Precyzyjna psychiatria oparta na rzeczywistych danych
Zaburzenia psychiczne stanowią jedno z najpoważniejszych wyzwań dla zdrowia publicznego w Europie. Pomimo wysokich kosztów ich leczenia, postępy w walce z tymi schorzeniami są ograniczone, szczególnie w przypadku osób cierpiących na ciężkie i złożone zaburzenia. Wielu pacjentów musi korzystać ze zróżnicowanych ścieżek leczenia, które nie przynoszą oczekiwanych rezultatów i negatywnie wpływają na ich jakość życia.
Wykorzystanie potencjału rzeczywistych danych
Celem zespołu finansowanego ze środków Unii Europejskiej UE projektu REALMENT(odnośnik otworzy się w nowym oknie) było rozwiązanie tego problemu dzięki wykorzystaniu potencjału rzeczywistych danych w celu projektowania bardziej skutecznych i spersonalizowanych strategii leczenia w psychiatrii. Dzięki połączeniu elektronicznej dokumentacji medycznej, rejestrów zdrowia i danych genetycznych z biobanków w całej Europie, zespół opracował wyjątkowy ekosystem danych. „Łącząc i zestawiając dane z różnych państw możemy analizować znacznie szerszy zakres zmienności biologicznej i środowiskowej. Pozwala nam to trenować modele predykcyjne z dokładnością wymaganą przez dziedzinę psychiatrii precyzyjnej”, wyjaśnia Ole Andreassen, koordynator projektu. Skala zgromadzonych danych wykracza poza możliwości konwencjonalnych badań klinicznych, umożliwiając naukowcom analizę wyników leczenia w różnych grupach w oparciu o rzeczywiste warunki.
Sztuczna inteligencja w psychiatrii precyzyjnej
Konsorcjum projektu zastosowało sztuczną inteligencję i algorytmy uczenia maszynowego w celu poszukiwania wzorców i prawidłowości w ogromnych zbiorach danych. Analizując dane populacyjne z kohort obejmujących populacje skandynawskie, bałtyckie i inne nacje europejskie, naukowcy opracowali modele predykcyjne zdolne do określenia odpowiedzi na leczenie, skutków ubocznych i trajektorii choroby. „Modele te są trenowane na rzeczywistych danych i weryfikowane na podstawie zbiorów danych z badań klinicznych, co stanowi dowód na to, że nasze podejście może wspierać podejmowanie bardziej spersonalizowanych decyzji dotyczących leczenia”, podkreśla Andreassen.
Wnioski z analizy genomu i reakcja na leczenie
Kluczową innowacją projektu jest połączenie danych dotyczących genomu z modelowaniem predykcyjnym. Dzięki szeroko zakrojonym badaniom asocjacyjnym naukowcy wskazali warianty genetyczne związane z odpowiedzią na leczenie i opornością. Na przykład odkrycie rzadkich wariantów farmakogenów, takich jak CYP1A2(odnośnik otworzy się w nowym oknie), które wpływają na metabolizm klozapiny, wskazuje potencjalne ścieżki, które mogą wpływać na reakcje pacjentów na leki przeciwpsychotyczne. Zespół wykazał również przydatność wskaźników ryzyka poligenowego(odnośnik otworzy się w nowym oknie) w przewidywaniu przebiegu leczenia. „Naszym celem jest zbudowanie psychiatrii precyzyjnej - wykorzystanie warunków biologicznych pacjenta w celu ustalenia właściwego przebiegu leczenia za pierwszym razem”, podkreśla Andreassen. Wyniki prac wskazują na istnienie powiązań genetycznych między schorzeniami psychicznymi i fizycznymi, co podkreśla znaczenie kompleksowego patrzenia na zdrowie pacjentów. To z kolei wpływa na leczenie chorób współistniejących i dostosowywanie leczenia do szerszego profilu biologicznego każdego pacjenta.
Od danych do rozwiązań klinicznych
Aby przełożyć osiągnięcia na praktykę, zespół projektu REALMENT opracował platformę kliniczną, która łączy algorytmy predykcyjne z danymi pacjenta. Platforma ta wspiera lekarzy w analizie możliwości leczenia, przewidywaniu działań niepożądanych i monitorowaniu wyników pacjentów w czasie. Co ważne, projekt przyczynił się również do opracowania nowych metodyk, w tym zaleceń dotyczących określania rezultatów leczenia zaburzeń psychicznych na podstawie rzeczywistych danych(odnośnik otworzy się w nowym oknie) w całej Europie. Jeden z partnerów projektu wdrożył raportowanie farmakogenetyczne w krajowym biobanku. Informacje zwrotne od pacjentów pomogły usprawnić komunikację i poprawić użyteczność rozwiązania. Z myślą o przyszłości badacze podejmują wysiłki mające na celu dalszy rozwój i weryfikację modeli predykcyjnych, rozszerzenie możliwości platformy i wspieranie prac regulacyjnych umożliwiających wprowadzenie tych rozwiązań do praktyki klinicznej. „Naszym celem jest odejście od przepisywania leków metodą prób i błędów. Chodzi nam o to, by zapewnić lekarzom dostęp do narzędzi, które umożliwią wdrożenie właściwego leczenia w przypadku każdego pacjenta”, podsumowuje Andreassen.
