Prédire le dosage correct peut améliorer le succès de la réutilisation des médicaments

Prédire le dosage correct peut améliorer le succès de la réutilisation des médicaments

Accueil » Psychologie » Troubles mentaux » Enfant » Prédire le dosage correct peut améliorer le succès de la réutilisation des médicaments

Avant qu’un médicament puisse être utilisé pour traiter une maladie, il doit passer par un processus d’essai long et coûteux afin de prouver à la fois son innocuité et son efficacité. En réutilisant des médicaments déjà approuvés, les chercheurs peuvent parfois réduire le temps et les dépenses liés à la première étape. Selon les chercheurs de Penn State, les médicaments réutilisés échouent aussi souvent que les nouveaux médicaments dans les essais cliniques conçus pour étudier leur efficacité.

Pour améliorer le taux de réussite de la réutilisation des médicaments et déterminer les doses de traitement efficaces, les chercheurs de Penn State ont développé un modèle qui prédit les doses efficaces pour les médicaments réutilisés. Leurs résultats ont été publiés dans Rapports cellulaires Médecine.

“Ce qui est bien avec le processus de réutilisation d’un médicament, c’est qu’il n’est pas nécessaire de revenir en arrière et de revérifier qu’il est sans danger pour un patient”, a déclaré l’auteur correspondant Justin R. Pritchard, professeur agrégé de génie biomédical à Penn State. “Mais lorsque nous avons réellement examiné les chiffres, il s’est avéré que, simplement parce qu’il fallait sauter cette première étape et réduire une grande partie des coûts associés au développement de médicaments, le taux de réussite final de ces efforts de réutilisation était à peu près aussi bon. comme si on essayait de repartir de zéro avec un nouveau médicament. »

Le co-auteur de l’article et doctorant en génie biomédical de Penn State, Scott M. Leighow, a déclaré que le faible taux de réussite était en grande partie dû à un problème de compréhension de la dose du médicament lors des tests préliminaires.

“Un chercheur pourrait penser : ‘Ce médicament fonctionne très bien contre la leucémie. Peut-être que ce sera un bon médicament pour traiter le cancer du pancréas, le diabète ou le COVID'”, a-t-il déclaré. “Ce qui finit souvent par arriver, c’est qu’ils prennent ce médicament et en jettent suffisamment sur les cellules dans une assiette jusqu’à ce qu’ils voient l’effet souhaité, puis l’appellent une thérapie potentielle, même si la quantité peut ne pas être raisonnable. donner à un patient.

L’autre problème, a déclaré Leighow, est que les cellules isolées dans une boîte peuvent se comporter différemment des cellules entourées de protéines et de tissus dans le corps d’un patient.

Pour résoudre ce problème, les chercheurs ont développé un modèle informatique utilisant des données existantes sur les performances réelles d’un médicament contre la leucémie chez de vrais patients. Ils ont ensuite alimenté les informations du modèle avec leurs propres données expérimentales sur les interactions médicament-maladie pour différentes concentrations sur des cellules isolées dans une boîte. Plus précisément, les chercheurs ont testé le médicament sur des cellules cancéreuses isolées et sur des cellules cancéreuses dans une solution de protéines collantes, qui existent dans le sang et éloignent une partie du médicament de sa cible.

En divisant le premier nombre – le pourcentage du médicament qui a atteint les cellules cancéreuses cibles lors des tests effectués avec des protéines collantes – par le second, tiré des tests effectués sans protéines collantes, ils obtiennent le facteur de déplacement du sérum. Ils pourraient ensuite multiplier ce nombre par la concentration de médicament trouvée dans l’échantillon de sang d’un patient pour produire une concentration corrigée.

“Il s’avère que c’est un très bon indicateur de l’efficacité de ce médicament dans ce contexte pathologique”, a déclaré Leighow. “Nous appelons cela l’exposition efficace au médicament chez un patient, et c’est ce qui nous permet de traduire les valeurs de concentration entre un patient et les cellules d’une boîte.”

Leighow a déclaré qu’ils pourraient demander au modèle la concentration corrigée pour une association médicament-maladie particulière, qui sert de seuil.

“Des performances expérimentales supérieures à ce seuil que nous appellerons cliniquement efficaces, et des performances inférieures à ce chiffre, nous dirons que le médicament ne fonctionne pas dans ce contexte”, a déclaré Leighow. “Nous avons découvert que nous pouvions prendre le même chiffre que celui que le modèle nous avait donné et essayer d’évaluer des données que le modèle n’avait jamais vues auparavant, et demander : “Dans quelle mesure ce même seuil prédit-il si le médicament fonctionne dans ce contexte ?” Il s’est avéré que ce même nombre fonctionnait très bien dans des maladies totalement différentes. »

Pour cette recherche, l’équipe a utilisé des données sur la leucémie, mais lorsqu’elle les a appliquées au cancer du poumon et aux tumeurs stromales gastro-intestinales, elle a constaté des taux de réussite similaires (exactitude de 90 %) et a découvert qu’elle pouvait utiliser des seuils similaires pour prédire l’efficacité des médicaments.

“Même si ce seuil laisse une petite marge de manœuvre spécifique à la maladie, pour que l’ordinateur puisse nous dire avec précision quel était ce chiffre, il lui fallait ce contexte biologique plus large”, a déclaré Leihow. “Nous devions lui fournir les bons chiffres, alors qu’avant, ce n’était pas le cas.”

Bien que cette recherche se soit concentrée sur la recherche de doses efficaces pour la réutilisation de médicaments, les chercheurs ont déclaré qu’ils pensaient que ce modèle pourrait être utilisé pour concevoir de nouveaux médicaments dans une classe similaire à l’avenir.

★★★★★

A lire également