Badania kliniczne in silico

Badanie kliniczne in silico , zwane również wirtualnym badaniem klinicznym, to zindywidualizowana symulacja komputerowa wykorzystywana w opracowywaniu lub ocenie regulacyjnej produktu leczniczego , urządzenia lub interwencji. Chociaż całkowicie symulowane badania kliniczne nie są wykonalne przy obecnej technologii i zrozumieniu biologii, oczekuje się, że jego rozwój przyniesie znaczne korzyści w porównaniu z obecnymi badaniami klinicznymi in vivo , a badania nad nim są prowadzone.

Historia

Termin in silico oznacza wszelkie użycie komputerów w badaniach klinicznych, nawet jeśli ogranicza się do zarządzania informacjami klinicznymi w bazie danych.

Racjonalne uzasadnienie

Tradycyjny model rozwoju terapii i urządzeń medycznych zaczyna się od rozwoju przedklinicznego . W laboratoriach, w probówkach i innych in vitro ustala się wiarygodność skuteczności leczenia. Następnie modele zwierzęce in vivo z różnymi gatunkami dostarczają wskazówek dotyczących skuteczności i bezpieczeństwa produktu dla ludzi. Z powodzeniem zarówno w badaniach in vitro , jak i in vivo , naukowiec może zaproponować takie badania kliniczne przetestować, czy produkt będzie dostępny dla ludzi. Badania kliniczne są często podzielone na cztery fazy. Faza 3 obejmuje testowanie dużej liczby osób. Kiedy lek zawiedzie na tym etapie, straty finansowe mogą być katastrofalne.

Przewidywanie skutków ubocznych o niskiej częstotliwości było trudne, ponieważ takie działania niepożądane nie muszą być widoczne, dopóki leczenie nie zostanie przyjęte przez wielu pacjentów. Pojawienie się poważnych skutków ubocznych w fazie trzeciej często powoduje zatrzymanie rozwoju z powodów etycznych i ekonomicznych. Ponadto w ostatnich latach wiele leków kandydujących zakończyło się niepowodzeniem w badaniach fazy 3 z powodu braku skuteczności, a nie ze względów bezpieczeństwa. Jednym z powodów niepowodzenia jest to, że celem tradycyjnych badań jest ustalenie skuteczności i bezpieczeństwa dla większości pacjentów, a nie dla poszczególnych pacjentów, a zatem skuteczność jest określana przez statystykę o tendencji centralnej na rozprawę. Tradycyjne próby nie dostosowują leczenia do współzmiennych badanych:

  • Uwzględnienie takich czynników, jak szczególna fizjologia pacjenta, indywidualny przejaw leczonej choroby, styl życia, obecność chorób współistniejących.
  • Zgodność lub jej brak w przyjmowaniu leku w określonych porach i dawkach. W przypadku urządzenia wszczepionego chirurgicznie, w celu uwzględnienia zmienności doświadczenia i techniki chirurgów, jak również szczególnej anatomii pacjenta. Jednak dostosowanie oceny badania pod kątem niezgodności okazało się trudne. Takie korekty często zniekształcają wyniki badania, a wiele organów ds. zdrowia nakazuje, aby badania kliniczne analizowały dane zgodnie z zasadą zamiaru leczenia .

Cel

Dokładne modele komputerowe leczenia i jego wdrożenia, a także charakterystyka pacjenta są niezbędnymi prekursorami rozwoju badań klinicznych in silico . W takim scenariuszu „wirtualni” pacjenci otrzymywaliby „wirtualne” leczenie, umożliwiające obserwację za pomocą symulacji komputerowej, jak działa potencjalny produkt biomedyczny i czy wywołuje zamierzony efekt bez wywoływania działań niepożądanych. Takie in silico mogłyby pomóc ograniczyć, udoskonalić i częściowo zastąpić rzeczywiste badania kliniczne poprzez:

  • Ograniczenie rozmiaru i czasu trwania badań klinicznych poprzez lepsze projektowanie, na przykład poprzez identyfikację cech w celu określenia, którzy pacjenci mogą być bardziej narażeni na powikłania lub zapewnienie wcześniejszego potwierdzenia, że ​​produkt lub proces działa zgodnie z oczekiwaniami.
  • Udoskonalanie badań klinicznych dzięki jaśniejszym, bardziej szczegółowym informacjom na temat potencjalnych wyników i większej mocy wyjaśniającej w interpretacji wszelkich działań niepożądanych, które mogą się pojawić, a także lepszemu zrozumieniu interakcji testowanego produktu z anatomią indywidualnego pacjenta oraz przewidywaniu długotrwałych lub rzadkich skutków, które badania kliniczne raczej nie ujawnią.
  • Częściowe zastąpienie badań klinicznych w sytuacjach, w których nie jest to bezwzględna konieczność regulacyjna, a jedynie wymóg prawny. Istnieją już przykłady, w których organy regulacyjne zaakceptowały zastąpienie modeli zwierzęcych in silico w odpowiednich warunkach. Podczas gdy rzeczywiste badania kliniczne pozostaną niezbędne w większości przypadków, istnieją szczególne sytuacje, w których niezawodny model prognostyczny może zastąpić rutynową ocenę kliniczną.

Ponadto rzeczywiste badania kliniczne mogą wskazywać, że produkt jest niebezpieczny lub nieskuteczny, ale rzadko wskazują, dlaczego lub sugerują, jak można go ulepszyć. W związku z tym produkt, który zawiedzie podczas badań klinicznych, może po prostu zostać porzucony, nawet jeśli niewielka modyfikacja rozwiązałaby problem. Hamuje to innowacyjność, zmniejszając co roku liczbę prawdziwie oryginalnych produktów biomedycznych wprowadzanych na rynek, a jednocześnie zwiększając koszty rozwoju. Analiza in silico oczekuje się, że badania kliniczne zapewnią lepsze zrozumienie mechanizmu, który spowodował niepowodzenie testów produktu, i mogą dostarczyć informacji, które można wykorzystać do udoskonalenia produktu w takim stopniu, aby mógł pomyślnie ukończyć badania kliniczne.

in silico przyniosłyby również znaczne korzyści w porównaniu z obecnymi praktykami przedklinicznymi. W przeciwieństwie do modeli zwierzęcych, wirtualne modele ludzkie mogą być ponownie wykorzystywane w nieskończoność, co zapewnia znaczne oszczędności kosztów. W porównaniu z badaniami na zwierzętach lub na niewielkiej próbie ludzi, in silico mogą skuteczniej przewidywać zachowanie leku lub wyrobu w badaniach na dużą skalę, identyfikując skutki uboczne, które wcześniej były trudne lub niemożliwe do wykrycia, pomagając zapobiegać nieodpowiednim kandydatom przejść do kosztownych badań fazy 3.

Badania kliniczne in silico w radiologii

Stosunkowo dobrze rozwiniętą dziedziną badań klinicznych in silico jest radiologia, w której cały proces obrazowania jest zdigitalizowany. Rozwój przyspieszył w ostatnich latach wraz ze wzrostem wydajności komputerów i bardziej zaawansowanych modeli symulacyjnych, a obecnie platformy wirtualne zyskują akceptację organów regulacyjnych jako uzupełnienie konwencjonalnych badań klinicznych dotyczących wprowadzania nowych produktów.

Kompletne ramy badań klinicznych in silico w radiologii muszą obejmować następujące trzy elementy: 1) realistyczną populację pacjentów, która jest symulowana komputerowo przy użyciu fantomów programowych; 2) Symulowana odpowiedź systemu obrazowania; 3) Systematyczna ocena obrazu przez obserwatorów ludzkich lub modelowych.

Fantomy obliczeniowe do prób obrazowania in silico wymagają wysokiego stopnia realizmu, ponieważ obrazy będą tworzone i oceniane. Do tej pory najbardziej realistycznymi fantomami całego ciała są tak zwane fantomy reprezentacji brzegowej (BREP), które są powierzchniowymi reprezentacjami podzielonych na segmenty danych pacjenta 3D (MRI lub CT). Dopasowane powierzchnie pozwalają na modelowanie zmian anatomicznych lub ruchu oprócz realistycznej anatomii. Istniejące modele do generowania struktur wewnątrznarządowych są oparte na modelowaniu matematycznym, obrazach pacjentów lub generatywnej sieci kontradyktoryjnej (GAN) modelowanie obrazów pacjentów. Modele patologii są ważne dla symulacji zastosowań klinicznych ukierunkowanych na określone choroby. Najnowocześniejsze modele oparte są na segmentowanych zmianach chorobowych z ulepszeniami dla struktur powyżej limitu rozdzielczości systemu obrazowania przy użyciu cyfrowych modeli patologii lub fizjologicznego wzrostu. Modele GAN zostały również wykorzystane do symulacji choroby. Oprócz powyższego opracowano modele ruchu narządów i pacjentów, przepływu krwi i perfuzji środka kontrastowego.

Reakcja systemu obrazowania jest generalnie symulowana za pomocą modeli systemów Monte-Carlo lub ray tracingu, porównywanych z pomiarami na fantomach fizycznych. Obrazowanie medyczne ma długą historię symulacji systemów na potrzeby rozwoju technologii, a modele zastrzeżone i należące do domeny publicznej istnieją dla szerokiej gamy systemów obrazowania.

Ostatnim etapem próby obrazowania in silico jest ocena i interpretacja wygenerowanych obrazów w systematyczny sposób. Obrazy mogą być oceniane przez ludzi w sposób podobny do konwencjonalnego badania klinicznego, ale dla in silico Aby próba była naprawdę efektywna, interpretacja obrazu również musi zostać zautomatyzowana. W przypadku zadań wykrywania i kwantyfikacji tak zwane modele obserwatorów zostały dokładnie zbadane i zweryfikowane w odniesieniu do ludzkich obserwatorów, aw literaturze istnieje szereg modeli w dziedzinie przestrzennej. Interpretacja obrazu oparta na głębokim uczeniu i sztucznej inteligencji (AI) jest aktywnym polem badawczym i może stać się cenną pomocą dla radiologa w wykrywaniu nieprawidłowości lub podejmowaniu decyzji. Zastosowanie obserwatorów AI w in silico jest stosunkowo proste, ponieważ cały łańcuch obrazów jest zdigitalizowany.

Zobacz też

Ten artykuł zawiera tekst dostępny na licencji CC BY 4.0 .

Linki zewnętrzne

Pobrano z „ https://en.wikipedia.org/w/index.php?title=In_silico_clinical_trials&oldid=1136204414 ”