Mapa dotacji

Celem medycyny spersonalizowanej jest dostosowanie schematu postępowania z pacjentem pod względem maksymalnej skuteczności i bezpieczeństwa. Problem w jej implementacji stanowi brak trafnych i możliwych do zastosowania predyktorów wyboru właściwej drogi leczenia. Klinicznie przydatne narzędzie predykcyjne powinno uwzględniać skomplikowany układ wielu czynników dziedzicznych, środowiskowych oraz ich interakcję z wiekiem. Obecnie brakuje metod obliczeniowych przetwarzających, układających i interpretujących pełny profil pacjenta w kontekście zadanego pytania medycznego. Celem projektu jest opracowanie rozwiązań wspierających zdolność do wyprzedzającej oceny działania wybranego leku. Bezpośrednim wynikiem przedsięwzięcia będą matematyczne modele predykcyjne dla leków z trzech kluczowych dla zdrowia obszarów: kardiologii, psychiatrii i neurologii. W ramach projektu przeprowadzone zostaną badania przemysłowe od poziomu dedykowanej metody matematycznej do poziomu modeli przewidujących indywidualny profil lekowy. Plan projektu oparty jest o wyniki własnych badań wstępnych, uzyskanych we współpracy z grupą statystyków genetycznych. Współpracownicy pod kierunkiem prof. M. Robinsona z Institute of Science and Technology (Austria) tworzą innowacyjne algorytmy. Trafność proponowanego podejścia potwierdzono stosując nowe algorytmy do analizy działania antagonistów receptora angiotensyny (ARB) w zbiorze danych UK Biobank. Zidentyfikowano kilkadziesiąt czynników genetycznych i demograficznych, które w połączeniu, wyjaśniają na próbie testowej 17,4% wariancji w zmianie ciśnienia tętniczego wywołanej terapią ARB. Predykcja odpowiedzi lekowej jest szczególnie skuteczna u osób poniżej 50 roku życia, co może przełożyć się na długi okres terapii. Przeprowadzone badania pokazały złożoność interakcji leków, genotypów i wieku. Ich analiza i interpretacja wymaga połączenie metod matematycznych, wiedzy genetycznej oraz zrozumienia mechanizmów działania leków. Zadanie 1 “Strukturyzacja danyc