ПЕРСПЕКТИВИ, ВИКЛИКИ ТА НОВІ ПАРАДИГМИ ПРЕДИКТИВНОЇ МЕДИЦИНИ

О. П. Мінцер; А. М. Новик; О. М. Жуковський

doi:10.11603/mie.1996-1960.2024.3-4.15458

Автор(и)

О. П. Мінцер Національний університет охорони здоров’я України імені П. Л. Шупика https://orcid.org/0000-0002-7224-4886
А. М. Новик ТОВ "Науково-виробнича компанія "Екофарм""
О. М. Жуковський Буковинський державний медичний університет https://orcid.org/0000-0003-1071-0332

DOI:

https://doi.org/10.11603/mie.1996-1960.2024.3-4.15458

Ключові слова:

предиктивна медицина, великі дані, прогнозна аналітика, геноміка, парадигма ризиків

Анотація

Проаналізовано роль предиктивної медицини в становленні майбутньої охорони здоров’я.
Підкреслено, що серед різних методологій таких, як геноміка, протеоміка та цитоміка найбільш фундаментальний спосіб прогнозування майбутніх захворювань базується на генетиці. Розглянуто етичні проблеми, пов’язані з особистою відповідальністю, що викликають епігенетичні тести прогнозування ризику розвитку захворювань. Поява нових методів лікування з предиктивними біомаркерами для визначення пацієнтів, які найімовірніше чи менш ймовірно отримають користь, ускладнює розроблення лікарських засобів. Хоча для багатьох нових онкологічних препаратів це єдиний науково обґрунтований підхід, що має збільшити шанси на успіх. З’ясовано, що предиктивна медицина може призвести до більшої узгодженості результатів у випробуваннях і має очевидні переваги для зменшення кількості пацієнтів, які в кінцевому підсумку отримують дорогі ліки, що наражає їх на ризик побічних ефектів, але не приносить користі. Предиктивна медицина має велике потенційне значення для контролю суспільних витрат на охорону здоров’я. Розроблення методів лікування за допомогою прогностичних біомаркерів вимагає серйозних змін у стандартних парадигмах планування та аналізу клінічних випробувань. Використання методів предиктивної медицини потребує перегляду низки дизайнів клінічних випробувань для спільного створення методів лікування та прогностичних біомаркерів. Відповідно нові підходи до планування можуть стати основою для нового покоління предиктивних клінічних випробувань, що надають надійну індивідуалізовану інформацію.

Посилання

Simon, R. (2010). Clinical trials for predictive medicine: new challenges and paradigms. Clin Trials., 7(5), 516-524. doi: 10.1177/1740774510366454. DOI: https://doi.org/10.1177/1740774510366454

Jen, M. Y., Shahrokhi, M., Varacallo, M. A. (2022). Predictive Medicine. In: StatPearls [Internet]. URL: https://www.ncbi.nlm.nih.gov/books/NBK441941/.

Ginsburg, G. S., Willard, H. F. (2009). Genomic and personalized medicine: foundations and applications. Transl Res., 154(6), 277-287. doi: 10.1016/j.trsl.2009.09.005. DOI: https://doi.org/10.1016/j.trsl.2009.09.005

Williams, D. (2004). The critical path to medical innovation. Med. Device Technol., 5, 8–10.

Morel, N. M., Holland, J. M., van der Greef, J. et al. (2004). Primer on medical genomics. Part XIV: Introduction to systems biology - a new approach to understanding disease and treatment. Mayo Clin Proc., 79(5), 651-658. doi: 10.4065/79.5.651. DOI: https://doi.org/10.4065/79.5.651

Kihlbom, U., Hansson, M. G., Schicktanz, S. (2021). Ethical, social and psychological impacts of genomic risk communication. Abingdon, Oxon; Routledge. DOI: https://doi.org/10.4324/9780429341038

Pharmacogenomics. Knowledge. Implementation. URL: https://web.archive.org/web/20130513122722/ http:/www.pharmgkb.org/ .

Dondorp, W. J., de Wert, G. M. (2013). The ‘thousand-dollar genome’: an ethical exploration. Eur J Hum Genet., 21, Suppl 1, S6-26. doi: 10.1038/ ejhg.2013.73. DOI: https://doi.org/10.1038/ejhg.2013.73

Wilson, J. M. G., Jungner, G. (1968). Principles and practice of screening for disease. Geneva: WHO. URL: http://www.who.int/bulletin/volumes/86/4/07- 050112BP.pdf.

Malachynska, M. Y. (2023). Neonatalʹnyy skryninh yak skladnyk derzhavnoyi polityky okhorony zdorovʺya: pryklady mizhnarodnoho dosvidu ta adaptatsiya v Ukrayini. [Neonatal screening as a component of state health policy: examples of international experience and adaptation in Ukraine].

Vcheni zapysky TNU imeni V. I. Vernadsʹkoho. Seriya: Publichne upravlinnya ta administruvannya. [Scientific notes of the V. I. Vernadsky TNU. Series: Public management and administration], Vol. 34, 3 (73), 50-57. doi:10.32782/TNU-2663-6468/2023.3/09. [In Ukrainian]. DOI: https://doi.org/10.32782/TNU-2663-6468/2023.3/09

Pro vprovadzhennya rozshyrenoho neonatalʹnoho skryninhu v Ukrayini. [On the introduction of expanded neonatal screening in Ukraine]. Order of the Ministry of Health dated March 29, 2023 No. 588. URL: https://zakon.rada.gov.ua/rada/show/v0588282-23#Text. [In Ukrainian].

Pro zabezpechennya rozshyrenoho neonatalʹnoho skryninhu v Ukrayini. [On ensuring expanded neonatal screening in Ukraine]. Order of the Ministry of Health of Ukraine dated 01.10.2021 No. 2142. URL: https://zakon.rada.gov.ua/laws/show/z1403-21#Text. [In Ukrainian].

Stovitz, S. D. (2020). The Inability to Calculate Predictive Values: An Old Problem that Has Not Gone Away. Med Sci Educ., 30(2), 685–688. doi: 10.1007/s40670-020-00954-9. DOI: https://doi.org/10.1007/s40670-020-00954-9

Peabody, F. W. (1922). The physician and the laboratory. Bost Med Surg J [Internet], 187(9), 324–327. doi:10.1056/NEJM192208311870905. DOI: https://doi.org/10.1056/NEJM192208311870905

Casscells, W., Schoenberger, A., Graboys, T. B. (1978). Interpretation by physicians of clinical laboratory results. N Engl J Med [Internet], 299(18), 999–1001. URL: http://www.ncbi.nlm.nih.gov/pubmed/692627. DOI: https://doi.org/10.1056/NEJM197811022991808

Zhang, Z. (2020). Predictive analytics in the era of big data: opportunities and challenges. Ann Transl Med., 8(4), 68. doi:10.21037/atm.2019.10.97. DOI: https://doi.org/10.21037/atm.2019.10.97

Collins, G. S., Reitsma, J. B., Altman, D. G., Moons, K. G. (2015). Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. BMJ, 350, g7594. doi:10.1136/bmj.g7594. DOI: https://doi.org/10.1136/bmj.g7594

Adhikari, L., Ozrazgat-Baslanti, T., Ruppert, M. et al. (2019). I Improved predictive models for acute kidney injury with IDEA: Intraoperative Data Embedded Analytics. PLoS One, 14, e 0214904. doi:10.1371/journal.pone.0214904. DOI: https://doi.org/10.1371/journal.pone.0214904

Al-Quraishi, T., Al-Quraishi, N., AlNabulsi, H. et al. (2024). Big Data Predictive Analytics for Personalized Medicine: Perspectives and Challenges. Applied Data Science and Analysis, 32-38. doi:10.58496/ADSA/2024/004. DOI: https://doi.org/10.58496/ADSA/2024/004