk.wikipedia.org/w/index.php?title=Користувач:Year2100/Персоналізована_медицина&oldid=37617702