Рустам Гильфанов: автоматизация и big data - каким станет клиническое исследование будущего
Клинические испытания на людях остаются главным способом установить, насколько новый препарат эффективен и безопасен. Однако современная система формировалась постепенно: еще менее ста лет назад лекарства могли появляться на рынке после экспериментов исключительно на животных. Подобный подход неоднократно приводил к тяжелым последствиям и заставил научное сообщество полностью пересмотреть правила разработки медикаментов.
Сегодня фармацевтическая отрасль вступает в новый этап. На смену разрозненным данным, бумажным документам и длительным ручным процедурам приходят автоматизация, искусственный интеллект и технологии big data. По мнению Рустама Гильфанова, именно они будут определять развитие клинических исследований в 2020-е и 2030-е годы.
Почему испытания на животных оказались недостаточными
Предсказать реакцию человеческого организма только по результатам экспериментов на животных невозможно. Представители разных видов по-разному усваивают вещества, реагируют на токсичность и переносят побочные эффекты. К этому выводу ученые пришли после нескольких серьезных трагедий.
В 1937 году американская компания M. E. Massengill выпустила жидкий сульфаниламид, предназначенный в том числе для лечения детей. Поскольку действующее вещество плохо растворялось, в состав добавили диэтиленгликоль. Токсичность формулы не проверили даже на животных. После начала продаж в FDA поступили сообщения о смертельных случаях: лекарство стало причиной гибели 107 человек, среди них были восемь детей и один взрослый из Оклахомы.
Еще более масштабные последствия вызвала история талидомида. Препарат протестировали на крысах и сочли подходящим для использования человеком в качестве успокоительного средства. Власти Германии разрешили его продажу, после чего лекарство распространилось почти в 50 странах.
Результатом стали десятки тысяч пострадавших. Около 40 тысяч человек столкнулись с полинейропатией - поражением периферической нервной системы. Примерно у 10 тысяч детей, чьи матери принимали талидомид во время беременности, обнаружились тяжелые врожденные дефекты конечностей. Около половины младенцев не выжили.
Эти события показали, что доклинических экспериментов недостаточно. Впоследствии выпуск новых лекарств оказался под жестким государственным контролем, а для фармацевтических компаний ввели единые требования к проведению клинических исследований.
Как формировалась современная система КИ
К середине XX века испытания с участием людей уже проводились по процедурам, напоминающим нынешние. Первым полноценным клиническим исследованием обычно считают испытание вакцины против полиомиелита в 1954 году. Тем не менее обязательная проверка новых действующих веществ на добровольцах появилась далеко не сразу и окончательно закрепилась только в 1960-х годах.
Со временем исследования стали проводить в несколько последовательных этапов. Сначала оценивают безопасность и переносимость вещества, затем изучают его эффективность, подбирают дозировку и сравнивают результаты с плацебо или уже существующим лечением. После регистрации препарата продолжается наблюдение за пациентами, чтобы выявлять редкие и отсроченные побочные реакции.
Сегодня применяются два основных типа исследований. Обсервационные работы предполагают наблюдение за пациентами без целенаправленного вмешательства. Исследователи анализируют, как развивается заболевание, как люди принимают лекарство в реальной жизни и какие последствия возникают.
Экспериментальные исследования предполагают активное вмешательство. Участников распределяют по группам: одна получает проверяемый препарат, другая - плацебо или уже используемое лекарство. Такой подход позволяет точнее оценить разницу между терапевтическим эффектом и естественным течением болезни.
Роль протокола и информированного согласия
Каждое клиническое исследование проводится по заранее утвержденному протоколу. В нем указывают цели проекта, место проведения, количество участников, критерии включения и исключения, методы наблюдения, порядок обработки данных и способы статистического анализа. Без такого документа регулятор не разрешит начать испытания.
Не менее важна защита прав пациентов. Участник должен понимать, что участвует в исследовании, знать о возможных рисках, альтернативных методах лечения и предполагаемой пользе. Только после этого он подписывает информированное добровольное согласие. Эти требования основаны на этических принципах Хельсинкской декларации и международном стандарте надлежащей клинической практики GCP.
Золотым стандартом считается рандомизированное, двойное слепое и контролируемое исследование. Рандомизация снижает влияние субъективного отбора, двойное ослепление не позволяет пациентам и врачам заранее знать назначенное лечение, а контрольная группа помогает объективно сравнить результаты.
Что изменит автоматизация
Современные КИ по-прежнему требуют значительных временных и финансовых затрат. Значительная часть работы связана не с научными задачами, а с ручным вводом данных, проверкой документов, координацией центров и подготовкой отчетности. Автоматизация способна заметно ускорить эти процессы.
Цифровые платформы позволяют объединить информацию о пациентах, визитах, анализах и нежелательных явлениях в единой системе. Алгоритмы могут автоматически проверять логические несоответствия, напоминать о пропущенных процедурах и выявлять отклонения от протокола. Это снижает риск человеческой ошибки и освобождает исследователей от рутинных операций.
Отдельное направление - дистанционный сбор данных. Мобильные приложения, носимые устройства и домашние медицинские приборы позволяют фиксировать давление, пульс, уровень глюкозы, двигательную активность и качество сна без постоянного посещения клиники. Благодаря этому исследование становится ближе к реальным условиям жизни пациента.
Big data и персонализация испытаний
Большие данные объединяют сведения из электронных медицинских карт, генетических исследований, лабораторных анализов, страховой статистики и цифровых устройств. Их обработка помогает быстрее находить людей, соответствующих критериям конкретного исследования.
В будущем подбор участников может стать более точным. Алгоритмы будут учитывать не только диагноз и возраст, но и генетические особенности, сопутствующие заболевания, предыдущую терапию и вероятность определенного ответа на препарат. Это особенно важно для онкологии, редких заболеваний и персонализированной медицины.
Big data также помогает прогнозировать риски. Анализируя большие массивы информации, системы машинного обучения способны обнаруживать закономерности, которые трудно заметить человеку. Например, алгоритм может выявить связь между определенной комбинацией факторов и вероятностью побочной реакции еще до завершения испытания.
Какими станут клинические исследования в 2030-е годы
Вероятно, будущие испытания будут более гибкими и децентрализованными. Пациентам не всегда придется регулярно приезжать в исследовательский центр: часть процедур можно будет выполнять дома, а данные - передавать в защищенную цифровую систему.
Распространятся адаптивные протоколы. Они позволяют менять отдельные параметры исследования по мере накопления информации: корректировать дозировки, увеличивать перспективные группы или прекращать набор участников в неэффективные направления. Это сокращает сроки и не позволяет продолжать заведомо бесполезные ветви испытания.
Искусственный интеллект будет использоваться не только для анализа, но и на этапе разработки молекул. Он сможет сопоставлять свойства потенциальных соединений, моделировать взаимодействие с биологическими мишенями и оценивать вероятность токсичности. Однако окончательное решение по-прежнему останется за специалистами и регуляторами.
Главным условием цифровой трансформации станет безопасность данных. Чем больше медицинской информации собирается, тем важнее защищать ее от утечек, несанкционированного доступа и неправильной интерпретации. Потребуются прозрачные правила обезличивания, хранения и использования персональной информации.
Технологии не отменят необходимость участия людей и профессионального контроля. Они помогут сделать клинические исследования быстрее, точнее и доступнее, но не заменят этическую экспертизу, информированное согласие и ответственность врача. Будущее КИ, скорее всего, будет строиться на сочетании человеческого опыта, автоматизированных систем и анализа больших данных. Именно такой подход позволит эффективнее разрабатывать лекарства и одновременно снижать риски для пациентов.
