数学模型可能有助于改善COVID-19和其他疾病患者的治疗和临床试验

研究人员最近开发了一个数学模型，表明为什么COVID-19患者的治疗反应差异很大，现在他们使用该模型来确定与这些不同反应相关的生物标记。该团队由马萨诸塞州总医院(MGH)和塞浦路斯大学的科学家领导，他们指出，该模型可以用来更好地理解疾病和反应之间的复杂相互作用，并可以帮助临床医生为不同的患者提供最佳护理。

这项研究发表在EBioMedicine这意味着SARS-CoV-2感染后的疾病从无症状到危及生命的疾病，如呼吸衰竭或急性呼吸窘迫综合征(ARDS)，其中液体积聚在肺部。“即使在出现急性呼吸窘迫综合征的COVID-19重症患者子集中，也存在很大的异质性。通过临床特征或生物标志物来确定ARDS亚型已经做出了重大努力，”共同资深作者、MGH E.L. Steele肿瘤生物学实验室主任和哈佛医学院(HMS)安德鲁·沃克·库克放射肿瘤学教授Rakesh K. Jain博士解释道。“为了预测疾病进展和个性化治疗，有必要确定临床特征、生物标志物和潜在生物学之间的关联。虽然这可以通过大量临床试验来实现，但这一过程非常耗时且极其昂贵。”

作为一种替代方法，Jain和他的同事们使用他们的模型来分析不同患者特征对不同疗法治疗结果的影响。这使得研究小组能够确定不同类型患者的最佳治疗方案，揭示导致不同临床反应的生物途径，并确定这些途径的标记物。

研究人员模拟了六种患者类型(由存在或不存在不同的合并症定义)和三种调节免疫系统的治疗方法。“使用一种新的治疗效果评分系统，我们发现老年和重度炎症患者对免疫调节治疗的反应比肥胖和糖尿病患者更好，”斯蒂尔实验室副主任、HMS副教授、联合资深和通讯作者兰斯·芒恩博士说。“我们还发现，开始免疫调节治疗的最佳时间因患者而异，也取决于药物本身。”某些生物标记物根据患者特征的不同，决定了最佳治疗开始时间，这些标记指向了影响患者结果的特定生物程序或机制。这些标记物也与临床确定的疾病严重程度标记物相匹配。

对于COVID-19和其他疾病，该团队的方法可以使研究人员用最有可能对特定药物产生反应的患者丰富临床试验。塞浦路斯大学副教授、联合资深作者Triantafyllos Stylianopoulos博士说:“这种基于前瞻性预测生物标志物的富集是提高临床试验精度和加速治疗发展的潜在策略。”