Full Text

Введение Применение новых высокопроизводительных биомедицинских технологий, оперирующих большими объемами данных, таких как секвенирование ДНК, протеомика и метаболомика, протоколов визуализации и создание устройств для беспроводного мониторинга выявили множество индивидуальных вариаций в отношении механизмов развития патологических процессов, факторов, определяющих динамику болезни, и подходов к терапии, что вызвало вопрос, в какой степени эти межличностные, индивидуальные для каждого пациента вариации должны влиять на решения врача об оптимальном способе лечения, мониторинга или предотвращения заболевания в современной медицинской науке и практике. В научной и популярной литературе широко обсуждается тезис о том, что стратегия лечения человека с заболеванием и, возможно, мониторинг или профилактика этого заболевания должны быть адаптированы или персонализированы с учетом уникальных биохимических, физиологических и поведенческих особенностей каждого индивидуума, а также воздействия на него окружающей среды. Цель работы - обобщить и систематизировать результаты исследований, посвященных персонализированной медицине и ее развитию. Материалы и методы Проведен поиск источников литературы (научных статей), включая опубликованные в рецензируемых журналах, индексируемых в Pubmed, Wos, Scopus и РИНЦ. В обзор включены 49 статей по вопросам новых технологий, которые делают возможной персонализированную медицину, рассмотрены новый опыт, способы проверки и применения индивидуализированных лекарств, а также потенциальные способы лечения людей с проблемами фертильности и бесплодия. Результаты исследования Тестирование персонализированных лекарств. Клинические испытания «N-of-1». Исследование, в котором основное внимание уделяется реакции человека на различные вмешательства для определения оптимальной формы воздействия, называются исследованиями «N-of-1», или исследованиями с одним субъектом. В испытаниях «N-of-1» часто используется простой перекрестный дизайн или даже повторяющийся перекрестный дизайн, такой как планы ABABAB, где A и B относятся к различным вмешательствам, а последовательность ABABAB - это порядок, в котором пациенту проводят вмешательства [1, 2]. При проведении исследований «N-of-1» необходимо учитывать серийную корреляцию между наблюдениями, а также возможные эффекты переноса от одного вмешательства к другому, но эти проблемы в значительной степени можно преодолеть с помощью соответствующих аналитических методов и составления правильного дизайна исследования [3]. Для ситуаций, когда человек страдает от острого или опасного для жизни заболевания, были предложены последовательные схемы «N-of-1», в которых состояние пациента постоянно отслеживается в режиме реального времени, чтобы определить, причиняет ли вмешательство вред и работает ли оно [1]. Дизайн подобных исследований направлен на определение оптимального вмешательства для отдельного человека, а не на оценку среднего ответа на то или иное лечение в популяции в целом [3]. Подобный тип исследований можно проводить для определения оптимального алгоритма обследования, наблюдения, терапии и реабилитации пациентов с такими заболеваниями, как остеоартрит, хроническая невропатическая боль и синдром дефицита внимания с гиперактивностью [4]. Исследования типа «N-of-1» требуют постоянной связи с пациентом в реальном масштабе времени через социальные сети или специальные электронные приложения с последующим сложным статистическим анализом, оперирующим большими массивами данных [5]. В последнее время происходит рост числа клинических работ на основе «N-of-1». Эта тенденция вызвана растущей легкостью сбора и анализа данных, а также наличием мощных компьютерных и сетевых ресурсов для их обработки [6]. Исследование на соответствие интервенции. Если будут обнаружены доказательства того, что определенные характеристики в «персонифицированных» профилях пациента можно использовать для определения медицинских подходов, возникает вопрос, как проверить гипотезу о том, что проведение вмешательств этим людям на основе таких «совпадений» приведет к лучшим результатам, чем вмешательства, основанные на какой-либо другой общепринятой схеме или стратегии. Можно протестировать каждое индивидуальное соответствие, но это может потребовать проведения множества небольших клинических испытаний, которые могут быть сложными с точки зрения материально-технического обеспечения и получения финансовой поддержки. В качестве альтернативы можно протестировать всю стратегию сопоставления с альтернативным способом предоставления вмешательств (например, предоставление всем одинакового вмешательства). Это и происходит в используемых в настоящее время «корзинных» и «зонтичных» исследованиях [7, 8]. В контексте онкологии «корзинные» или «зонтичные» исследования включают в себя несколько отдельных пациентов, каждый из них может иметь уникальные особенности в своем биологическом, социальном и поведенческом профилях. В «корзинные» испытания включаются индивидуумы без учета конкретной области или ткани, пораженной раком (например, могут быть включены пациенты с раком легкого, молочной железы и колоректальным раком), тогда как «зонтичные» исследования рассматривают пациентов с поражением только одной области или ткани (например, включаются только пациенты с раком легкого). Генетический профиль опухоли каждого пациента составляется с помощью секвенирования ДНК, анализируется, чтобы увидеть, есть ли в опухоли действующие «драйверные» изменения, такие как мутации, затрагивающие определенные гены, способствующие росту опухоли, повышению ее агрессивности и/или лекарственной резистентности. В дальнейшем подбор противораковых препаратов осуществляется на основе полученных генетических характеристик опухолевых клеток (например, если ген эпидермального фактора роста - EGFR - мутирован и сверхэкспрессируется в опухоли, назначается таргетный препарат цетуксимаб, который ингибирует ген EGFR). Таким образом, каждого пациента направляют к определенной «корзине» терапевтических вмешательств (например, корзине препаратов - ингибиторов EGFR). Схемы согласования медицинских тактик в зависимости от индивидуальных профилей пациентов, вероятно, станут правилом, а не исключением в медицине, особенно после появления вычислительных сред, таких как система IBM Watson. По сути, система Watson является вычислительной системой, которая включает очень большую базу данных, в том числе извлеченную из медицинской литературы, и обеспечивает связь между информацией о пациенте (например, генетические профили, возраст, пол и др.) и результатами терапии (такими как реакция на препараты, профиль токсичности, параллельно или последовательно проведенные медицинские вмешательства). Система Watson была «обучена» выявлять и устанавливать связь нарушений, часто наблюдаемых в опухоли на фоне терапии, и прогноза заболевания. Таким образом, если системе Watson предоставлен «персонифицированный» профиль пациента, она может вычислить наилучшую терапевтическую тактику из возможных, учитывая текущее состояние медицинской науки [9]. Адаптивные клинические испытания. Адаптивное исследование - это клиническое исследование, дизайн которого позволяет адаптировать, модифицировать необходимые параметры исследования после его инициации и запуска без потери значимости, целостности, адекватности и обоснованности всей программы. Примерами адаптивного исследования являются последовательный анализ (group sequential), исследование с возможностью перерасчета размера выборки (sample-size reestimation design), исследование с исключением из него худших групп (drop-loser design). Адаптивные и последовательные клинические испытания использовались в течение десятилетий, но их рассмотрение и использование в контексте персонализированной медицины произошли гораздо позже [7]. Адаптивные исследования ставят своей целью минимизировать время, в течение которого пациент может по объективным или субъективным причинам получать неэффективную терапию. В контексте «персонализированной» медицины проводится оценка воздействия каждого медицинского вмешательства с целью определения наилучшего для этого человека. Некоторые, если не все, вмешательства могут на самом деле не принести пользу этому человеку. Имеет смысл проводить исследования, в которых биомаркеры, отражающие реакцию на терапию или показывающие наличие и тяжесть побочных эффектов, оцениваются «персонифицированно» с целью проведения их дальнейшего мониторинга. Если есть, например, признаки того, что вмешательство не работает, человек может перейти к новой терапевтической схеме. Хотя адаптивные исследования могут быть трудными для осуществления, учитывая множество параметров, нуждающихся в оценке в режиме реального времени, а также могут давать данные, которые могут быть более сложными для анализа, чем данные фиксированных, неадаптивных испытаний, они часто считаются более этичными [10-12]. Стратегии персонализированной медицины нового и следующего поколения. Существует ряд недавних исследований и клинических программ, которые открывают новые горизонты для «персонализированной» медицины. Ниже мы сосредоточимся на четырех из них. Эти стратегии включают использование полученных от пациента «аватаров» клеток и органоидов для индивидуального тестирования лекарственных препаратов и подбора оптимальной терапии для этого пациента, использование «персонифицированных» протоколов диагностики и мониторинга для обнаружения признаков заболевания, разработку «персонализированных» цифровых терапевтических средств и использование индивидуализированных медицинских подходов к проблеме фертильности. Клеточные «аватары» пациентов. Интерес для персонализации в диагностике и подборе оптимальной терапии представляет недавно созданная технология получения индуцированных плюрипотентных клеток iPSC путем трансдукции прогениторных и дифференцированных клеток взрослого организма [13]. Теперь можно собирать клетки у людей и, используя различные методы индукции плюрипотентности, создавать клеточные культуры определенных тканей пациента без прямой биопсии пораженной ткани. Это позволяет исследователям существенно продвинуться в изучении патологических состояний на молекулярных уровнях, возникающих в органах и тканях пациента, и исследовать действие лекарств на «персонифицированной» основе [14-16]. Использование технологий iPSC может быть расширено с помощью нескольких дополнительных, разработанных совсем недавно, технологий для создания еще более совершенных моделей. Например, если у пациента есть известная мутация, имеющая отношение к развившемуся патологическому процессу, можно использовать биотехнологии, основанные на кластерных регулярных коротких палиндромных повторах (CRISPR) и связанных конструкциях для создания изогенных клеток, в которых клетки свободны от данной мутации. Сравнение этих клеток с первоначальными, полученными от пациента, позволяет напрямую понять эффекты мутации, контролируя при этом все соответствующие генетические фоновые эффекты [17]. Кроме того, можно частично создать органы или органоиды из клеток, полученных от пациента [18]. Органоиды могут обеспечить лучшее понимание молекулярных патологий, связанных с состоянием отдельного пациента, поскольку на них возможно моделировать межклеточные взаимодействия и изучать функции тканей [19]. Одним из важных аспектов использования клеточных «аватаров» пациентов на основе iPSC-технологий в персонализированной медицине является то, что они могут обеспечивать скрининг тысяч препаратов и соединений против клеток пациента или органоидов для идентификации лекарств, которые способны корректировать молекулярные дефекты пациента. Если лекарство или соединение действительно было одобрено к использованию для другого патологического состояния, его можно протестировать на клеточном «аватаре» пациента на эффективность и в дальнейшем «перепрофилировать» для лечения новой патологии. Использование клеток, полученных от пациентов, в инициативах по персонализированному скринингу лекарств показало определенный успех в условиях онкологических заболеваний, поскольку биопсия опухоли может дать подходящий материал для скрининга лекарств [18, 20]. Наибольшее беспокойство при таком подходе вызывает вопрос о том, релевантно ли отражают модели in vitro патобиологию in vivo и информацию о реакции на лекарства, которая может повлиять на реакцию пациента на выбранный препарат. Более адаптированной может считаться стратегия выбора экспериментальной терапии при раке in vivo, подразумевающая имплантацию устройства в опухоль пациента in vivo, а затем доставку различных лекарств через это устройство, чтобы определить, какие из них дают наибольший терапевтический эффект [21, 22]. Создание iPSC из клеток, содержащих аутосомно-доминантный мутантный аллель гена, кодирующего рецептор липопротеина низкой плотности, и дальнейшая дифференцировка их в гепатоциты позволяют создать индивидуальную клеточную модель семейной гиперхолестеринемии. При этом печеночные клетки в модели содержат как дефектный ген с соответствующей мутацией, так и весь геном пациента [23]. Уже созданы клеточные модели таких наследственных заболеваний, как синдром Дауна, синдром Криглера-Найяра, спинальная мышечная атрофия. Подобные клеточные «аватары» являются инструментом для поиска и апробации «персонализированных» подходов к терапии каждого конкретного больного. Возможности персонализации клеточных препаратов, открывающиеся с развитием технологии, уникальны. Изменяя генетический профиль клеточного «аватара» с помощью различных генетических и эпигенетических технологий (замена мутантных аллелей, регуляция экспрессии генов, механизмы альтернативного сплайсинга тех или иных ферментов, модуляция профиля микроРНК, воздействие на цитокиновые каскады), можно на базе одних и тех же аутологичных стволовых/индуцированных клеток создать и протестировать персонализированное средство терапии не только для различных заболеваний, но и для различных стадий одного или того же заболевания, например для стадии обострения или ремиссии рассеянного склероза, ревматоидного артрита или болезни Крона [23]. Интенсивный персонализированный мониторинг здоровья. Доступность недорогих технологий генотипирования и секвенирования позволяет врачам и самими потенциальным пациентам оценить генетически опосредованный риск заболевания и/или поставить генетический диагноз, если они уже заболели. Кроме того, с учетом доступности устройств для мониторинга состояния здоровья, заказываемых в режиме онлайн клинических анализов крови, недорогих устройств визуализации, портативных приборов для мониторинга биометрических параметров, можно постоянно или почти непрерывно отслеживать многие аспекты здоровья человека [24, 25]. Ряд людей с уникальными заболеваниями и состояниями, несомненно, получили ощутимую пользу от проведенного генетического обследования, выявившего потенциальные генетически опосредованные патологические механизмы или определившего потенциальные мишени для фармакотерапии [26] (см. таблицу). В таблице перечислены примеры опубликованных исследований (так называемых диагностических одиссей), сообщающих о целесообразности проведения персонифицированных генетических исследований для постановки диагноза людям с идиопатическими состояниями, а также исследований, посвященных проведению непрерывного мониторинга для выявления доказательств наличия изменений в состоянии здоровья у человека [37, 38]. Цифровая терапия и персонализированный контент приложений. Повсеместное распространение смартфонов привлекло к ним интерес многих исследователей в области здравоохранения в отношении использования в качестве средства не только для сбора данных о состоянии здоровья с помощью различных приложений, но и для предоставления консультаций, получения обратной связи и изображений, обучения или соединения с другими ресурсами, которые могут принести пользу человеку с нарушением состояния здоровья. Это привело к появлению концепции «цифровой терапии». Было создано приложение для смартфонов, предназначенное для лечения и оказания помощи человеку [39]. Контент, предоставляемый цифровым терапевтическим приложением для пациента, может варьировать в зависимости от того, что известно об этом человеке и его реакции на информацию, предоставленную в приложении. Таким образом, можно персонализировать приложение [40]. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) разработало руководящие принципы для регистрации цифровых терапевтических средств как добросовестных, возмещаемых страховкой, одобренных медицинских технологий и начал оценивать и одобрять многие из них. Первым одобренным в 2017 г. FDA цифровым терапевтическим приложением стало приложение для лечения наркозависимости [41]. Персонализированные вмешательства, связанные с фертильностью и бесплодием. Стратегии и подходы персонализированной медицины могут быть применены и к лечению бесплодия. Например, было предложено использовать данные о пациентах, посещающих клиники репродуктивной медицины, для анализа моделей индивидуальных профилей пациентов, которые могут пролить свет на различия в показателях фертильности, причинах бесплодия, реакциях на вмешательства, направленные на повышение фертильности, включая экстракорпоральное оплодотворение [42]. В контексте использования цифровой медицины были выдвинуты предложения по разработке приложений для смартфонов, которые могли бы предоставлять персонализированный обучающий контент для контроля за зачатием и течением беременности [43]. Также были выявлены генетические варианты, которые влияют на фертильность и могут использоваться для подтверждения диагноза бесплодия или индивидуальных планов вмешательства [44, 45]. В дополнение к этим более традиционным подходам к персонализированным вмешательствам существует ряд новых стратегий повышения фертильности у женщин, которые выходят за рамки традиционных способов стимуляции яичников [46]. Например, теперь можно обеспечить криоконсервацию ооцитов и яичников, а затем имплантировать их позже с целью наступления желаемой беременности [47]. Такая процедура, базирующаяся на манипуляциях с аутологичными клетками и учитывающая то, что сроки наступления беременности устанавливает сама пациентка, является в высшей степени персонализированной. Однако эта процедура будет работать только в том случае, если сохранившиеся ткани будут жизнеспособными и не поврежденными, хотя в теории генетические дефекты в этих тканях могут быть исправлены с использованием методов редактирования генов [48]. Более футуристическим и противоречивым персонализированным вмешательством в фертильность выглядит концепция «гаметогенез in vitro», согласно которой можно использовать технологии перепрограммирования клеток для генерации сперматозоидов и яйцеклеток из других клеток человека, подвергшихся методикам редактирования для генерации гамет de novo [49]. Заключение Индивидуализация медицинской практики в определенных случаях, вероятно, неизбежна. Доступность современных биомедицинских технологий, таких как секвенирование ДНК, протеомика, метаболомика, тераностика, появление устройств беспроводного мониторинга позволяют осуществлять персонифицированный подход к ранней, субклинической диагностике, индивидуализации лечения с целью получения максимальной эффективности и минимальной токсичности терапии, предупреждения рецидива заболевания и его профилактики. Будущие задачи заключаются не только в поиске новых способов разносторонней характеристики пациента, но и в персонализации терапии, создании индивидуальных лекарственных схем и схем профилактики заболеваний. Действующий в настоящее время порядок тестирования новых лекарственных препаратов на животных моделях уходит в прошлое. Вероятно, новый вектор развития направлен на использование более релевантных моделей на базе культур клеток человека. Подобный подход позволит не только изучать фармакодинамику препаратов, но и осуществлять персонифицированный подбор лекарственной терапии с учетом характера заболевания и комордибного фона пациента. Технология клеточных аватаров позволит прогнозировать развитие заболеваний и, возможно, продолжительность жизни. Персонифицированный подход в репродуктологии, опирающийся на генетические исследования, позволит ликвидировать ряд наследственных, орфанных заболеваний в XXI в., подобно тому как работы в области иммунологии и разработка вакцин позволили в XX в. ликвидировать черную оспу. Исследование не имело спонсорской поддержки. Автор заявляет об отсутствии конфликта интересов.

About the authors

M. Yu. Rykov

N. A. Semashko National Research Institute of Public Health

Email: wordex2006@rambler.ru

References

Statistics