Descripción del proyecto
La teoría de sistemas dinámicos podría ayudar a los médicos a elegir el tratamiento óptimo
Las enfermedades, las comorbilidades y las respuestas de los pacientes a determinados tratamientos son el resultado de una complicada interacción de múltiples factores. Con los medios convencionales es extremadamente difícil comprender las relaciones que definen cómo esta intrincada red de aportaciones lleva a diversos resultados. Gracias a los datos masivos, a las matemáticas aplicadas de alto nivel y la informática, el proyecto Dc-ren, financiado con fondos europeos, está desarrollando una herramienta que tendrá en cuenta todo esto y más, y permitirá el uso de tratamientos farmacológico personalizados y optimizados para obtener unos resultados significativamente mejores. El equipo se centra en la nefropatía diabética, una comorbilidad común de la diabetes de tipo 2 que suele ir acompañada de enfermedades cardiovasculares. En la actualidad, los cócteles de fármacos que se dirigen a ella producen unas respuestas muy variadas. Gracias a su amplia base de datos de pacientes, técnicas experimentales avanzadas y teorías de sistemas dinámicos, Dc-ren está desarrollando un marco computacional ampliamente aplicable y completamente nuevo para la ayuda en la toma de decisiones.
Objetivo
Diabetic Kidney Disease (DKD) is highly prevalent in type 2 diabetes, with major impact on patients and healthcare systems. The complex disorder, further modulated by cardiovascular comorbidities, presents as an accumulation of risk factors, which we treat with drug combinations. While the overall benefit of this approach is evident on a cohort level, individual patients show remarkable heterogeneity in drug response, and lack of guidance on personalized medication results in suboptimal control of the disorder.
For resolving variability, we propose a new concept for personalization of drug combinations beyond the cohort-centric perspective. We improve patient stratification based on equivalence relations of clinical presentation, disease pathophysiology and drug combinations. The approach is derived from dynamical systems theory, aimed at reducing probabilistic assignment of patient-specific disease evolution and matching drug combinations. The availability of a large European repository holding DKD patients in routine care with diverse drug combinations, complemented by high-throughput screening for improving patient phenotyping, and molecular network modelling of pathology, embedded risk factor combinations and consequence of drug effect allows a systems representation of patient groups. Integrating clinical presentation and molecular architecture in a novel computational framework will establish a decision support software prototype. We will validate this tool for predicting optimized personalized drug combinations in a study using given clinical trial repositories. Demonstration will expand to other available drugs, which in combination with approved drugs promise benefit for groups of DKD patients.
With a clear route toward uptake in the clinical setting, and generalization capacity of our approach to other complex disorders we foster next steps in personalization, anticipate major patient benefit, and see novel translation and business opportunities.
Ámbito científico
- medical and health sciencesclinical medicineendocrinologydiabetesdiabetic nephropathy
- medical and health sciencesbasic medicinepharmacology and pharmacypharmaceutical drugs
- medical and health sciencesbasic medicinephysiologypathophysiology
- medical and health sciencesbasic medicinepathology
- medical and health sciencesclinical medicinenephrologykidney diseases
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-SC1-2019-Two-Stage-RTD
Régimen de financiación
RIA - Research and Innovation actionCoordinador
6020 Innsbruck
Austria