Proviisori NYT: Parempia lääkkeitä matematiikan avulla
Ihmiset ovat yksilöitä, ja yksilöllistä pitäisi olla lääkehoidonkin. Vaihtelua on ihmisten välillä (sama annos ei välttämättä käy sinulle ja naapurillesi), ihmisten sisällä (20-vuotiaan sinän ja 75-vuotiaan sinän maksan toiminta on varsin erilainen) ja vuorokauden aikojen välillä (aamulla imeytyminen on nopeampaa). Mutta miten vaihtelun voi ottaa huomioon?
Vastausta kysymykseen lähdin hakemaan Leidenin yliopistosta Alankomaista, jossa työstin kuluvana keväänä graduprojektiani. Leidenissa opiskelevat kollegani valmistuvat biofarmaseuttisten tieteiden maistereiksi, eivät siis proviisoreiksi, mutta opiskelu on hyvin farmaseuttiseen tutkimukseen painottunutta. Yliopiston kyljessä onkin useita farmaseuttista tutkimusta tekeviä yrityksiä, jonne opiskelijat helposti löytävät harjoitteluun ja työllistyvät. Mielenkiintoinen työnkuva oli myös tutkimusryhmäni johtajalla, joka toimi puoliksi kliinisen farmakologian professorina ja puoliksi kliinisenä sairaalafarmasistina.
Varsinkin sairaalaympäristössä yksilölliselle lääkehoidolle on tarvetta. Lääkkeiden teho ja turvallisuus kliinisissä lääketutkimuksissa tutkitaan tietyllä rajatulla populaatiolla, mutta sairaalassa kohdattaville erityisryhmille, kuten lapsille, vanhuksille tai ylipainoisille, ei annossuosituksia usein suoraan ole. Lapsille lääkkeet annostellaan pääosin painon mukaan. Mutta kuinka toimivaa se on keskosilla? Miten ylipainoisille annostellaan antibiootit, anesteetit tai kipulääkkeet? Ei ainakaan painon mukaan, joten kuinka annostus tulisi sitten määrätä?
Lyhyt vastaus: simulaatioiden ja mallinnuksen avulla. Pidemmin: annostelun suuntaa voidaan määrittää lääkeainepitoisuuksia simuloimalla (hyödyntäen potilaan fysiologisia tekijöitä sekä lääkeaineen ominaisuuksia) tai mitattujen lääkeainepitoisuuksien perusteella muodostetun mallin avulla. Jälkimmäisessä tapauksessa voidaan hyödyntää tilastotieteeseen pohjaavaa menetelmää, populaatiofarmakokinetiikkaa, jolloin yksittäiseltä potilaalta riittää kerätä vain muutama pitoisuusnäyte. Toisin sanoen herkkiä erityisryhmiä, kuten lapsia tai raskaana olevia, voidaan tutkia aiheuttamatta potilaille turhaa rasitusta. Varsin nerokasta matematiikan hyödyntämistä!
Leidenin tutkimusryhmä selvitti edellä kuvatuilla menetelmillä annossuosituksia keskosten kivunhoitoon. Tutkimuksen keskiössä on morfiini, joka on oksikodonia suositumpi kipulääke Alankomaissa. Seuraava askel on siirtyä systeemilähestymistapaan, jossa tavoitteena on ennustaa muidenkin lääkkeiden pitoisuuksia perustuen potilaan fysiologisiin taustatietoihin. Kuulostaa jo varsin yksilölliseltä.
Älypuhelinten ja -laitteiden myötä tarvittavaa taustatietoa voidaan kerätä varsin vaivattomasti. Genominkaan määrittäminen ei ole enää poskettoman kallista. Lisäksi Suomessa on varsin kattavat rekisterit. Big data ja terveysteknologia tekevät siis vauhdilla tuloaan terveydenhuollon alalle. Duodecimin Terveysportti tarjoaa jo nyt mahdollisuutta hyödyntää mm. maksaan tai munuaisten toimintaan tai genetiikkaan liittyvää taustatietoa annostuksen määräämisessä. Mikä onkaan proviisorin rooli tuossa maailmassa?
Leidenin tutkimusryhmän tavoitteena on tehdä yksilölliseen lääkehoitoon tähtääviä ikääntymisen huomioivia malleja. Tämä on jo nyt mahdollista. Ei aikaakaan, kun tällaisten mallien avulla voidaan määrittää yksilöllinen lääkeannos jokaiselle potilaalle. Ties vaikka silloin voisi 3D-tulostaa jo omat sopivanvahvuiset lääkkensäkin.
Inspiroivia tuulia syksyyn toivottaen
Marko Lamminsalo
Proviisori, FM (matematiikka), Nuorempi tutkija, Itä-Suomen yliopisto
Proviisoriverkoston johtoryhmän jäsen