В НИУ ВШЭ придумали как повысить эффективность терапии лейкоза

Математики НИУ Высшая школа экономики разработали модель, позволяющую повысить эффективность лечения острого лимфобластного лейкоза у детей, информирует ТАСС. Анализирую индивидуальные медицинские данные больных, ученые рассчитали, какой из методов терапии предпочтительнее для той или иной группы пациентов, рассказал директор департамента анализа данных и искусственного интеллекта НИУ ВШЭ Сергей Кузнецов.

По словам Кузнецова, в 2011 году в ВШЭ обратился за помощью Александр Карачунский, замдиректора по научной работе Федерального научно-клинического центра детской гематологии, онкологии и иммунологии (ФНКЦ) им. Дмитрия Рогачева. «Они ждали от нас ответа на вопрос, почему отдельные препараты или отдельные типы терапий действуют лучше, чем другие. Возник вопрос, как результат терапии зависит от физиологических свойств пациента — состояния его органов, крови, некоторой генетической информации», — сказал Кузнецов.

Задачей ученых НИУ ВШЭ была разработка методики поиска подгрупп пациентов, для которых есть значимые различия в эффективности стратегий лечения. Выбор делался между двумя видами химиотерапии, при этом сравнивались пациенты со схожими физиологическими параметрами, получавшие разные типы лечения. Исследователи проанализировали данные 1773 пациентов в возрасте до 18 лет, больных острым лимфобластным лейкозом. В расчетах учитывался пол, возраст на момент постановки диагноза, состояние органов (печени, селезенки, центральной нервной системы) и другие характеристики.

В настоящее время врачи ФНКЦ проводят клинические испытания сформулированной в НИУ ВШЭ методики индивидуального подбора лечения пациентов. Кроме того, перед учеными остается ряд открытых вопросов, например, как модифицировать процедуру для сравнения трех и более разных стратегий лечения, как учитывать отрицательные события (рецидив, метастазы). Что касается уже разработанной процедуры, то, как замечает Кузнецов, она применима не только в гематологии и медицине, но может быть легко адаптирована для любого анализа в подгруппах.

Математики НИУ Высшая школа экономики разработали модель, позволяющую повысить эффективность лечения острого лимфобластного лейкоза у детей, информирует ТАСС. Анализирую индивидуальные медицинские данные больных, ученые рассчитали, какой из методов терапии предпочтительнее для той или иной группы пациентов, рассказал директор департамента анализа данных и искусственного интеллекта НИУ ВШЭ Сергей Кузнецов.

По словам Кузнецова, в 2011 году в ВШЭ обратился за помощью Александр Карачунский, замдиректора по научной работе Федерального научно-клинического центра детской гематологии, онкологии и иммунологии (ФНКЦ) им. Дмитрия Рогачева. «Они ждали от нас ответа на вопрос, почему отдельные препараты или отдельные типы терапий действуют лучше, чем другие. Возник вопрос, как результат терапии зависит от физиологических свойств пациента — состояния его органов, крови, некоторой генетической информации», — сказал Кузнецов.

Задачей ученых НИУ ВШЭ была разработка методики поиска подгрупп пациентов, для которых есть значимые различия в эффективности стратегий лечения. Выбор делался между двумя видами химиотерапии, при этом сравнивались пациенты со схожими физиологическими параметрами, получавшие разные типы лечения. Исследователи проанализировали данные 1773 пациентов в возрасте до 18 лет, больных острым лимфобластным лейкозом. В расчетах учитывался пол, возраст на момент постановки диагноза, состояние органов (печени, селезенки, центральной нервной системы) и другие характеристики.

В настоящее время врачи ФНКЦ проводят клинические испытания сформулированной в НИУ ВШЭ методики индивидуального подбора лечения пациентов. Кроме того, перед учеными остается ряд открытых вопросов, например, как модифицировать процедуру для сравнения трех и более разных стратегий лечения, как учитывать отрицательные события (рецидив, метастазы). Что касается уже разработанной процедуры, то, как замечает Кузнецов, она применима не только в гематологии и медицине, но может быть легко адаптирована для любого анализа в подгруппах.