hirdetés
2024. március. 29., péntek - Auguszta.
hirdetés

Precíziós medicina stroke-ban – eredmények, lehetőségek, kihívások

Az ezredforduló környékén kifejlesztett, majd gyorsan bővülő genomikai és egyéb omikai, valamint más molekuláris biomedicinális megoldások a klinikai medicina és az egészségügy más területein is új korszakot nyitottak.

Az új eredmények és lehetőségek klinikai transzlációja egy alapjaiban új modell/koncepcionális keretrendszer bevezetését tette szükségessé – a cél pedig az volt, hogy az egymáshoz kapcsolódó és egymásra utalt, korábban mégis elkülönülten működő szereplők és elemek új típusú szoros együttműködése és interakciója minél hatékonyabb legyen. Az új modell határait egyfelől a biomedicinális kutatások, másik oldalról a betegellátás és szolgáltatás képezik, outputját mind az egyén, mind a nemzetegészségügy számára hasznosuló és minőségében folyamatosan javuló orvosi, egészségügyi ellátás jelenti. Mindezen folyamatok nyomán alakult ki az ezredforduló tájékára a „Személyre Szabott Medicina” (SzSzM) modell, melynek koncepcióját később az új eredmények befogadására is alkalmas „Precíziós Medicina” (PM) keretrendszer vette át.

Személyre Szabott Medicina vs. Precíziós Medicina: Melyik fogalom ajánlott és miért?

A „Személyre Szabott Medicina” (szakirodalomban: „personalized medicine”), kifejezés a genomikai eredmények térhódításának eredményeképpen, a 2000-es évek elején keletkezett és azt követően terjedt el, átfedést mutatva néhány más névvel, pl. „Genomikai Medicina”, „Omikai Medicina” (ezek egymás szinonimájaként is előfordultak). A SzSzM bevezetését a genomikai adatok orvosi alkalmazása és az abból – talán túlzottan nagy reményekkel – levezetett egyedi orvosi terápia inspirálhatta. Alkalmazásának pár éves tapasztalatai azonban arra utaltak, hogy a „személyre szabás” kifejezés időnként zavaróan eltérő, ráadásul megalapozatlan értelmezést kaphat orvosi és köznapi használatban egyaránt. Ezért is látszott célszerűnek a nevet egy tartalmában hasonló, nevével azonban félreértéseket nem okozó, koncepciójában is időtálló kifejezéssel megújítani. Emellett más körülmények is a névváltozásra ösztönözhettek. Mi például úgy véljük, hogy fontos szerepet játszhatott ebben a Nobel-díjas P. A. Sharp és 11 további tudós (Massachusetts Institute of Technology) szintén korszakváltást előkészítő, 2011-ben publikált tanulmánya, mely az élettudományok, fizikai és mérnöki tudományok konvergenciáját mutatta be (1). Az élvonalbeli kutatások lehetőségeinek felismerésével szinte felvillanyozó konvergenciaelv kimondatlanul is az egyik koncepcionális pillérévé vált az akkori Precíziós Medicina modellnek is. Ezt a kapcsolatot azonban a SzSzM név aligha érzékelteti, viszont a PM elnevezésből talán nem is annyira nehéz a személyre szabottságra asszociálni, annak implicit jelenlétét felismerni.  

A Precíziós Medicina modell

A modell bevezetését és magát a nevet is egy biomedicinális kutatókból és klinikusokból alakult Akadémiai Bizottság javasolta 2011-ben az Egyesült Államokban (2). Időszerűségét lényegében két szempont indokolta: egyrészt az új tudományos-technológiai eredmények és a gyors ütemben gyarapodó lehetőségek hatékony(abb) hasznosításának igényéből fakadó koncepcionális rendszerváltás szükségessége a klinikai medicina és a biomedicina területein; másrészt pedig konkrétan az SzSzM elnevezés nemritkán tapasztalt bizonytalan, akár zavaros értelmezése. Egyébként a bizottságnál a másik feladat – egy új betegségtaxonómiai rendszer alapjainak kidolgozása – kapcsán is felmerülhetett az igény egy, a klinikai medicina keretrendszerének változását, megújulását jobban tükröző név bevezetésére.   

Fontos fejlemény volt, hogy a klinikai medicina és a biomedicinális kutatások keretei egyre szorosabb átfedésbe kerültek, ami által egyrészt új távlatok nyíltak, másrészt pedig új, különösen tartalmi és rendszerszintű koncepcionális és stratégiai feladatok is körvonalazódtak. Így merült fel az új molekuláris biológiai (pl. omikai), a betegségekre vonatkozó klinikai ismeretek, új eszközök, valamint a sok és sokféle adatot tartalmazó adatbázisok („big data”) közös hasznosításának, s annak érdekében a különféle tudományterületek és információs, mérnöki technológiák közös elvi és gyakorlati keretrendszere létrehozásának gondolata. Ezt a keretrendszert biztosítja a PM modell.A klinikai medicina számára tehát a PM modell az orvosi döntéshozatal egyedi szinten is egyre jobban érvényesülő „precizitását” támogatja – talán ez a körülmény vezethetett a precíziós medicina elnevezéshez is (vagyis a névben a precíziós jelző nem szigorú tudományos, méréstechnikai, hanem lazább, köznapi jelentésével szerepel). A PM modell szerint meghatározható az egyénre vonatkozó, egyre bővülő egyéni jellemzők figyelembevételével történő orvosi döntéshozatal új útja és módja is. Ennek két fontos szakasza közül az elsőben sok és sokféle betegadat elemzésével, a betegséggel szembeni érzékenység, a betegségek mechanizmusa és prognózisa, valamint a kezelésre várható reakciók tekintetében hasonló egyénekből álló csoportokat képeznek; a döntési szakaszban, a kezelendő egyént saját jellemzői alapján a megfelelő csoportba besorolva történik meg a számára legelőnyösebb beavatkozás meghatározása. E tekintetben tehát az SzSzM és a PM modellek tartalma nagyjából azonos. Hangsúlyozandó, hogy egyik sem jelent egyénre specifikusan fejlesztett gyógyszerrel végzett kezelés-előírást vagy kezelést (ilyen gyógyszerek nem is léteznek) – fontos körülmény, hogy míg a PM név erre egyáltalán nem utal, a „személyre szabás” kifejezés felületes értelmezése ezt is sejteti.

A PM modellt egy statikus definíció helyett, inkább időtálló koncepciójával és dinamikusan bővülő tartalmával szokás jellemezni. A PM elnevezés gyorsan elterjedt, bár az SzSzM elnevezés sem teljesen szorult ki a használatból. (A nemzetközi szakirodalomban, valamint az angolszász, skandináv és dél-európai országok egészségügyi terminológiájában főként a PM nevet, míg az EU-s adminisztrációban, akárcsak Magyarországon, mindkét elnevezést használják.)

Mi a Precíziós Medicina elnevezést alkalmasabbnak tartjuk a koncepció kifejezésére és a hazai gyakorlatban is ennek egységes használatát javasoljuktöbb szempont miatt is. Először is, mert a PM eredeti és időtálló koncepciója és aktuális tartalma egyszerűen és egyértelműen (mai terminológiával is) kifejezhető, például az alábbi rövid, szakszerűségében igényes leírással. A PM integratív rendszerszemlélete fokozatosan felváltja a tradicionális redukcionista, „one-size-fits-all” és „trial-and-error” klinikusi és kutatói szemléletet. Így egyre jobban közelít ahhoz az optimális mechanizmushoz, mely a medicinális gyakorlatban (és innovációban) az egyénnek valamennyi releváns egyedi tulajdonságát azonosítja és figyelembe veszi a betegség megelőzésére és terápiájára irányuló döntésében – a modell ennek beteljesülésével válik személyre szabásra is képessé és paradigmaváltóvá. A mindehhez szükséges eszközrendszert megfelelően integráltan biztosítja. 

Másodszor azért, mert a „személyre szabott medicina” nem csak „ártatlan” félreértést okozhat, hanem annak akár kínosabb következményei is lehetnek. Széles körökben, például betegben, politikában és a közvéleményben egyaránt megalapozatlan elvárásokat teremthet, majd – szembesülve azok kielégíthetetlenségével – az orvos és az egészségügyi ellátás iránti bizalom megrendülését/elvesztését okozhatja, de akár „számonkérést” is kiválthat.

A PM névnek nincs ilyen indirekt „sugallata”, mert még a laikusok számára is egyértelműen azt fejezi ki, hogy a medicina aktuális precizitása érvényesül az egyén esetében és az egészségügy minden területén egyaránt.

Precíziós Medicina: Példák

A példákkal két célt szeretnénk elérni: bemutatni egyrészt a PM modell több területre kiterjedő jelentőségét és a modell komponenseit, valamint a modell és a klinikai diagnosztika, betegségmegelőzés és gyógyszerterápia, valamint a gyógyszer-innováció produktív kapcsolatát. 

 Biomarkerek

A PM egyik legfontosabb pillérét a biomarkerek képezik, melyek az egészséges állapot és a betegség (egészséges fenotípus vs. patofenotípus) azonosítását/megkülönböztetését és változásaik követését teszik lehetővé. Így azoknak az ellátás minden szakaszában fontos szerepük van a prevenciótól kezdve a terápia meghatározásán és eredményességének követésén át egészen a gyógyulásig. Emellett igen meghatározóak a gyógyszerinnováció területén is. Következésképpen, a megfelelő biomarkerek (megfelelően alkalmazott) használata a klinikus és a kutató számára is nélkülözhetetlen. A biomarkereket érintő terület növekvő jelentőségét mutatja a globális piacuk évről évre növekvő, magas értéke is (2018-ban 39,1 milliárd USD; 2026-ban várhatóan 97,5 milliárd USD). 

A biomarkerek tágabb értelmezésük szerint sokfélék lehetnek, csoportosításuk alapja lehet a forrásuk (pl. biokémai, omikai, képi, hisztológiai, digitális, tüneti/megfigyelhető tulajdonság), jellegük (pl. molekuláris, (szemi)empirikus skála szerinti), kémiai tulajdonságuk (pl. fehérjék, kismolekulák), illetve szerepük is. Mi célszerűen klinikai döntési funkciójuk és biológiai származásuk szerint mutatjuk be alkalmazásukat, utalva a legújabbakra is, és az elnevezésekben az aktuális terminológiát követjük (3). A példáink szerinti rizikó-, prognosztikus, követő (monitorizáló), prediktív és digitális biomarkerek jelentését a következőkben röviden meg is adjuk. A rizikó/kockázati-biomarker („susceptibility/risk-biomarker”) a betegség bekövetkezésének, a prognosztikus biomarker a betegség újbóli bekövetkezésének vagy progressziójának a valószínűségét jelzi. A prediktív biomarker a terápiára reagálók és nem reagálók azonosítására alkalmas. A követő(monitorizáló) biomarker betegség vagy terápia, vagy egy környezeti hatás szériaszerű követésére alkalmas (így funkciója és jelentése több más biomarkerével is átfedésben van). A digitális biomarker – az elnevezés a technológiára utal – lehet digitalizált paraméter(együttes) vagy funkció (pl. EKG), melynek mérése rendszerint folyamatosan történhet valamilyen hordozható eszközzel, szenzoriális detektálással (ebben a használatban tehát monitorizáló biomarker is).

A biomarker kiválasztásához először is a klinikai célt kell precízen megjelölni (így máris érthető a kapcsolat a PM modellel: megfelelő biomarkerekkel adunk esélyt az egyén számára optimális kezelésnek). A klinikai cél szerinti marker(ek) meghatározása több szempont mérlegelésével történik. Az egyik (klinikai döntéstámogató és költséghatékonysági) kérdés az, hogy melyik markertípus(oka)t, illetve a rendelkezésre állók közül melyeket és milyen sorrendben célszerű kiválasztani. Mi is kidolgoztunk egy ennek eldöntésére alkalmas módszert, amely keretében a különféle markertípusokat egy komplex rendszerként vizsgáljuk és a markerkapcsolati rendszert egy hálózati modellel írjuk le, majd az adott klinikai helyzet szempontjából szükséges biomarker-együttes elemeit hierarchizáljuk. Ennek segítségével például a markerek célszerű sorrendisége dönthető el (4).

A mai törekvés egyértelmű: lehetőleg patomechanizmus és klinikai állapot szempontjából releváns molekuláris markert használjunk a választásban, természetesen tekintettel a feladat és a körülmények specifikus igényeire is.

Az utóbbi évtizedben a stroke-biomarkerek területén is születtek fontos eredmények (5), de valóságos áttörést azok még nem hoztak, a fontos igények továbbra is kielégítetlenek. Ennek tükrében is úgy tűnik, hogy a stroke több területén az egy-másfél évtizedben született ismeretek hasznosítási üteme és eredményessége elmarad a várakozástól, ami számos különböző okra vezethető vissza.

Lehet egyrészt hivatkozni a stroke etiológiájának – még mindig csak részben ismert – komplexitására, jelentős egyéni variabilitására és a betegség jellegéből is adódó további elvi és technikai nehézségekre. Nem történt továbbá érdemi előrelépés (nem is várható?) a vérből meghatározható klasszikus stroke-kockázatot jelző, stroke diagnosztikai és prognosztikai biomarkerek terén, előrejelző képességeik szerénynek minősíthetők. Emellett a betegség jellege (agyi területek iszkémiás érintettsége) miatt lokális adat- és információnyerés céljából szinte egyedül a képalkotó diagnosztikai módszerek jöhetnek szóba. A képi módszerek (CT, MRI) jelentősen fejlődtek, de bizonyos elvi, technikai és gyakorlati korlátaikkal továbbra is számolni kell (pl. differenciáldiagnosztikai képesség és pontosság, időigényesség, széles körű rendelkezésre állás terén). Az MRI diagnosztikai értékét tovább erősítheti, ha az empirikus osztályozás (Likert-skála) helyett pontosabb, főként kvantitatív patomechanizmus tekintetében releváns gyors minősítések adhatók (pl. az infarktus-térfogat meghatározásával). Az újabb technikai megoldásoknak és az azokból származó értékeléseknek a relevanciája és valós klinikai értéke majd csak akkor lesz látható, ha klinikai vizsgálatok és valós adatok validálják és igazolják a diagnosztikai minősítés és a klinikai funkcionális eredmények összhangját. Végül, szerintünk, e területen az is lassította/lassítja az új biomarkerek azonosítási folyamatát, hogy a stroke-megelőzésben és -ellátásban az adat- és omikai technológiák potenciálját egyelőre alig sikerült a klinikai gyakorlatban is hasznosítani.

Példáink zömében még vizsgálati fázisban lévő, ígéretes molekuláris markereket ismertetünk, melyek akár önmagukban is, de különösen más markerekkel együttesen a stroke kockázati és diagnosztikai biomarkereként működhetnek – alkalmasságukat további klinikai vizsgálatuk mutatja majd meg. E példákon keresztül bemutatunk néhány olyan új módszert is, melyek a biomarkerek azonosításának komplex folyamatát rendkívül hatékonyan támogatják. Így a példaválasztással az is a célunk, hogy a konkrét biomarkerjelöltek mellett az azonosítás koncepciójának, stratégiájának és eszközeinek bemutatásával inspiráljuk és ösztönözzük azok más területen történő alkalmazását is.

Stroke primer prevenciója

A stroke ismert rizikótényezői (pitvarfibrilláció, hipertónia, cukor- és lipidanyagcsere-zavarok, dohányzás) közül a pitvarfibrilláció jelentős kockázattal bír. Nem szabályszerű, epizodikus előfordulása miatt még 24 órás vagy akár többhetes EKG-monitorizálással sem mindig nyerhető egyértelmű diagnózis. Ezért egy akár hosszú ideig is használható folyamatos EKG-regisztrációra képes és a mindennapi életvitelt nem korlátozó eszköz fontos igényt elégíthet ki. Ilyen eszközként fejlesztenek (Mayo Clinic, USA) egy kényelmes, karon hordható mesterséges intelligencia szoftverrel is ellátott, szenzoriális detektálással folyamatos EKG-monitorizálásra képes „okosórát” (jelenleg több földrészen átívelően folyik a használatára irányuló klinikai vizsgálat az etnikai genomikai különbségek azonosítása érdekében). Az eszköz szoftvere azonosítja is a pitvarfibrillációt, így digitális biomarkerként támogatja a megalapozott orvosi döntést. (Mobil eszközök klinikai vizsgálatának általános irányelvei, lásd: Clinical Trials Transformation Initiative: Addressing Challenges of Using Mobile Devices in Clinical Trials, USA, 2017).

Egy japán tanulmány szerint a stroke klasszikus rizikótényezőinek figyelembevétele nem hozott jelentős csökkenést a stroke gyakoriságában. Ezért szükségesnek tartották további kockázati biomarkerek azonosítását és alkalmazását (6). Vizsgálatukban proteomikai analízist végeztek, vérből nyert extracelluláris vezikulákból. Az extracelluláris vezikulák (EV) sokféle sejtben képződő nanorészecskék (közéjük tartoznak az exoszómák is), melyek a sejt-sejt és sejt-szerv kommunikációban részt vevő különféle molekulákat (fehérjéket, lipideket, nukleinsavakat) szállítanak. A fiziológiás kommunikációs folyamat megváltozása fontos szerepet játszhat bizonyos patológiás folyamatokban, pl. kardiovaszkuláris betegségekben. Így a vezikuláris szállítmányban, pl. annak fehérje-összetételében történt változásnak a vizsgálatával új biomarkerek azonosítására van remény. Ezt az utat az a körülmény teszi különösen vonzóvá, hogy az EV fehérjeszállítmány betegségszenzitivitása és -specificitása lényegesen nagyobb lehet, mint a klasszikus, vérben jelen lévő fehérjéké. A többéves, gondos előszűrést is magába foglaló vizsgálat keretében stroke- és kontrollcsoport vérmintáinak extracelluláris vezikulákban gazdag frakciójából végzett összehasonlító proteomikával megállapították, hogy az iszkémiás stroke-csoport esetében négy fehérje (alfa-2-makroglobulin, komplement C1q szubkomponens alegység B, komplement C1r szubkomponens és hisztidingazdag glikoprotein; A2MG, C1QB, C1R és HRG) szintje több mint kétszeresére változott a kontrollcsoporthoz képest. Ez alapján felvethető, hogy azok alkalmasak lehetnek az iszkémiás stroke kockázatának jelzésére. A viszonylag alacsony esetszám miatt azonban validálásukhoz további klinikai vizsgálatok tűnnek célszerűnek.

Egy másik molekulatípusnak, a nukleinsavaknak is lehet diagnosztikai jelentősége a stroke különféle területein. A 2010-es években egy új onkológiai diagnosztikai célú módszert dolgoztak ki vérben keringő tumorsejtek vagy tumorsejtekből származó, sejtmentes DNS („cell-free”, cfDNA) fragmensek azonosítására. A likvid biopszia („liquid biopsy”) minimálisan invazív eljárás, amely alkalmas a tumor azonosítására, progressziójának követésére és az esetleges metasztázisok kimutatására. A módszert ezután más nukleinsav-típusra (és nukleinsavakat tartalmazó vezikulákra!), illetve más betegségek, így a stroke vizsgálatára is kiterjesztették.

Egy tízéves prospektív vizsgálat, a Rotterdam Study (7) keretében két csoportot képeztek, és a stroke-csoport és a kontrollcsoport plazmamintáiból likvid biopsziát végeztek. A minták sejtmentes microRNS (miRNS) komponensek profiljait hasonlították össze. A vizsgálat hátteréhez magyarázatként jegyezzük meg, hogy a miRNS-komponensek poszttranszkripciós génexpressziót szabályoznak, melyek bizonyos patológiás körülmények között az extracelluláris térbe jutnak, abból vett mintákból történő tipizálásuk (molekuláris szerkezetük) alapján pedig bizonyos betegségekre specifikus információ nyerhető. Az idézett vizsgálatban ezzel a módszerrel stroke-csoport-specifikusnak tűnő három miRNS molekulatípust azonosítottak. Feltételezik, hogy azok alkalmasak lehetnek a stroke kockázatának korai jelzésére, és a további adatelemzés arra is utalt, hogy e molekulák akár stroke-tipizálásra is szóba jöhetnek. A vizsgálat értékét még az is növeli, hogy megállapították, hogy mindhárom miRNS olyan gének expresszióját befolyásolja, melyek érintettségét stroke-ban a GWAS (Genom-Wide Association Studies) is igazolta. Így az is felvethető, hogy e miRNS molekuláknak stroke-ban olyan patofiziológiai szerepük van, amit terápiás célpontként is érdemes mérlegelni. Itt jegyezzük meg, hogy más miRNS molekulák pedig akut stroke diagnosztizálására is szóba jöhetnek (l. lent).

Stroke szekunder prevenciója

Az LDL-koleszterin (LDL-C) prognosztikus, valamint gyógyszerterápiát irányító, a stroke szekunder prevenciójában betöltött szerepét több tanulmány is vizsgálta – ebből mi kettőt említünk. Az elsőben randomizált vizsgálatok metaanalízisét végezték el (8, 9), és megállapították, hogy a rekurrens (vagy TIA utáni első) stroke kockázatának minimalizálásához az LDL-C értékét ateroszklerózis esetén mindenképpen nagy intenzitású sztatinterápiával, alacsony szinten célszerű tartani, viszont, amennyiben a betegnek nincs ateroszklerózisa, akkor a kevésbé intenzív terápiával történő LDL-C-csökkentés is megfelelő lehet. Ezt a példát azért is gondoljuk tanulságosnak, mert a terápia beállításához a betegség (itt rekurrens stroke) kockázata mellett a társbetegséget és a gyógyszerterápia nem kívánt következményeit is mérlegelték. A szerzők szerint az a célszerű megoldás, hogy magas LDL-C és ateroszklerózis esetén (amikor nagyobb a rekurrens stroke kockázata) a terápiával elérendő alacsonyabb LDL-C miatt feltételezett haemorrhagiás stroke és 2-es típusú diabétesz kialakulásának csekély kockázatát érdemes vállalni (egyébként is, előbbi valószínűleg nem az alacsony LDL-C értékkel van összefüggésben).

A másik, valamivel korábbi közlemény (3) arra mutat rá, hogy önmagában egy egyetlen marker (pl. LDL-C) által irányított (pl. koleszterinszint-csökkentő) gyógyszerterápia nem feltétlenül adekvát és eredményes egy többtényezős betegség (pl. stroke) esetén. A komplex patomechanizmusú betegségek (multidimenzionális rendszerek) esetében, amennyiben nem ismertek a különféle patomechanizmus-elemek szempontjából egyedi és lehetőleg robusztus biomarkerek, úgy egy megfelelően (pl. AI módszerrel) képzett összetett („kompozit”) biomarkert célszerű meghatározni, melynek prognosztikus és terápiaorientáló képessége előnyösebb, mint amilyen egyetlen biomarkeré lenne.    

Egy napjainkban megjelent, kitűnő összefoglaló közlemény a precíziós medicina szemszögéből határozza meg a stroke szekunder prevenciójának elemeit és a prevenció érdekében végzendő teendőket (10). A PM (patomechanizmus) biomarkerrendszer és annak két pillére, a kockázati, illetve etiológiai pillér képezi a koncepciós keretet. Az első pillér a cerebrovaszkuláris rizikótényezők együttesét (gyulladás, lipid- és cukoranyagcsere-zavarok, hipertónia és életviteli tényezők, pl. dohányzás), a másik pillér az adott stroke-eset elsődleges fontosságú etiológiai elemét jelenti. Az egyedi prevenció megvalósítási (terápiás) algoritmusa klinikai, képi diagnosztikai és biológiai/molekuláris adatok együttese alapján születik. Az egyedi prevenciós stratégia egyik új kulcselemeként bevezették a beteg komplex „biomarker-mintázatát” (ami a jövőben alkalmazható teljes „biomarker-ujjlenyomat” egyszerűsített változatának felel meg). A biomarker-mintázatot a két pillér komponenseit adekvátan jellemző, vérből meghatározható klasszikus biomarkerek képezik (köztük vannak új markerek is). Ez a döntési mechanizmus, elvi megközelítés teljes összhangban van a PM modellel és aligha kritizálható. A megvalósítási stratégiát viszont mi javíthatónak gondoljuk, legalább két szempontból.

Egyrészt célszerűnek tartanánk egy ilyen típusú elemzéshez patomechanizmus-specifikus omikai adatok bevonását is, tekintettel azok legalább kutatási szinten való hozzáférésére, valamint költséghatékonyságukra (!), a szerzők maguk utalnak is ilyen adatok jövőbeni szerepére. Másrészt úgy véljük, hogy a multidimenzionális alapú döntéshez hasznos lenne a szerzők által definiált két pillér biomarker-együtteseinek körét akár jelentősen bővíteni, még teljesebbé tenni, valamint kapcsolatrendszerüket és információspektrumukat is multidimenzionális adatelemező (AI) módszerekkel vizsgálni – egy ilyen adatanalízis ma rutinszerűnek tekinthető. Ezáltal ugyanis – egyébként önállóan kevésbé jelentős – faktorok is felismerhetők, és ezek támogatják a döntési modell „finomhangolását”. Így az általunk említett két szempont érvényesítésével az egyedi terápia elvi megalapozása erősödik, gyakorlati eredményessége pedig kedvezőbb lehet.

Az intracranialis atheroscleroticus betegség (intracranial atherosclerotics disease, ICAD) a primer és rekurrens stroke egyik legfontosabb kockázati tényezője. A betegség pontos diagnosztikája és hatékony terápiája egyaránt fontos igényt képviselnek – ennek optimális kielégítését hátráltatja, hogy az ICAD multifaktoriális folyamatát eddig csak részben sikerült megismerni. Véleményünk szerint e területen is a PM modell integrációja és szemlélete hozhat jelentős előrelépést diagnosztikában és terápiában egyaránt, különösen az etiológiai tényezők együttes értékelésével és kapcsolatrendszerük teljesebb feltárásával. Az ehhez kapcsolódó teendők röviden a következők:

A betegség definíciója mostani ismereteink szerint is pontosításra szorul (jelenleg az intracranialis (IC) nagyerek körülírt stenosisát vagy a lumen beszűkülését értjük alatta, ugyanakkor ICAD-ban kialakulhat diffúz érszűkület, dolichoectasia, az erek calcificatiója is), így a betegség korszerű leírását az új modell szerinti teljesebb ismereteink alapján adhatjuk majd meg.

A betegség diagnosztikájában is több tényező szorul pontosításra, és kerülhet emellett új megvilágításba is. A fokális érszűkület százalékos kifejezésének klinikai jelentősége túlértékelt, ugyanakkor nem veszi figyelembe a stenosis hemodinamikai hatását, sem az érellátási területben látott perfúzió változását vagy a kollaterális rendszert. A képalkotó vizsgálatokkal kapcsolatban is számos teendő merül fel: meghatározásai definiálása és validálása, vagy a CT és MR perfúziós vizsgálatoknak az új eredmények alapján történő standardizálása (pl. korábbi klinikai vizsgálatok képalkotó vizsgálatainak utólagos elemzése bizonyította, hogy a szűkület mértékénél sokkal fontosabb prognosztikai biomarker a kollaterális keringés állapota és a kiáramlási érpálya által ellátott agyterületben a perfúzió csökkenése). A komplex értékeléshez az eddigieknél sokkal nagyobb mértékben kellene bevonni omikai és egyéb biomarkereket, valamint figyelembe kellene venni társbetegségek szerepét, epidemiológiai tényezőket is.

Az aktuális terápiás irányelvekben alapkérdés, hogy az IC stenosist tünetképzőnek minősítjük-e – ehhez szintén több körülményt (egymásra hatásukkal együtt) kell mérlegelni. Az aktuális terápiás irányelvek konzervatív kezelést javasolnak és csak bizonyos betegcsoportokban, ismétlődő stroke után javasolt az angioplastica/stent kezelés. Ugyanakkor a megfelelő terápia megválasztásához és a hatásosság értékeléséhez hasznos lenne bizonyos időközönként újraértékelni a kontroll képalkotó vizsgálatok és klinikai paraméterek adatait (11). Az így születő sokféle (képi, molekuláris, leíró jellegű) adat kanalizációja, egy platformra hozása, majd azok multidimenzionális asszociatív elemzése vihet közelebb az egyéni jellemzők szerint történő, az egyén szempontjából hatékony terápiához. 

Akut stroke diagnosztikája

Jelenleg az akut stroke diagnosztizálására nem áll rendelkezésre FDA által jóváhagyott molekuláris biomarker, ugyanis a már vázolt klinikai szempontok és igények nem könnyen teljesíthetők.

Akut esetben az optimális biomarker (vagy biomarkerpanel!) három fontos kérdést kell tisztázzon: i) stroke azonosítása és megkülönböztetése „stroke mimic” eseményektől; ii) iszkémiás vs. haemorrhagiás stroke; iii) trombolitikus kezelés szükségessége, illetve rekkurens stroke rizikója. Ráadásul, a marker időablakon belüli gyors rendelkezésre állása is szükséges, illetve előnyös, amennyiben kivitelezése könnyen és gyorsan sokszorozható.

Ezek kielégítése szempontjából különösen biztatóak a nukleinsav-alapú diagnosztikai célú likvid biopszia módszerek (12). Erre a célra bizonyos miRNS molekulák (vö. rizikó-biomarkerek) és mRNS molekulák is számításba vehetők. A mRNS meghatározás előnye, hogy technikailag alacsony RNS-szintek detektálása is lehetséges, továbbá gyors módszer, sőt nagy áteresztőképességű kivitelezése is megoldható. Továbbá, a sejtforrástól függően viszonylag gazdag információtartalmat hordozhatnak. Fontos az a körülmény, hogy mindkét RNS-típus meghatározható az őket szállító extracelluláris vezikulák (EV) vagy exoszómák vizsgálatával is, ugyanis a szállító vezikulák képződési helye és módja szerint különböző a szállítmány. Aktivált leukocitákból származó EV pedig stroke esetén miRNS vagy mRNS profiljával akár stroke-típus-specifikus diagnosztikai megoldássá fejleszthető. Ezek a módszerek alkalmasak lehetnek a betegség progressziójának követésére és a terápiaválasztás irányítására is.

Egy ugyancsak ígéretes módszerként (13) említjük a betegségspecifikus EV felületi antigén molekuláris szignatúra meghatározást, mely alkalmas lehet a TIA nagy biztonsággal történő azonosítására (melynek nincs megfelelő CT-, MRI-azonosító markere).

Gyógyszerterápia

Az akut iszkémiás stroke ellátásának jelenlegi gyógyszeres terápiája lényegében egyetlen területre koncentrál, méghozzá egyetlen képviselővel, a szöveti plazminogén aktivátor alkalmazásával. A stroke (szekunder) prevenciója szempontjából már szélesebb a paletta, itt az egyik gyakran használt gyógyszer a clopidogrel. Ennek alkalmazása azonban felvet bizonyos korlátozó farmakokinetikai szempontokat, amelyek kezelése tipikusan a farmakogenomika egyik területével, a farmakogenetikávalfügg össze.

A farmakogenetika a gyógyszer kinetikájának genetikai tényezőit azonosítja, és azoknak a gyógyszer terápiás hatásában és nemkívánatos mellékhatásainak érvényesülésében játszott szerepét vizsgálja. A cél az, hogy csak azok a betegek kapják a gyógyszert, akiknél számítani lehet a terápiás hatásra, illetve akiknél elkerülhetők a farmakokinetikával összefüggő veszélyes mellékhatások. A klasszikus gyógyszerrendelés „test and see”/”trial and error” akár súlyos következményekkel járó gyakorlatával szemben a PM modell egyedi szempontok vizsgálatából származó előnye itt is kézenfekvő, sőt, stratégiai jelentősége is érzékelhető. Ez utóbbi azzal van összefüggésben, hogy a nem megfelelő gyógyszerrendelésből meglepően nagy terhet jelentő egészségügyi költségek is származnak (pl. az USA-ban 2016-ban a teljes egészségügyi kiadásoknak mintegy 16%-át, cca. 528 milliárd dollárnyi tételt tulajdonítottak a rosszul megválasztott gyógyszerrendelésnek (14). Ennek a súlyos, ám felesleges kiadásnak számottevő csökkentését az USA-ban még a törvényi szabályozás eszközeivel is támogatni kívánják (vö. „Right Drug Dose Now”, 2021/2022).

A P2Y12 inhibitor clopidogrel a kardiovaszkuláris betegségek szekunder prevenciójának thrombocytaaggregáció-gátló terápiája. Maga a clopidogrel egy prodrug, ami a farmakológiailag aktív hatóanyagnak az inaktív „anyavegyülete”. A clopidogrelből a szervezetben a célhatásért felelős aktív metabolit képződik. A többlépéses metabolizmus sebességmeghatározó lépésének kulcsszereplője a citokróm-P450 enzimcsaládba tartozó CYP2C19 enzim. Feltételezhető, hogy ennek az enzimnek szerkezeti módosulása a clopidogrel metabolikus aktiválását is módosíthatja. Meglepő, de az átlagos populációnak kb. 30%-ában olyan génvariáns (allél) van jelen, ami a CYP2C19 enzimfunkció jelentős csökkenését vagy teljes funkcióvesztését eredményezi, ilyen esetben elégtelen lehet a clopidogrelt metabolizáló enzim aktivitása. Ennek a körülménynek előzetes ismerete tehát különösen fontos. E probléma tisztázása céljából, az utóbbi néhány évben clopidogrellel több klinikai vizsgálatot is végeztek genotipizált betegcsoportok részvételével. (Ezeknek a vizsgálatoknak időszerűségét egyébként az is indokolta, hogy az újabb, clopidogrelhez hasonló készítmények alkalmazását bizonyos szempontok korlátozhatják, így a clopidogrelterápiára változatlanul szükség van.) A klinikai vizsgálatok eredményeit egy tavaly megjelent kiváló közlemény elemzi (15). Megállapították, hogy i) a clopidogrel csökkent mértékű biotranszformációját okozó allél jelenléte valóban növelte egyes nem kívánatos kardiovaszkuláris események gyakoriságát; ii) a metabolizmust korlátozó allél figyelembe vételével tervezett clopidogrelterápia előnye különösen a terápia első szakaszában érvényesül; iii) a CYP2C19 enzim szerinti genotipizálás helyenként eltérő szakmai és technikai protokolljai, akár még a biztosító támogatási politikája is, korlátozhatja a genotipizálás terápiás előnyeinek gyakorlati érvényesítését; iv) a farmakogenomikai tényezők azonosításához és értékeléséhez a randomizált klinikai vizsgálatok mellett valós adatok („real-word data”) figyelembe vétele is célszerű.

Egy másik példa is megerősíti, hogy amennyiben a CYP2C19 enzim funkcióvesztését okozó allél nincs jelen, a clopidogrel hatásos a stroke megelőzésében. A clopidogrel metabolizációjának biokémiai feltételét teljesítő betegek esetében a clopidogrel és aszpirin kombinációja hatásosabbnak bizonyult, mint a csak az aszpirinnel végzett kezelés. Ezzel összefüggésben említjük a POINT vizsgálat napjainkban publikált post hoc analízisét: a clopidogrel és aszpirin kombinációs kezelése szignifikánsan csökkenti egy újabb stroke rizikóját (16). Ezeknek az eredményeknek a kapcsán azonban néhány gyenge pontra is érdemes rámutatni. Nevezetesen, a CYP2C19 enzimmel kapcsolatos vizsgálatok csupán egy genetikai változást vettek figyelembe. Egyre több adat utal azonban arra, hogy a clopidogrel in vivo hatásosságának érvényesülésében további genetikai tényezők is szerephez jutnak. Egyrészt metabolizmusának egy másik lépésében részt vevő enzim (karboxiészteráz), másrészt a lokális biohasznosulását korlátozó P-glikoprotein (Pgp) transzporter genetikai polimorfizmusa is szabályozhatja az aktív metabolit szintjét. Ráadásul azt is felismerték, hogy hatásosságát bizonyos társbetegségek is befolyásolják, valószínűleg genetikai tényezőkön keresztül. Mi hozzáteszünk még egy lehetséges tényezőt, melyre más területen hívtuk fel a figyelmet prodrugokkal kapcsolatban (17), de az a tényező itt is fontossá válhat. Nevezetesen, a prodrug − aktív drugkonverzióhoz szükséges enzimek az adott betegség hatására, akár stádiumainak függvényében – genetikai polimorfizmus nélkül is – működhetnek kórosan, ami csökkentheti az aktív ágens szintjét, tehát ezt a szempontot szintén mérlegelni kell. E tapasztalatok ugyancsak cáfolják a korábbi egyszerű (és ezért vonzónak tűnő) egy betegség – egy gén hipotézis általános érvényességét, míg azzal szemben alátámasztják a genomika, jelen esetben a farmakogenomika általában többtényezős, komplex szerepét. A PM koncepció szerint ennek a komplexitásnak a minél teljesebb feltárásával kell a terápiáról dönteni.

 Gyógyszer-innováció

Az akut iszkémiás stroke gyógyszerterápiájának régóta a véráramlás trombolitikus szerekkel történő helyreállítása a fő célja. E gyógyszerek a stroke-terápia szigorú időablakában alkalmazhatók, ám főként időkorlátok miatt, az egyébként kezelésre alkalmas betegeknek is csak egy része részesül szöveti plazminogén aktivátor (tPA) (alteplase) terápiában. Fontos hangsúlyozni, hogy a képalkotó vizsgálatok fejlődésével (multifázisos-CTA, a kollaterális rendszer feltérképezése, korai ischaemiás jeleket értékelő szoftverek alkalmazása, perfúziós CT-, perfúziós MR-vizsgálat) válogatott betegcsoportokban az időablak ugyan kiterjeszthető, valamint a rekanalizáció egyes artériákban már thrombectomiával is elvégezhető, de még ennek ellenére is a betegek nagyobb hányada elesik a megfelelő kezeléstől.

Ezen okok miatt az utóbbi években a stroke-gyógyszer-kutatás irányt váltott: lényegesen nagyobb figyelmet kap a neuronális funkcionális károsodás helyreállítása és a klinikai állapot javítása. Különösen a neuroprotektív szerek (a fejlesztésben lévő molekulák túlnyomó többsége) és a regeneratív sejtterápia (őssejtekkel, illetve annak változataként exoszómákkal) emelhető ki a törekvések közül. Mi – korábbi projektjeink révén szerzett tapasztalataink miatt is – a neuroprotektív szerek stroke területén történt fejleményeit ismertetjük röviden.

A neuroprotektív hatóanyagok kutatása évtizedek óta folyik a neurodegeneratív betegségek (pl. Alzheimer-kór, Parkinson-kór) oki („disease-modifying”) kezelésére is alkalmas gyógyszerfejlesztés érdekében. Számos különféle hatásmechanizmusú gyógyszerjelölt került klinikai kipróbálásra, közülük azonban egy sem vált gyógyszerré. Ennek okait azért is érdemes elemezni, mert azokat célszerű a stroke szempontjából is mérlegelni. Az eredménytelenségnek talán legfontosabb oka a gyógyszercélpont választásában keresendő. Az egy támadáspontú (egy betegség – egy célpont – egy gyógyszer) stratégia – és a gyógyszerkutatás túlságosan egyszerűsített redukcionista és sematizáló szemléletének – veszélyeire mi magunk is rámutattunk (18). Megállapítottuk, hogy ez a megközelítés aligha lehet hatásos különösen a komplex etiológiájú betegségek esetében, ezzel szemben egy jól megválasztottan több célpontra ható készítmény eredményes lehet (hatóanyag-kombináció vagy különösen több támadáspontú molekula formájában) (19). A stroke patomechanizmusának komplexitása szintén célszerűvé teszi a több támadáspontú megközelítést. A PM modell kutatásorientáló szerepe itt a célpontok betegségreleváns megválasztásában, illetve a korszerű multidiszciplináris és technológiai eszközrendszer együttes felhasználásában érvényesül. 

E stratégia imponálóan kreatív példáját publikálták a stroke kezelésére is alkalmas neuroprotektív szerekkel kapcsolatban (20). A több támadáspontú gyógyszerjelöltre fókuszáló munka egy stroke-patomechanizmus tekintetében releváns, empirikusan validált célpontból (NADPH oxidase type 4, NOX4) indult ki. Ahhoz funkcionálisan megfelelő társtámadáspontot kerestek és azonosítottak, és ehhez a gyógyszerkutatás gyakorlatilag teljes mai arzenálját bevetették. Hálózatfarmakológiai alapon in silico módszerekkel és adatelemzéssel gyógyszer-fehérje, fehérje-fehérje, fehérje-metabolit interakciók elemzésével szűkítették a lehetséges célfehérjekészletet. A következő lépésben a fehérjecélpont szerinti jelölteket egy hatékony hasonlósági metrikával (molekuláris funkció-génontológia szemantikus hasonlóságának mérésével) hierarchizálták. A NOX4-hez funkcionálisan legközelebb eső jelölt molekulakészletet részben mechanizmus, részben egyéb adatok mérlegelésével választották ki. Végül így a nitrogénoxid szintetáz (NOS) társcélpont mellett döntöttek. Ezután az in silico eredményeket kísérleti úton is validálták in vitro hippokampális sejtkultúrában és in vivo stroke-állatmodellen. A kísérletek szerint a NOX és NOS inhibitorok egyébként önmagukban nem hatásos koncentrációkkal képzett kombinációja csökkentette a sejtpusztulást, az agyi infarktus méretét, stabilizálta a vér-agy gátat és fenntartotta a neuromotoros funkciót, azaz az eredmények igazolták a célpontválasztás koncepcióját és a megvalósításának stratégiáját. Az impresszív eredményeknek van azonban egy további pozitív üzenete is a PM modell általános szerepének vonatkozásában. Felismerhető ugyanis, hogy ebben a példában a PM modell révén valósul meg az összhang a gyógyszer-innovációs és a klinikai precíziós medicina által kifejezett igények között. Ez az új szemlélet a gyógyszerkutatás és -fejlesztés szinte minden területén egyre inkább megjelenik, talán a klinikai gyógyszerfejlesztésben legerősebben (érthetően a végcélt is megtestesítő klinikai alkalmazáshoz való közelsége miatt). Egyébként ez a szoros kapcsolat egy új keretrendszer kialakulását is támogatta, ami Transzlációs Precíziós Medicina modell néven ismert.

Összefoglalás: Jövőbeni teendők

Az ezredforduló után kialakuló omikai éra egyre növekvő „adatáradata” („big data”) és impozáns eredményei gyökeresen új lehetőségként jelentek meg a klinikai medicina területén is, körvonalazva azt, hogy kiaknázásukkal az egyén egészségügyi állapotának (fenotípus vs. patofenotípus) a korábbiakat messze felülmúlóan teljesebb megismerésére és leírására nyílik mód, s elérhető távlatba kerül az egyén szempontjából optimális („egyénre szabott”) betegségmegelőzés és terápia. Ehhez azonban koncepcionálisan új innovatív megközelítésre, egy új modellre is szükség volt, ami közös teret teremt a medicina szempontjai mellett más tudományágak és technológiák, módszerek és eszközök interakciója és heterogén adatok multidimenzionális együttes elemzése számára. Ezt a szerepet tölti be bő egy évtizede a Precíziós Medicina modell.

A modell a stroke területén is minőségében új impresszív orvosi megoldásokhoz vezetett, illetve ahogy példáink is illusztrálják, ígéretes kutatási irányokat (pl. omikai biomarkerek, likvid biopszia módszer, új típusú gyógyszerek innovációja területén) inspirált. Mindazonáltal, a PM modellnek a stroke-kal összefüggő klinikai gyakorlatba ültetése más területekhez képest (pl. onkológia) lassabban halad, ami további teendőkre ösztönöz a gyorsabb és teljesebb integráció érdekében. Mi csupán néhány ilyen, szerintünk is különösen időszerű feladatra (és kihívásra) hívjuk fel a figyelmet, azokra is szinte csak címszószerű utalással:

1. A PM modell stroke-specifikus pilléreinek és keretrendszerének meghatározása (multidiszciplináris grémium!), beleértve a modell gyakorlati implementációjának útvonalát is, valamint más területek, pl. onkológia, eredményeinek és tapasztalatainak elemzése és a releváns tanulságok átvétele.

2. Sokféle és sok minőségi (valós!, típusát tekintve heterogén, paraméterektől szövegesekig terjedő) adat korszerű, a betegellátást és innovációt támogató multidimenzionális analízisére és adatmegosztásra képes nemzeti stroke-adatbázis (adattár) (nem „kis EESZT”!) létrehozása (vö. DataLake projekt, PTE − E-Group, https://innohealth.eu/).

3. A modell révén módszerek és technológiák gyakorlati honosítási menetrendje a megelőzésben és terápiában:

  • Multi-omikai adatok elérhetősége, likvid biopszia biomarker technológia,
  • Képalkotó diagnosztika (klinikai szenzitivitást és specificitást növelendő): radiomika (kvantitatív CT, MR)
  • Döntéstámogató bioszimulációs vizsgálatok (adatalapú terápiatervezés és -monitorizálás)

Transzlációs Precíziós Medicina alkalmazása a klinikai vizsgálatokban.

4. Aktív partneri együttműködés innovatív K+F projektekben (pl. új gyógyszerek, diagnosztikumok, teranosztikumok) a PM modell orvosi szemléletével.

E feladatok kapcsán természetesen új kihívások is felmerülnek, amiket szintén kell kezelni, pl. a PM szemléletének (felkészült) képviselete és terjesztése, illetve elfogadtatása a szakma, szakpolitika és egészségbiztosító által; a PM jelentőségének megfelelő integrálása a graduális és posztgraduális orvosképzésbe; a klinikai résztvevők motivációja; az adatkezelés jogi feltételeinek (GDPR-rel összhangban történő) kielégítése.

Összességében megállapítható, hogy a PM modell napjainkban már nem csak ígéretes lehetőség, hanem – redukcionista megközelítést felváltó integratív rendszerszemléletével és gyakorlatával – a korszerű egészségügyi rendszer egyik nélkülözhetetlen elvi és gyakorlati pillére. A stroke területén is javítja az ellátás minőségét és költséghatékonyságát, és hozzájárul a betegség súlyos következményeinek (mortalitás, morbiditás, fogyatékosság) szignifikáns csökkentéséhez és elhárításához. Minél teljesebb elvi-gyakorlati alkalmazásának szükségessége tehát aligha kérdéses, előnyeinek és teljes potenciáljának érvényesítéséhez pedig akár egy „Stroke Precíziós Medicina Platform” bevezetése is mérlegelhető.

Reméljük, hogy e rövid közleményünkkel is segítjük a PM modell egészségügyi szerepének értékelését, alkalmazását és jövőbeni kiteljesedési folyamatát.

IRODALOM

1. Massachusetts Institute of Technology. The Third Revolution: The Convergence of the Life Sciences, Physical Sciences, and Engineering. Washington, DC. 2011. PMID: 24830066.

2. National Research Council. Toward Precision Medicine: Building a Knowledge Network for Biomedical Research and a New Taxonomy of Disease. Washington, DC. The National Academies Press. 2011. https://doi.org/10.17226/13284.

3. Califf RM. Biomarker definitions and their applications. Exp Biol Med (Maywood). 2018;243(3):213-221. doi: 10.1177/1535370217750088.

4. Antal P. et al. Biomarkerek hálózatától a klinikai döntéstámogatásig. Orv Hetil. 2015;51:2077-2081. doi: 10.1556/650.2015.30320

5. Simpkins AN. et al. Biomarker Application for Precision Medicine in Stroke. Transl Stroke Res. 2020;11(4):615-627. doi: 10.1007/s12975-019-00762-3.

6. Mitaki S. et al. Proteomic analysis of extracellular vesicles enriched serum associated with future ischemic stroke. Sci Rep. 2021;11(1):24024. doi: 10.1038/s41598-021-03497-0.

7. Mens MMJ. et al. Circulatory MicroRNAs as Potential Biomarkers for Stroke Risk. The Rotterdam Study. Stroke. 2021;52:945–953. doi: 10.1161/STROKEAHA.120.031543

8. Leys D. et al. Low-Density Lipoprotein Cholesterol Level After a Stroke-Reducing It by Any Means. JAMA Neurol. 2022;79(4):329-330. doi: 10.1001/jamaneurol.2021.5586.

9. Lee M. et al. Association Between Intensity of Low-Density Lipoprotein Cholesterol Reduction With Statin-Based Therapies and Secondary Stroke PreventionA Meta-analysis of Randomized Clinical Trials. JAMA Neurol. 2022; E1-E10. doi:10.1001/jamaneurol.2021.5578

10. Bicciato G. et al. Precision medicine in secondary prevention of ischemic stroke: how may blood-based biomarkers help in clinical routine? An expert opinion. Curr Opin Neurol. 2022;35:45–54. doi:10.1097/WCO.0000000000001011

11. Liebeskind DS. Precision Medicine for Intracranial Atherosclerotic Disease. Front. Neurol. 2021; 12: 646734. https://doi.org/10.3389/fneur.2021.646734

12. Wijerathne H. et al. Liquid biopsy markers for stroke diagnosis. Expert Rev Mol Diagn. 2020;20(8):771-788. doi: 10.1080/14737159.2020.1777859.

13. Hermann DM. et al. New Light on the Horizon: Extracellular Vesicles as Diagnostic Tool in Transient Ischemic Attack and Ischemic Stroke. Stroke. 2021;52(10):3348-3350. doi: 10.1161/STROKEAHA.121.036150.

14. Watanabe JH. et al. Cost of Prescription Drug–Related Morbidity and Mortality. Ann Pharmacother. 2018;52(9):829-837. doi:10.1177/1060028018765159.

15. Duarte JD. et al. Pharmacogenetics to guide cardiovascular drug therapy. Nat Rev Cardiol. 2021;18(9):649-665. doi: 10.1038/s41569-021-00549-w.

16. Rostanski SK. et al. Infarct on Brain Imaging, Subsequent Ischemic Stroke, and Clopidogrel-Aspirin Efficacy: A Post Hoc Analysis of a Randomized Clinical Trial. JAMA Neurol. 2022;79(3):244-250. doi: 10.1001/jamaneurol.2021.4905.

17. Kálai T. et al. Influenza, HIV and SARS-CoV-2 Infection Prevention and Drug Treatment – The Need for Precision Medicine. Chemistry 2022; 4: 216–258. https://doi.org/10.3390/chemistry4020019

18. Chai CL. et al. One size does not fit all: Challenging some dogmas and taboos in drug discovery. Future Med. Chem. 2016;8(1): 29–38. doi: 10.4155/fmc.15.167.

19. Mátyus P. Több támadáspontú gyógyszerek: múlt, jelen és jövő. Orv. Hetil. 2020; 161(14): 523–531. doi: 10.1556/650.2020.31703

20. Casas AI. et al. From single drug targets to synergistic network pharmacology in ischemic stroke. Proc Natl Acad Sci USA. 2019;116(14):7129-7136. doi: 10.1073/pnas.1820799116.

Dr. Vastagh Ildikó, Bajcsy-Zsilinszky Kórház és Rendelőintézet, Neurológiai Osztály, Budapest
a szerző cikkei

Dr. Mátyus Péter, E-Goup ICT, Budapest
a szerző cikkei

(forrás: Neurológiai Praxis)
Olvasói vélemény: 0,0 / 10
Értékelés:
A cikk értékeléséhez, kérjük először jelentkezzen be!
hirdetés