Прорубить терапевтическое окно
«Вокруг фармацевтических компаний существует множество сервисов, которые они могут использовать, чтобы улучшить результаты. Один из таких сервисов — мак-моделирование, которое предлагает наша компания», — рассказал директор компании M&S Decisions Кирилл Песков.
Для компаний важна скорость — чем быстрее фармоператор выведет препарат на рынок, тем скорее он станет доступен для пациентов, подчеркнул эксперт. В последние 10 лет идут разговоры по поводу кризиса производительности, причем именно научно-исследовательской производительности в фарме. Компании стали выводить на рынок меньше лекарств, что парадоксально, потому что количество проектов и объемы инвестиций растут.
В этой связи американский регулятор FDA дал рекомендацию компаниям использовать более продвинутую аналитическую базу, когда работа строится с большим объемом экспериментальных данных при разработке лекарств. «Объем данных растет экспоненциально, а когнитивный лимит человека ограничен. И нам надо думать о том, как работать с этим огромным объемом информации. Наш способ позволяет принимать решение более осознанно, интегрировать информацию в принятие решений», — пояснил г-н Песков.
«Задач, где может применяться моделирование в фарме, очень много: когда мы подбираем соединение, когда мы пытаемся транслировать результаты, которые получаем на различных биологических системах, in vitro, in vivo, в поликлинике, пытаемся понять, как будет действовать лекарство и будет ли оно действовать вообще», — отметил эксперт.
Основной вопрос в разработке лекарств не изменился за последние 500 лет. Еще Парацельс сформулировал, что любое вещество является ядом. Только доза делает этот яд полезным. И главная задача — найти «терапевтическое окно», то есть ту дозировку, которая обладает максимальной эффективностью и максимальной безопасностью, рассказал глава IT-компании.
Big Data для Big Pharma
Вице-президент и исполнительный директор кластера биомедицинских технологий фонда «Сколково» Кирилл Каем развил эту тему. Биологические системы настолько сложны и слабопрогнозируемы, что оценить побочные эффекты той или иной молекулы очень сложно. Раньше лекарства разрабатывали, часто попадая пальцем в небо: если пациент получал симптоматическое облегчение при использовании совершенно ненаучного метода, он входил в практику. Отсюда развилась вся антисептика. Со временем ученые стали тыкать пальцем в небо целенаправленно. Где-то это были случайные находки, как, например, пенициллин, но постепенно химики принялись генерировать много различных молекул, а фармакологи — перебирать эти молекулы, пытаясь понять, на что они воздействуют.
В последние 30–40 лет ученые стали понимать, как это работает, и теперь наступил интересный исторический момент. Огромное количество знаний продолжает нарастать как снежный ком, и ученые изменили сам подход к разработке лекарственных средств: появляются библиотеки молекул, мишеней (молекул с центром связывания для лекарства), ведутся поиски правильных алгоритмов. Таким образом, количество молекул, которые ученые хотят получить, уменьшается, и после испытаний на животных выходят два-три лекарственных кандидата.
Следующий шаг — внедрение систем Big Data. Этим сейчас занимаются все: от Google до фармацевтических компаний. С нажатием волшебной зеленой кнопочки можно будет вытянуть из массивов данных более правильное решение и скорость разработки лекарственных средств станет выше. В течение 10 лет это уже должно будет влиять на принятие клинических решений: на зеленую кнопочку будет нажимать не разработчик лекарства, а врач.
«Уверен, что будущее в медицине за Big Data: собрав данные по большим популяциям населения, можно полностью изменить парадигму здоровья. Эти данные будут давать вероятностный прогноз о рисках и позволят не только заниматься профилактикой в традиционном виде, но и делать конкретные вмешательства, которые помогут остановить развитие заболеваний, — подчеркивает г-н Каем. — Это даст возможность более качественно лечить людей».
