Математическая таблетка: как при помощи математического моделирования ускоряется разработка новых лекарств

Как математики помогают разрабатывать лекарства? Зачем фармкомпаниям нужны программисты и что такое математическое моделирование в фармацевтике?

От атомной бомбы к лекарственным препаратам

Математическое моделирование принято считать молодой наукой, широкое распространение в фармацевтике оно получило сравнительно недавно - лишь в XXI веке. Но поиск научных решений в этой области начался более 50 лет назад. Первая статья на эту тему - "Компьютерная модель действия лекарств" - датирована 1969 годом. Ее автором был Льюис Шайнер, руководивший лабораторией в университете Сан-Франциско. Эта работа была посвящена моделированию варфарина, всем известного антикоагулянта.

Впрочем, отдельные попытки провести расчеты с помощью моделирования предпринимались и раньше. Первые успешные прикладные достижения были связаны с созданием атомной бомбы в конце 40-х годов. В то время вычислительный арсенал лабораторий ограничивался такой техникой, как арифмометры "Феликс" и клавишные машины "Мерседес". Новый импульс применению моделирования дало появление персональных компьютеров спустя 20 лет.

Следующая ступень развития моделирования в фарме - конец восьмидесятых. Тогда по инициативе FDA (Food and Drug Administration, Управление по санитарному надзору за качеством пищевых продуктов и медикаментов, ветеринарии, а также косметическими, табачными и иными изделиями на территории США) был создан центр по экспертной оценке лекарств. К началу двухтысячных FDA всерьез беспокоил вопрос, почему разрабатывается так мало новых препаратов. Произошла фактическая "революция сверху": для соответствия требованиям регулятора глобальные фармкомпании стали создавать свои департаменты математического моделирования. К 2010 году в компаниях из топ-10 численность таких департаментов доходила до 100 научных сотрудников.

В России в середине нулевых мы увидели, что существует огромный пласт задач, связанных с анализом фармакокинетики, фармакодинамики, подбором дозировок при разработке лекарств. Мы стали вливаться в это сообщество, а через несколько лет, к 2016-2017 гг., отечественные фармкомпании "Биокад" и "Герофарм" уже приступили к созданию собственных групп обработки данных. Сегодня методы математического моделирования лежат в основе 100% новых препаратов - как оригинальных, так и дженериков. Есть направления, которые вообще немыслимы без матмоделей:

• Анестезиология. Ввести точную и правильную дозу препарата при анестезии критически важно. Если его будет слишком мало, пациент проснется на хирургическом столе. Если слишком много, возникает риск, что он не проснется вообще.
• Иммунология. В этой области ряд ключевых открытий связаны именно с математическим моделированием. У многих лауреатов Нобелевской премии по медицине в команде были очень сильные теоретики.
• Онкология. Одно из наиболее ярких практических применений - обоснование дозировок для радиотерапии. Матмоделирование помогло ускоренному выводу на рынок таких лекарств-блокбастеров, как пембролизумаб и осимертиниб.

Математическая модель таблетки

Как проходит процесс создания новых лекарственных препаратов? Сначала ищут мишень - биомолекулу, потенциально связанную с тем или иным эффектом улучшения симптомов, снижения остроты того или иного заболевания. Следующий этап - поиск вещества, способного связываться с мишенью. Как ни странно, эти этапы занимают сравнительно немного времени: не более полугода из общего - в среднем 12-летнего - цикла разработки лекарства от идеи до вывода на рынок. Оставшееся время уходит на то, чтобы найти эффект действия препарата и доказать его. Именно для этого используются различные методы математического моделирования. Самый простой вопрос. Вы приняли таблетку - и вам стало легче, как математически доказать, что именно от таблетки, а не потому что "само прошло"? Для этого есть определенный математический аппарат: фармакометрическое моделирование. Он позволяет точно вычислить удельный вес каждого фактора в суммарном эффекте от приема лекарства.

С результатом работы фармакометриков сталкивался каждый, кто хоть раз читал инструкцию по применению лекарства. В ней вы всегда найдете разделы: фармакокинетика, фармакодинамика, дозировка (дозировку, как правило, читают все, даже люди, совсем далекие от фармакологии). А дальше идут уточнения: пациенты с почечной недостаточностью должны использовать одну дозировку, дети - другую, пожилые - третью. Все эти цифры рассчитываются при помощи математических моделей: данные, которые разработчики препарата получают на всех фазах клинических исследований, собираются в специальное досье. При помощи математических моделей создается максимально информативная инструкция, где каждый пациент сможет найти для себя оптимальную дозировку.

Экономия средств и времени

Помимо чисто научной составляющей, математические модели открывают широкие возможности по сокращению времени вывода новых препаратов на рынок и снижению расходов на исследования. Именно математические расчеты, в частности, позволяют оптимизировать дизайн клинического исследования - и тогда для получения статистически доказанного эффекта может понадобиться меньше пациентов. Затраты на исследование пропорциональны количеству задействованных в нем пациентов. Следовательно, достижение абсолютно того же и с той же доказательной значимостью результата обойдется гораздо дешевле.

При помощи отдельных методов моделирования можно заменять излишние исследования. Чтобы зарегистрировать препарат, зачастую необходимо провести большое количество вспомогательных клинических испытаний, например у больных с почечной недостаточностью или принимающих дополнительные лекарства. Вспомогательные испытания могут растянуть клиническую программу на годы. Модель позволяет отказаться от таких долгих исследований, при этом не снижая доказательную ценность выводов и детализацию инструкции по применению.

Еще один важный момент: математическое моделирование позволяет на ранних этапах отказаться от бесперспективных проектов. Для фармы это очень большая проблема: вы можете долго тестировать препарат на животных, получать замечательные результаты, но препараты провалятся на стадии клинических исследований на пациентах, потому что у людей принципиально другая патология заболевания. Почему новые, оригинальные лекарства стоят так дорого? В стоимость одного препарата, который будет выведен на рынок, закладывается еще и цена негативных исследований для девяти других, до рынка не дошедших после провала в клинических исследованиях.

Отдел кадров

Это архисложный вопрос. Специалистов в нашей области никто не готовит, даже на Западе. Например, одна компания в Англии несколько лет искала в своей стране опытного фармакометрика (безуспешно). Во всем мире есть только две лаборатории с магистерскими программами, которые в какой-то степени можно адаптировать к фармакометрике: одна в университете Упсалы в Швеции, другая в университете Баффало, США. Мы решили обучать своих ребят самостоятельно и целенаправленно. Сначала старались найти людей среди молодых кандидатов наук в смежных дисциплинах. Затем поняли: чем раньше найдешь молодой талант, чем раньше погрузишь его в правильную научную среду, тем больше шанс вырастить отличного специалиста. Сейчас мы уже проводим учебу на уровне магистрантов и даже бакалавриата - читаем курсы в Сеченовском университете. В сентябре в Университете "Сириус" стартовала полноценная магистерская программа по математическому моделированию с нашим участием. Через два года первый наш магистрант получит диплом.

При этом я не возьмусь определять, какое образование для нас является профильным: математика или биология, фармацевтика или информатика. Нам важно уметь работать на стыке дисциплин. Это ключ к успеху в любой прикладной области. Даже если вы математический гений, вы все равно никуда не сдвинетесь без понимания биологии процесса и фундаментальных основ фармакологии. Тем не менее это не означает, что требуется два-три разных образования: оно может быть и одно. Но сам человек должен иметь открытый ум и воображение, не замыкаться в каких-то отдельных узких областях, шире смотреть на проблему и уметь вычленять самое важное.