В Сеченовском университете создали базы данных для персонализированного лечения дерматомиозита и волчанки.
Исследователи Центра математического моделирования в разработке лекарств Первого МГМУ имени И.М. Сеченова зарегистрировали две уникальные базы данных для подбора терапии аутоиммунных заболеваний - дерматомиозита и системной красной волчанки (СКВ). Эти ресурсы помогут врачам точнее подбирать лечение, учитывая индивидуальные особенности каждого пациента, а фармацевтическим компаниям – ускорить разработку новых эффективных лекарств, сообщает пресс-служба университета.
Дерматомиозит и системная красная волчанка - аутоиммунные заболевания, при которых иммунная система атакует собственные ткани организма. Они могут приводить к тяжелым системным поражениям: мышц и легких — при дерматомиозите; почек, суставов и кожи - при волчанке.
Стандартная терапия этих заболеваний включает прием глюкокортикоидов и иммуносупрессантов. Однако они оказывают неспецифическое системное воздействие, подавляя иммунную систему в целом.
Чтобы преодолеть эту проблему, ученые Сеченовского Университета создали две специализированные базы данных.
– Идея создать базу данных цитокинов пришла к нам при разработке математической модели дерматомиозита, - рассказал сотрудник Центра математического моделирования в разработке лекарств Первого МГМУ Борис Киреев. – В процессе анализа научной литературы мы столкнулись с очень разнородными, на первый взгляд, даже противоречивыми данными в разных статьях. И решили подойти к вопросу исследования иммунофенотипа пациентов системно – собрать все доступные данные по клиническим исследованиям и охарактеризовать концентрации цитокинов у всей популяции пациентов. На основе этих данных мы уже провели мета-анализ и выявили, например, различия между группами пациентов с поражением легких и без. Следующий шаг - создание математической модели дерматомиозита для подбора потенциальной терапии исходя из индивидуальных особенностей пациента – подтипа заболевания, уровня цитокинов и других.
Учет клинических и молекулярных подтипов заболевания на этапе планирования исследований — ключ к успеху, считают исследователи. Стратификация пациентов и правильный выбор показателей эффективности позволят выстраивать оптимальный дизайн клинических испытаний и быстрее предоставлять эффективную терапию тем, кто в ней нуждается.
