Инициатива базы данных сопротивления - Resistance Database Initiative

Инициатива по базе данных по устойчивости к ВИЧ (RDI) это некоммерческий организация, созданная в 2002 году со следующей миссией:

Для улучшения клинического ведения ВИЧ инфекции путем создания большой клинической базы данных и биоинформатический методы, которые точно предсказывают реакцию любого человека на любую комбинацию препаратов против ВИЧ.

RDI преследует следующие конкретные цели:

  1. Быть независимым хранилищем данных об устойчивости к ВИЧ и результатах лечения.
  2. Использовать биоинформатику для изучения взаимосвязи между резистентностью, другими клиническими и лабораторными факторами и результатами лечения ВИЧ.
  3. Разработать и сделать в свободном доступе систему прогнозирования ответа на лечение в качестве средства оптимизации и индивидуализации клинического ведения ВИЧ-инфекции.

RDI состоит из небольшой исполнительной группы, базирующейся в Великобритании, международной консультативной группы ведущих ВИЧ / СПИД ученые и клиницисты, а также обширная глобальная сеть сотрудников и авторов данных.

Фон

Вирус иммунодефицита человека (ВИЧ) это вирус что вызывает синдром приобретенного иммунодефицита (СПИД ), состояние, при котором иммунная система начинает давать сбои, что приводит к опасным для жизни оппортунистические инфекции.

Есть примерно 25 ВИЧ-инфицированных.антиретровирусный 'Препараты шести различных классов, одобренных для лечения ВИЧ-инфекции, в зависимости от точки жизненного цикла ВИЧ, в которой они действуют.

Они используются в сочетании; обычно 3 или более препаратов из 2 или более различных классов, форма терапии, известная как высокоактивная антиретровирусная терапия или ВААРТ. Целью терапии является подавление вируса до очень низких, в идеале неопределяемых, уровней в крови, что предотвращает истощение вирусом иммунные клетки что он преимущественно атакует (CD4 клетки) и предотвращает или замедляет болезнь и смерть.

Несмотря на растущую доступность этих препаратов и влияние их использования, лечение по-прежнему не дает результатов, что часто приводит к развитию резистентности. Во время медикаментозной терапии все еще происходит репликация вируса на низком уровне, особенно когда пациент пропускает дозу. ВИЧ делает ошибки при копировании своего генетического материала и, если мутация делает вирус устойчивым к одному или нескольким лекарствам, он может начать более успешно реплицироваться в присутствии этого лекарства и подорвать эффект лечения. Если это произойдет, необходимо изменить лечение, чтобы восстановить контроль над вирусом.

В условиях хорошо обеспеченных ресурсами медицинских учреждений, когда лечение не дает результатов, может быть проведен тест на резистентность, чтобы предсказать, к каким лекарствам вирус пациента устойчив. Наиболее часто используемым типом теста является генотип тест, который выявляет мутации в вирусном генетический код. Затем эта информация обычно интерпретируется с использованием правил, приравнивающих отдельные мутации к устойчивости к отдельным лекарствам. Однако существует множество различных систем интерпретации, которые не всегда совпадают, системы дают только категориальные результаты (устойчивые, чувствительные или промежуточные), и они не обязательно хорошо соотносятся с тем, как пациент будет реагировать на комбинацию лекарств в клинике.

Обзор RDI

RDI был основан в 2002 году с целью внедрения нового подхода: разработки вычислительные модели использование широкого диапазона лабораторных и клинических данных, собранных у тысяч пациентов, получающих ВААРТ во всем мире, и использование этих моделей для прогнозирования реакции отдельного пациента на различные комбинации препаратов.

Ключом к успеху этого подхода является сбор больших объемов данных для обучения моделей и использование данных из максимально широкого и разнородного диапазона источников, чтобы максимизировать обобщаемость прогнозов моделей. Чтобы достичь этого, RDI намеревался привлечь как можно больше клиник по всему миру и стать единым хранилищем необходимых данных, чтобы избежать ненужного дублирования усилий и конкуренции.

По состоянию на январь 2019 года RDI собрал данные примерно от 250 000 пациентов из десятков клиник более чем 30 страны. Вероятно, это самая большая база данных подобного рода в мире. Данные включают в себя демографическую информацию о пациенте и несколько определений количества вируса в кровотоке пациента, количество клеток CD4 (лейкоцитов, критически важных для функции иммунная система что ВИЧ нацелен и уничтожает), генетический код вируса пациента и сведения о лекарствах, которые использовались для лечения пациента.

RDI использовал эти данные для проведения обширных исследований с целью разработки наиболее точной системы прогнозирования реакции на лечение. Это исследование включало разработку и сравнение различных методов вычислительного моделирования, включая искусственные нейронные сети, опорные векторные машины, случайные леса и логистическая регрессия.[1]

Прогнозы моделей RDI исторически коррелированный соответствует фактическим изменениям вирусной нагрузки пациентов в клинике, обычно достигая коэффициента корреляции 0,7 или более.[2]

Недавние модели предсказали, снизит ли комбинированное лечение уровень вируса в кровотоке пациента до неопределяемых уровней с точностью примерно 80%, что значительно лучше, чем просто использование генотипа с интерпретацией на основе правил.

ВИЧ-TRePS

В октябре 2010 года, после клинического тестирования в двух международных исследованиях, RDI предоставила свою экспериментальную Систему прогнозирования ответа на лечение ВИЧ, HIV-TRePS, доступной через Интернет. В январе 2011 года были опубликованы два клинических исследования, показывающих, что использование системы HIV-TRePS может принести клинические и экономические выгоды.[3] Исследования, проведенные опытными врачами по ВИЧ в США, Канаде и Италии, показали, что использование системы было связано с изменением решения о лечении в пользу комбинаций, включающих меньшее количество лекарств в целом, что, по прогнозам, приведет к лучшим вирусологическим ответам, что позволяет предположить, что использование система потенциально может улучшить результаты лечения пациентов и снизить общее количество и стоимость используемых лекарств.

Поскольку клиники в условиях ограниченных ресурсов часто не могут позволить себе генотипирование, RDI разработала модели, которые позволяют прогнозировать ответ на лечение без необходимости указания генотипа с небольшой потерей точности.[4] В июле 2011 года RDI сделал эти модели доступными в рамках системы HIV-TRePS. Эта версия предназначена, в частности, для условий с ограниченными ресурсами, где генотипирование обычно недоступно. Самая последняя из этих моделей, обученная с использованием самого большого набора данных, достигла 80% точности, что сопоставимо с моделями, которые используют генотип в своих прогнозах, и значительно более точны, чем генотипирование с самой интерпретацией на основе правил.[5][6]

HIV-TRePS сейчас используется примерно в 90 странах в качестве инструмента для прогнозирования вирусологического ответа на терапию и предотвращения неудач лечения.

Система была расширена, чтобы позволить врачам включать их местные затраты на лекарства в моделирование. Недавнее исследование данных индийской когорты продемонстрировало, что система смогла идентифицировать комбинации трех доступных на местном уровне препаратов с более высокой вероятностью успеха, чем режим, прописанный в клинике, включая те случаи, когда лечение, используемое в клинике, не помогло. Более того, во всех этих случаях некоторые из альтернатив были менее дорогостоящими, чем схема, используемая в клинике, что позволяет предположить, что система может не только помочь избежать неудач лечения, но и снизить затраты.[7]

Персонал RDI

Руководитель RDI

  • Д-р Брендан Лардер - научный руководитель
  • Д-р Эндрю Ревелл - исполнительный директор
  • Д-р Дечао Ван - Директор по биоинформатике
  • Дэниел Коу - директор по разработке программного обеспечения

Международная консультативная группа

Данные RDI и исследовательская группа

Когорты: Питер Рейсс и Ард ван Зигхем (ATHENA, Нидерланды); Хулио Монтанер и Ричард Харриган (Центр передового опыта Британской Колумбии в области ВИЧ и СПИДа, Канада); Тобиас Ринке де Вит, Раф Хамерс и Ким Сигалофф (когорта PASER-M, Нидерланды); Брайан Аган, Винсент Маркони и Скотт Вегнер (Министерство обороны США); Ватару Сугиура (Национальный институт здоровья, Япония); Маурицио Дзацци (МАСТЕР, Италия); Рольф Кайзер и Ойген Шуэльтер (Arevir Cohort, Кельн, Германия); Адриан Streinu-Cercel (Национальный институт инфекционных болезней, профессор, доктор Матей Балш, Бухарест, Румыния); Херардо Альварес-Урия (VFHCS, Индия), Мария-Хесус Перес-Элиас (CORIS, Испания), Тулио де Оливейра (SATuRN, Южная Африка).

Клиники: Хосе Гатель и Элиза Лаццари (Университетская больница, Барселона, Испания); Брайан Газзард, Марк Нельсон, Антон Позняк и Сундхия Мандалия (больница Челси и Вестминстер, Лондон, Великобритания); Колетт Смит (Королевская бесплатная больница, Лондон, Великобритания); Лидия Руис и Bonaventura Clotet (Fundacion Irsi Caixa, Баделона, Испания); Шломо Сташевски (Больница Университета Иоганна Вольфганга Гете, Франкфурт, Германия); Карло Торти (Университет Брешии, Италия); Х. Клиффорд Лейн, Джулия Меткалф и Кэтрин А. Рем (Клиника Национального института здоровья, Роквилл, США); Мария-Хесус Перес-Элиас (Instituto Ramón y Cajal de Investigación Sanitaria, Мадрид, Испания); Стефано Велла и Габриэль Детторре (Университет Ла Сапиенца, Рим, Италия); Эндрю Карр, Ричард Норрис и Карл Гессе (Амбулаторная служба иммунологии B, больница Св. Винсента, Сидней, Новый Южный Уэльс, Австралия); Д-р Эмануэль Влахакис (частная клиника Тейлорс-Сквер, Дарлингхерст, Новый Южный Уэльс, Австралия); Хьюго Темпельман и Роос Барт (группа по уходу за Ндлову, Эландсдорн, Южная Африка), Робин Вуд, Карл Морроу и Дельфина Когилл (Центр борьбы с ВИЧ Десмонда Туту, Кейптаунский университет, Южная Африка); Крис Хоффманн (Институт Аурум, Йоханнесбург, ЮАР и Университет Джона Хопкинса, Бостон, США; Люминита Эне (Больница инфекционных и тропических болезней «Доктор Виктор Бабес», Бухарест, Румыния); Гордана Драгович (Белградский университет, Белград, Сербия) ); Рикардо Диас и Сесилия Сукупира (Федеральный университет Сан-Паулу, Сан-Паулу, Бразилия); Омар Сьюд и Карина Сезар (Fundación Huésped, Буэнос-Айрес, Аргентина); Хуан Сьерра Мадеро (Instituto Nacional de Ciencias Medicas y Nutricion Salvador Zubiran , Мексика); Пачамуту Балакришнан и Шанмугам Сараванан (YRG Care, Ченнаи, Индия).

Клинические испытания: Шон Эмери и Дэвид Купер (CREST); Карло Торти (GenPherex); Джон Бакстер (GART, MDR); Лаура Монно и Карло Торти (PhenGen); Хосе Гателл и Бонвентура Клотет (ГАВАНА); Гастон Пиччио и Мари-Пьер де Бетюн (DUET 1 & 2 и POWER 3); Мария-Хесус Перес-Элиас (RealVirfen); Шон Эмери, Пол Хабо и Лотти Ледваба (PHIDISA).

Рекомендации

  1. ^ Ван, Дечао (2009). «Сравнение трех методов компьютерного моделирования для прогнозирования вирусологического ответа на комбинированную терапию ВИЧ». Искусственный интеллект в медицине. 47 (1): 63–74. Дои:10.1016 / j.artmed.2009.05.002. PMID  19524413.
  2. ^ Лардер, Брендан (2007). «Разработка искусственных нейронных сетей для прогнозирования вирусологического ответа на комбинированную терапию ВИЧ». Противовирусная терапия. 12 (12): 15–24. PMID  17503743.
  3. ^ Лардер, Брендан (2011). «Клиническая оценка потенциальной применимости компьютерного моделирования в качестве инструмента выбора лечения ВИЧ врачами со значительным опытом работы с ВИЧ». Уход за больными СПИДом и ЗППП. 25 (1): 29–36. Дои:10.1089 / apc.2010.0254. ЧВК  3030912. PMID  21214377.
  4. ^ Ревелл, Эндрю (2010). «Моделирование ответа на терапию ВИЧ без генотипа: аргумент в пользу мониторинга вирусной нагрузки в условиях ограниченных ресурсов». Журнал антимикробной химиотерапии. 65 (4): 605–607. Дои:10.1093 / jac / dkq032. ЧВК  2837552. PMID  20154024.
  5. ^ Ревелл, Эндрю; Wang, D; Wood R; и другие. (2013). «Вычислительные модели могут предсказать ответ на терапию ВИЧ без указания генотипа и могут уменьшить неэффективность лечения в различных условиях с ограниченными ресурсами». Журнал антимикробной химиотерапии. 68 (6): 1406–14. Дои:10.1093 / jac / dkt041. ЧВК  3654223. PMID  23485767.
  6. ^ Лардер, Брендан; Revell AD; Hamers R; Tempelman H; и другие. (2013). «Точное прогнозирование ответа на терапию ВИЧ без генотипа - потенциальный инструмент для оптимизации терапии в условиях ограниченных ресурсов». Противовирусная терапия.
  7. ^ Ревелл, Эндрю; Альварес-Урия Г; Ван Д; Позняк А; Montaner JSG; Дорожка HC; Larder BA; и другие. (2013). «Потенциальное влияние бесплатной онлайн-системы прогнозирования ответных мер на лечение ВИЧ для снижения вирусологических неудач и затрат на лекарства после неудачной антиретровирусной терапии в условиях ограниченных ресурсов». BioMed Research International. 2013: 1–6. Дои:10.1155/2013/579741. ЧВК  3794568. PMID  24175292.

внешняя ссылка