Новый метод может улучшить лечение пациентов с хроническим миелоидным лейкозом, предсказав, какое лекарство будет наиболее эффективным. Метод также работает для других форм рака, где может развиться резистентность. Сейчас делается шаг к лучшему и более персонализированному лечению этого заболевания.
Исследование «За пределами IC 50 – вычислительная динамическая модель лекарственной устойчивости при лечении ингибированием ферментов» опубликовано в журнале PLOS Computational Biology .
Ежегодно около 85 шведов диагностируют вариант рака крови хронический миелоидный лейкоз . Пациентов с этим заболеванием обычно лечат препаратом, называемым ингибитором ABL1, и в настоящее время доступно пять различных препаратов этого типа.
Хотя пациенты почти всегда реагируют на лечение, если оно проводится на ранних стадиях заболевания, около 20% из них развивают устойчивость к препарату. Когда это происходит, пациенту дают другой препарат из той же группы, в надежде, что новый препарат будет эффективен против резистентных опухолевых клеток.
«Наиболее распространенной причиной лекарственной устойчивости являются мутации в ферменте, который препарат призван ингибировать. Но поскольку мутации различаются у разных пациентов, для разных пациентов наиболее эффективны разные варианты препаратов, что усложняет выбор препарата», — объясняет Ран Фридман, профессор химии в Университете Линнея.
Новый параметр для лучшей оценки
В настоящее время для оценки резистентности к определенным мутациям используется параметр, известный как рост IC 50 , оценка концентрации препарата, необходимой для ингибирования роста опухолевых клеток на 50%. Устойчивость приводит к повышению IC 50 , что означает, что для достижения того же результата требуется более высокая доза.
Новое исследование показывает, что дополнение IC 50 дополнительным параметром может улучшить оценку того, какой вариант препарата наиболее эффективен против мутировавших опухолевых клеток в каждом отдельном случае пациента.
«Проще говоря, мы разработали вычислительную модель , которая также учитывает действие препарата между дозами, что дает нам более точную картину развития резистентности. Если пациент принимает препарат каждое утро, наш расчет показывает, насколько он эффективен к вечеру», — говорит Ран Фридман.
Может использоваться при других типах рака
Одним из преимуществ метода является то, что его можно применять и к другим видам рака, поддающимся лечению несколькими различными типами препаратов со схожими механизмами действия, например, к некоторым формам рака легких.
«Прежде всего, мы видим в этом методе большой потенциал для улучшения оценки резистентности и упрощения выбора лекарств при появлении на рынке новых лекарственных средств», — говорит Ран Фридман.
Исследование является результатом сотрудничества Университета Линнея, Норвежского университета науки и технологий и Университета Сан-Паулу и является частью Центра химии биоматериалов Университета Линнея.



















Замечательная статья! Очень интересно узнать о новых подходах в лечении лейкемии. У меня вопрос: насколько точно ваша модель предсказывает устойчивость к лекарствам?
Спасибо за информативный материал! У моего друга диагностировали хронический миелоидный лейкоз, и я надеюсь, что такие технологии действительно помогут улучшить его состояние.
Восхитительно видеть прогресс в области лечения рака! Я сама проходила курс лечения, и мне было бы интересно узнать, как можно участвовать в клинических испытаниях новых методов.
Отличная новость для многих пациентов! Как вы думаете, сколько времени может занять внедрение такой модели в клиническую практику?
Благодарю за статью! В ней поднимаются важные вопросы. У меня есть опыт работы с онкобольными, и я вижу, насколько важно найти правильное лекарство.
Очень надеюсь, что подобные модели действительно смогут изменить подход к лечению! Интересно, как они будут адаптироваться к индивидуальным особенностям пациентов.
Классно, что есть такие разработки! Хотелось бы услышать больше о том, какие именно данные используются для построения модели.
Спасибо за научную статью! Действительно ли модель учитывает генетические особенности пациентов? Это может быть ключевым фактором в лечении.
Удивительно видеть, как технологии развиваются! Я работаю в области биоинформатики и вижу большой потенциал в таких подходах.
Полностью согласен с тем, что персонализированное лечение – это будущее медицины. У кого-то есть опыт использования подобных методов в других областях?