بهبود تخمین دوز اولیه بالینی دارو در سرطان با بکارگیری یک مدل محاسباتیPK/PD

ارزیابی، ساخت و معرفی داروهای جدید مورد استفاده در بیماری سرطان، بسیار پیچیده تر و پر هزینه تر از دیگر داروهاست. لذا استفاده از مدل های محاسباتی که بتوانند دوز مناسب بالینی برای شروع ارزیابی روی انسان را پیش بینی کنند، می تواند کمک مؤثری در کاهش هزینه ها و تلفات بدنبال داشته باشد. هدف از مطالعه حاضر ارائه راهکارهایی برای بهبود روش های تخمین دوز اولیه دارو برای انسان بر اساس مدل های محاسباتی می باشد. در مدل محاسباتی بکار رفته در این پژوهش، منحنی های رشد تومور حاصل از آزمایشات پیش بالینی بر معادلات PK/PD توصیف کننده رشد تومور برازش شدند و پارامتری برای تعیین توان ضدسرطانی دارو تخمین زده می شود. به کمک این پارامتر و پارامترهای PK دارو، دوز مناسب اولیه قابل پیش بینی خواهد بود. در مدل حاضر فیزیولوژی مرگ سلول ها در اثر دارو به صورت دقیقتری در مقایسه با مدل هایموجود در نظر گرفته شد و مدل پیشنهادی برای داروهایی که داده های پیش بالینی آن ها قبلا از روش های دیگری بر مبنای تجویز دارو بدست آمده اند گسترش داده شد. برای 8 داروی ضد سرطان مورد بررسی، مدل حاضر نسبت به مدل های قبلی می تواند با استفاده از تعداد کمتری پارامتر PK 2 پارامتر( پیش بینی دقیقتری ) 64.13 درصد خطای نسبی کمتر( از دوز بالینی مناسب انجام دهد.

کلیدواژه ها:

آزمایش های پیش بالینی ، تخمین دوز ، مدل - PK ، PD