За последние четыре десятилетия расходы на здравоохранение выросли более чем в 31 раз с 353 долларов на человека в 1970 году до 11 582 долларов в 2019 году. Это увеличивает финансовое бремя не только для правительств, но и для отдельных лиц и их семей. Диагноз болезни часто может означать погружение в нищету для пациентки и ее семьи. Если мы хотим преодолеть эту проблему, наша система здравоохранения должна стать более эффективной. Это означает, что нам нужно лечить пациентов лучше и с меньшими затратами. Одним из наиболее многообещающих направлений для этого является персонализированная медицина. В этой статье мы рассмотрим, что такое персонализированная медицина, что она может сделать для вас и почему она не является реальностью (пока). Для этого мы сначала посмотрим на современное состояние медицины и на его основе объясним, что такое персонализированная медицина и как она может помочь. Наконец, мы остановимся на оставшихся проблемах, которые уже сегодня не позволяют полностью использовать персонализированную медицину.

Текущее состояние медицины таково: одно лечение подходит всем. Чтобы понять персонализированную медицину, нам нужно понять современную неперсонализированную медицину. В настоящее время золотым стандартом оценки того, действует ли новый медицинский препарат, являются так называемые рандомизированные контролируемые испытания (РКИ)[1]. В РКИ несколько пациентов случайным образом распределяются либо в группу, получающую лекарство (лечебная группа), либо в группу, получающую плацебо (контрольная группа). Затем измеряется результат для здоровья (например, артериальное давление) и сравнивается между экспериментальной и контрольной группой. Если разница статистически значима, лекарство доказывает свою эффективность и может продаваться более широкому населению. Пока все хорошо, но здесь возникает проблема с этой процедурой: когда результаты для здоровья сравниваются между экспериментальной и контрольной группой, сравнивается только средний результат. Следовательно, если препарат эффективен в среднем, его можно продавать. Поскольку мы знаем только, что препарат работает в среднем, его назначают всем пациентам с определенным заболеванием. Таким образом, современное состояние медицины основано на подходе одно лечение подходит всем. Однако мы знаем, что пациенты могут быть очень разными, и поэтому их реакция на лекарство часто неоднородна. К сожалению, подход одно лечение подходит для всех исключает всю неоднородность пациентов и лечит всех пациентов одинаково. Это, однако, может привести к огромной неэффективности, поскольку лекарство может не помочь пациенту (что приведет к напрасной трате денег и времени), оно может даже навредить пациенту (что приведет к ухудшению медицинских услуг) или, что наиболее важно, мы упустим возможность. помочь пациентке, которой можно было бы помочь, если бы мы учитывали ее индивидуальные особенности. Все это может привести к неэффективному назначению медицинских препаратов, что еще больше способствует росту расходов на здравоохранение и ухудшению результатов в отношении здоровья. Этого можно избежать, если не лечить всех пациентов одинаково, а персонализировать решения о лечении, чего и добивается персонализированная медицина.

Почему размер имеет значение для персонализированной медицины. Когда новое лекарство оценивается в РКИ, средний результат между теми, кто получил препарат, сравнивается со средним результатом для тех, кто его не принимал. Это усредненное сравнение — это то, что (пока) не допускает персонализации в медицине. Однако мы не просто смотрим на индивидуальные различия? К сожалению, причина в том, что размер имеет значение, когда дело доходит до оценки лекарств. Чтобы оценить лекарство, нам необходимо провести такие РКИ. Мы делаем это для того, чтобы изолировать действие препарата и, таким образом, гарантировать, что ничто другое не вызывает различия между экспериментальной и контрольной группой. Поскольку РКИ очень дороги и требуют много времени, они обычно имеют ограниченный размер (например, 50–100 субъектов). Из-за небольшого размера РКИ они не могут охватить все возможные индивидуальные вариации характеристик пациентов, которые необходимы для персонализации. Проще говоря, поскольку РКИ настолько малы, маловероятно, что в них есть такой человек, как вы, и, следовательно, мы не знаем точно, как вы отреагируете на препарат. Вот почему РКИ в том виде, в каком они существуют сегодня, нельзя использовать для целей персонализированной медицины. Однако на помощь могут прийти так называемые данные реального мира.

«Реальные данные» (RWD) – это данные, собранные из различных источников за пределами хорошо контролируемых условий обычного РКИ. Они часто состоят из результатов наблюдения в гетерогенной популяции пациентов. Поскольку данные не собираются в хорошо контролируемых условиях и поступают из разных источников, они, вероятно, неструктурированы, разнородны, сложны и по своей природе изменчивы. RWD можно получить из электронных медицинских карт (EHR), требований и выставления счетов, реестров продуктов и заболеваний, действий, связанных с пациентами, в амбулаторных или домашних условиях, а также мониторинга состояния здоровья. Они также могут быть захвачены через социальные сети и носимые устройства благодаря достижениям цифровых технологий. Например, данные, связанные со здоровьем, генерируемые вашими умными часами, имеют формат RWD.

Хотя RWD достаточно богат, чтобы фиксировать специфические характеристики пациента, он не был создан в хорошо контролируемых условиях, что затрудняет выделение эффекта медицинского препарата. Например, как мы узнаем, приносит ли пациент пользу от лекарства (например, снижение артериального давления), что это связано с назначенным лекарством или, может быть, потому, что пациент стал больше заниматься спортом и перешел на здоровую диету? Чтобы изолировать эффект, который исходит исключительно от препарата (а не от чего-то еще), все остальные переменные должны оставаться неизменными. Однако это возможно только в РКИ, в котором мы действительно можем контролировать то, что делают пациенты. В отличие от этого, при использовании RWD, который был получен за пределами лаборатории во время повседневной деятельности, мы никогда не можем быть уверены, что все переменные остаются равными, поскольку мы не можем контролировать то, что делают пациенты. Таким образом, при использовании RWD мы никогда не можем быть уверены, улучшилось ли здоровье пациента (или ухудшилось) из-за препарата или из-за чего-то еще. Это представляет собой основную проблему персонализированной медицины.

Математика может быть решением. Хотя выделить эффект, приписываемый препарату, при использовании RWD чрезвычайно сложно, существует (относительно) молодая область исследований, которая пытается сделать именно это. Эта область называется «причинность» и направлена ​​на разработку математических методов для извлечения причинных эффектов (т. е. изолированного эффекта) вмешательства (т. е. лекарства) от RWD. Эта область развивалась независимо в статистике, экономике, эпидемиологии и, в последнее время, в компьютерных науках. Особенно в экономике и эпидемиологии выделение эффекта вмешательства лежит в основе обеих областей. Многие вопросы экономики и эпидемиологии, такие как «каков эффект всеобщего дохода на рынке труда?» или «как вакцинация влияет на уровень заболеваемости во время пандемии?», не могут быть изучены в рамках РКИ. Это связано с тем, что было бы неэтично предоставлять вакцину другим странам, удерживая ее от других стран. Таким образом, экономика и эпидемиология имеют давнюю историю попыток изолировать эффект вмешательства без использования РКИ, но с использованием RWD. На самом деле прошлогодняя Нобелевская премия по экономике была присуждена двум исследователям, которые разработали математические методы ответа на подобные вопросы из RWD [4]. К сожалению, хотя и существуют математические методы выделения эффекта вмешательства в некоторых конкретных условиях, в большинстве случаев таких методов не существует. Следовательно, необходимы дальнейшие исследования для разработки методов, которые могут изолировать эффект препарата с помощью RWD. Это важный шаг, который позволяет медицине перейти от универсального подхода к индивидуальному подходу.

Заключение. Таким образом, современное состояние медицины оценивает эффективность лекарств на основе универсального подхода к лечению. То есть лекарство считается полезным, если оно дает хорошие результаты для среднего пациента. Однако при этом не учитывается гетерогенность пациентов и, следовательно, не обеспечивается персонализированная медицина. Чтобы перейти от универсального подхода к индивидуальному подходу, необходимо использовать данные реального мира, т. е. данные, которые генерируются вне контролируемой среды, в реальном мире. Для этого нам необходимо дополнительно разработать математические методы, которые могут справиться с неконтролируемым характером RWD, чтобы изолировать действие лекарства. Таким образом, мы можем быть уверены, что любая польза приписывается препарату, а не чему-либо еще.

Ссылки:

[1] Шульц, Кеннет и Граймс, Дэвид А., «Основные концепции клинических исследований: рандомизированные контролируемые испытания и обсервационная эпидемиология», 2021, Elsevier Health Sciences

[2] Флейш, Элгар и Франц, Кристоф и Херрманн, Андреас, «Цифровая таблетка: что каждый должен знать о будущем нашей системы здравоохранения», 2021 г., Emerald Group Publishing.

[3] Ян, Гарри и Ю, Бинбинг, «Реальные данные о разработке и оценке лекарств», 2021 г., CRC Press.

[4] «https://www.nobelprize.org/prizes/economic-sciences/2021/press-release/»

Персонализированная медицина — Что она может сделать для вас и почему ее еще нет?