Количественная клиническая фармакология и пациент-ориентированные технологии здравоохранения: перспективы 2030

Использование количественных (фармакостатистических) подходов при изучении зависимости между дозой лекарственного средства и фармакологическим ответом, а также для прогнозирования вариабельности параметров этой зависимости с учетом пациент-специфических характеристик (ковариат) является одним из наиболее перспективных направлений развития классической клинической фармакологии, называемом фармакометрика. Цель работы  — оценить значимость и перспективы развития количественной клинической фармакологии в условиях перехода системы здравоохранения на ценностно-обоснованную модель. Показано, что ключевыми предпосылками для развития фармакометрики явились разработка методологической математико-статистической базы, основанной на построении нелинейных смешанных регрессионных моделей, и становление парадигмы персонализированной медицины, нацеленной на разработку стратегий индивидуализированного назначения лекарственных препаратов. Обоснована необходимость использования сведений о зависимости «доза–эффект», полученных в результате надлежащим образом документированного поискового анализа информации, находящейся в существующих или вновь создаваемых базах данных. Дальнейшая интеграция фармакостатистического моделирования и технологий обработки данных реальной клинической практики, а также их включение в оценку клинико-экономической эффективности медицинских технологий позволят сократить время для принятия наиболее рациональных решений, способствуя тем самым переходу системы здравоохранения на ценностно-обоснованную модель.

1. Клиническая фармакология в здравоохранении, образовании и науке. Качественная клиническая практика. 2020;(2S):7–66. https://doi.org/10.37489/2588-0519-2020-S2

2. Mentré F, Friberg LE, Duffull S, French J, Lauffenburger DA, Lang Li, et al. Pharmacometrics and systems pharmacology 2030. Clin Pharmacol Ther. 2020;107(1):76–8. https://doi.org/10.1002/cpt.1683

3. Pacanowski M, Liu Q. Precision Medicine 2030. Clin Pharmacol Ther. 2020;107(1):62–4. https://doi.org/10.1002/cpt.1675

4. Denny JC, Collins FS. Precision medicine in 2030—seven ways to transform healthcare. Cell. 2021;184(6):1415–9. https://doi.org/10.1016/j.cell.2021.01.015

5. Allegaert K, Flint R, Smits A. Pharmacokinetic modelling and Bayesian estimation-assisted decision tools to optimize vancomycin dosage in neonates: only one piece of the puzzle. Expert Opin Drug Metab Toxicol. 2019;15(9):735–49. https://doi.org/10.1080/17425255.2019.1655540

6. Mehrotra N, Bhattaram A, Earp JC, Florian J, Krudys K, Lee JE, et al. Role of quantitative clinical pharmacology in pediatric approval and labeling. Drug Metab Dispos. 2016;44(7):924–33. https://doi.org/10.1124/dmd.116.069559

7. Holford N, Karlsson MO. Time for quantitative clinical pharmacology: a proposal for a pharmacometrics curriculum. Clin Pharmacol Ther. 2007;82(1): 103–5. https://doi.org/10.1038/sj.clpt.6100231

8. Jean D, Naik K, Milligan L, Hall S, Huang SM, Isoherranen N, et al. Development of best practices in physiologically based pharmacokinetic modeling to support clinical pharmacology regulatory decision-making—A workshop summary. CPT: Pharmacometrics Syst Pharmacol. 2021;10(11):1271–5. https://doi.org/10.1002/psp4.12706

9. Brouwer KLR, Schmidt S, Floren LC, Johnson JA. Clinical pharmacology education — the decade ahead. Clin Pharmacol Ther. 2020;107(1):37–9. https://doi.org/10.1002/cpt.1652

10. Van Driest SL, Choi L. Real-world data for pediatric pharmacometrics: can we upcycle clinical data for research use? Clin Pharmacol Ther. 2019;106(1):84–6. https://doi.org/10.1002/cpt.1416

11. Venkatakrishnan K, Benincosa LJ. Diversity and inclusion in drug development: rethinking intrinsic and extrinsic factors with patient centricity. Clin Pharmacol Ther. Published online September 22, 2021. https://doi.org/10.1002/cpt.2416

12. Swift B, Jain L, White C, Chandrasekaran V, Bhandari A, Hughes DA, Jadhav PR. Innovation at the intersection of clinical trials and real-world data science to advance patient care. Clin Transl Sci. 2018;11(5):450–60. https://doi.org/10.1111/cts.12559

13. Shahin MH, Abdel-Rahman S, Hartman D, Johnson JA, Mitchell DY, Reynolds KS, et al. The patient-centered future of clinical pharmacology. Clin Pharmacol Ther. 2020;107(1):72–5. https://doi.org/10.1002/cpt.1681

14. Hill-McManus D, Marshall S, Liu J, Willke RJ, Hughes DA. Linked pharmacometric-pharmacoeconomic modeling and simulation in clinical drug development. Clin Pharmacol Ther. 2021;110(1):49–63. https://doi.org/10.1002/cpt.2051