Применение математических моделей для прогнозирования дозировки лекарств и их эффективности

Цель работы заключается в формировании всестороннего понимания того, как математические модели применяются для интерпретации сложной динамики, связанной с распределением, метаболизмом и выведением лекарств в организме человека. Использование математических моделей для прогнозирования необходимой дозы назначений лекарственных препаратов и установления его эффективности означает изменение парадигмы в области фармакологии. 

Методы, использованные в данном исследовании, были направлены на выявление и аналитический обзор статей, соответствующих целям исследования. Публикации, включенные в анализ, были подвергнуты анализу и извлечению данных, сосредоточив внимание на ключевой информации, такой как используемая методология математического моделирования, точные прогнозируемые эффекты лечения, изучаемые популяции, долгосрочные прогностические эффекты и оценка применения различных режимов дозирования препаратов.

Результаты. Всего было проанализировано 12 публикаций, в которых использовались четыре различные методологии: модели с воздействием нескольких различных состояний; модели, учитывающие возникновение разнообразных дискретных событий; модели, основанные на воздействии информативных признаков с учетом физиологии индивидов, а также модели выживания и обобщенные линейные модели. 

Заключение. Проведенное исследование текущего состояния математического моделирования в медицинских исследованиях с целью сравнительной эффективности предназначено для практикующих научных работников и врачей при проведении дальнейших исследований и внедрении инноваций. Несмотря на существование проблем, потенциальное влияние этих моделей направлено на преодоление разрыва между контролируемой клинической средой и реальным контекстом здравоохранения неоспоримо. Применение математических методов моделирования для прогнозирования дозировки лекарственных средств позволит повысить качество и эффективность персонифицированных медицинских назначений в ближайшие годы.

1. Hartmanshenn C., Scherholz M., Androulakis I.P. Physiologically-based pharmacokinetic models: approaches for enabling personalized medicine. Journal of Pharmacokinetics and Pharmacodynamics. 2016;(43):481–504.

2. Marsousi N., Desmeules J.A., Rudaz S., Daali Y. Usefulness of PBPK Modeling in Incorporation of Clinical Conditions in Personalized Medicine. J. Pharm. Sci. 2017;106(9):2380–2391.

3. Krauss M., Tappe K., Schuppert A., Kuepfer L., Goerlitz L. Bayesian Population Physiologically-Based Pharmacokinetic (PBPK) Approach for a Physiologically Realistic Characterization of Interindividual Variability in Clinically Relevant Populations. PLoS One. 2015;10(10):0139423. https://doi.org/10.1371/journal.pone.0139423

4. Fan C., Basharat Z., Mah K., Wei C.R. Computational approach for drug discovery against Gardnerella vaginalis in quest for safer and effective treatments for bacterial vaginosis. Sci. Rep. 2024;14(1):17437. https://doi.org/10.1038/s41598-024-68443-2

5. Djuris J., Cvijic S., Djekic L. Model-Informed Drug Development: In Silico Assessment of Drug Bioperformance following Oral and Percutaneous Administration. Pharmaceuticals (Basel). 2024:17(2):177. https://doi.org/10.3390/ph17020177

6. Wang Y., Zhu H., Madabushi R., Liu Q., Huang S.M., Zineh I. Model-informed drug development: Current US regulatory practice and future considerations. Clin. Pharmacol. Ther. 2019;105(4):899–911. https://doi.org/10.1002/cpt.1363

7. Cvijić S., Ignjatović J., Parojčić J., Ibrić S. The emerging role of physiologically-based pharmacokinetic/biopharmaceutics modeling in formulation development. Arh. Farm. 2021;71:318–335. https://doi.org/10.5937/arhfarm71-32479

8. Kesisoglou F., Chung J., van Asperen J., Heimbach T. Physiologically based absorption modeling to impact biopharmaceutics and formulation strategies in drug development-industry case studies. J. Pharm. Sci. 2016;105(9):2723–2734. https://doi.org/10.1016/j.xphs.2015.11.034

9. Abbiati R.A., Manca D. A modeling tool for the personalization of pharmacokinetic predictions. Comput. Chem. Eng. 2016;91:28–37. https://doi.org/10.1016/j.compchemeng.2016.03.008

10. Dar K.B., Bhat A.H., Amin S., Hamid R., Anees S., Anjum S., Reshi B.A., Zargar M.A., Masood A., Ganie S.A. Modern Computational Strategies for Designing Drugs to Curb Human Diseases: A Prospect. Curr. Top. Med. Chem. 2018;18(31):2702–2719.

11. Singh K., Bhushan B., Singh B. Advances in Drug Discovery and Design using Computer-aided Molecular Modeling. Curr. Comput. Aided. Drug. Des. 2024;20(5):697–710. https://doi.org/10.2174/1573409920666230914123005

12. Razia I.T., Kanwal A., Riaz H.F., Malik A., Ahsan M., Khan M.S., Raza A., Sabir S., Sajid Z., Khan M.F., Tahir R.A., Sehgal S.A. Recent Trends in Computer-aided Drug Design for Anti-cancer Drug Discovery. Curr. Top. Med. Chem. 2023;23(30):2844–2862.

13. Hasan R., Alsaiari A.A., Fakhurji B.Z., Molla M.H.R., Asseri A.H., Sumon A.A., Park M.N., Ahammad F., Kim B. Application of Mathematical Modeling and Computational Tools in the Modern Drug Design and Development Process. Molecules. 2022;27(13):4169.

14. Atanasov A.G., Zotchev S.B., Dirsch V.M., Orhan I.E., Banach M., Rollinger J.M., Barreca D., Weckwerth W., Bauer R., Bayer E.A., et al. Natural Products in Drug Discovery: Advances and Opportunities. Nat. Rev. Drug. Discov. 2021;20:200–216.

15. Atanasov A.G., Waltenberger B., Pferschy-Wenzig E.M., Linder T., Wawrosch C., Uhrin P., Temml V., Wang L., Schwaiger S., Heiss E.H., et al. Discovery and Resupply of Pharmacologically Active Plant-Derived Natural Products: A Review. Biotechnol. Adv. 2015;33:1582–1614.

16. Li C.Q., Lei H.M., Hu Q.Y., Li G.H., Zhao P.J. Recent Advances in the Synthetic Biology of Natural Drugs. Front. Bioeng. Biotechnol. 2021;9:640. https://doi.org/10.3389/fbioe.2021

17. Rudrapal M., Khairnar S.J., Jadhav A.G. Drug Repurposing (DR): An Emerging Approach in Drug Discovery. In: Drug Repurposing. IntechOpen; 2020. 234 p.

18. Biala G., Kedzierska E., Kruk-Slomka M., Orzelska-Gorka J., Hmaidan S., Skrok A., Kaminski J., Havrankova E., Nadaska D., Malik I. Research in the Field of Drug Design and Development. Pharmaceuticals (Basel). 2023;16(9):1283.

19. Gunnarsson E.B., Kim S., Choi B., Schmid J.K., Kaura K., Lenz H.J., Mumenthaler S.M., Foo J. Understanding patient-derived tumor organoid growth through an integrated imaging and mathematical modeling framework. PLoS. Comput. Biol. 2024;20(8):e1012256.

20. Ncube N.B., Tukulula M., Govender K.G. Leveraging computational tools to combat malaria: assessment and development of new therapeutics. J. Cheminform. 2024;16(1):50.