Устранение пробела в переводческих исследованиях – экономист в области здравоохранения

В недавний отчетАссоциация британской фармацевтической промышленности (ABPI) исследует «разрыв в трансляционной готовности» Великобритании — хроническую неспособность перенести передовые лабораторные модели в реальное создание лекарств для лечения пациентов.

Проблема истощения и трансляционный разрыв

Разработка современных лекарств – это занятие с высоким риском. Примерно 90% потенциальных лекарств, вступающих в клинические испытания, не попадают на рынок. Что можно с этим сделать? Могут ли новые технологии, в том числе искусственный интеллект, помочь повысить уровень успеха?

Британские ученые стали пионерами моделей, «релевантных для человека» — таких технологий, как «орган-на-чипе», 3D-биопечать и передовые компьютерные симуляции (модели in silico), целью которых является более точное имитирование человеческих систем. В США НИЗ объявил о запуске Центр стандартизированного моделирования органоидов в Национальной лаборатории исследования рака имени Фредерика. В Европе, имСАВАР Целью проекта является создание моделей, актуальных для человека, для улучшения тестирования эффективности и безопасности иммуномодулирующей терапии. Тем не менее, ABPI определяет огромный «разрыв в переводческой готовности» в результате этих инициатив. Хотя эти модели блестящие с научной точки зрения, можно ли их применить к открытиям реальных лекарств? В отчете ABPI указаны ключевые пробелы и ограничения, которые мешают использовать эти научные открытия и превращать их в методы лечения, помогающие реальным пациентам. Текущие пробелы и ограничения, выявленные ABPI, включают:

Основные пробелы и ограничения

1. Материалы и биологические ресурсы

• Источники клеток и их характеристика. Ограниченная доступность хорошо изученных источников клеток с контролируемым качеством; выбор часто обусловлен наличием, а не соответствием назначению.
• Опыт и зрелость стволовых клеток. Технические проблемы в дифференцировке/созревании клеток, полученных из индуцированных плюрипотентных стволовых клеток (иПСК) (незрелость подрывает физиологическую значимость).
• Стандартизация образцов, полученных от пациентов. Методы сбора, обработки и хранения переменных снижают воспроизводимость и сопоставимость. Процессы получения согласия и разрешения на коммерческое использование применяются непоследовательно.
• Связанные клинические данные. Фрагментированная возможность связывать биологические образцы с соответствующими клиническими данными в биобанках ограничивает стратификацию и валидацию.

2. Научно-технические ограничения

• Отсутствие стандартизации. Для многих секторов экономики отсутствуют «золотые стандарты» или гармонизированные протоколы. in vitro системы; противоречивые конечные точки и условия анализа затрудняют сравнение.
• Физиологическая сложность. Ключевые биологические особенности по-прежнему трудно надежно смоделировать, в частности, функциональную сосудистую систему и надежные системы гематоэнцефалического барьера.
• Тканевое микроокружение и полиорганное моделирование. Проблемы интеграции внеклеточных матриц, механических сигналов и межтканевых взаимодействий ограничивают системное моделирование эффектов лекарств.
• Доверие и нормативное признание. Ограниченные сравнительные данные с наборами доклинических/клинических данных снижают доверие со стороны промышленности и регулирующих органов.
• Нормативно-правовая база. Международные регулирующие органы проявляют растущий интерес, но нормативная квалификация и признание подходов in vitro остаются ограниченными и требуют четкой проверки и определения контекста использования.

3. Инфраструктура, финансирование и навыки

• Трансляционное протягивание. Существует ограниченная поддержка моделей, разработанных в научных кругах для дальнейшего развития для их использования в фармацевтических исследованиях.
• Ресурсы биобанка. Высокие затраты на хранение образцов и управление связанными данными являются узкими местами для национального потенциала биобанков.
• Фрагментация и отсутствие связи. Экспертиза географически и институционально разобщена, что ограничивает скоординированное развитие и стандартизацию.
• Разрыв в навыках. Недостаточно распределенного обучения методам стволовых клеток, биоинженерии, разработке мультимодальных анализов и анализу данных, необходимому для перевода сложных моделей.

Устранение разрыва

Для решения этого вопроса было План сектора наук о жизни на 2025 год (LSSP) объявила о создании центра доклинических трансляционных моделей, объединяющего передовые возможности моделирования заболеваний человека и важные данные. ABPI утверждает, что фармацевтические компании должны быть вовлечены в эти инициативы на более раннем этапе, чтобы повысить вероятность того, что наука быстрее перейдет к лекарствам. Они пишут: «Реализация всего потенциала этих моделей для фармацевтических исследований и разработок потребует целевых инвестиций в инфраструктуру и скоординированной национальной стратегии для поддержки проверки моделей, их перевода и межсекторального сотрудничества».

ABPI утверждает, что, привлекая фармацевтические компании на ранней стадии проектирования, Великобритания может гарантировать, что модели следующего поколения будут созданы с учетом стандартизации, масштабируемости и нормативных данных, необходимых для того, чтобы наконец снизить уровень отсева на 90% и быстрее доставлять пациентам более безопасные лекарства.

Объединение научных кругов и промышленности для устранения выявленных пробелов может оказаться весьма многообещающим. Ключевым моментом будет выяснение специфики, чтобы воплотить это обещание в жизнь.