精密医学:统计模型可以计算潜在新药的成功

“精密医学”的目的是制定个性化治疗策略和治疗。统计方法在预测药物的疗效发挥重要作用的临床研究数据,基于病人的特点。研究所的一个研究小组从MedUni维也纳医疗统计已经提出了新的数学方法,有效识别特征相关的预测。这些方法也可以用来计算这些预测的统计变化的范围。

我们知道药物对每个人都没有相同的影响。的研究人员精密医学因此,开展临床研究识别的子组病人很好地应对活性剂和没有副作用的风险。这个过程是基于现代诊断技术,如基因组测序和分子成像。

来自这些研究的数据将被用于统计分析更准确地预测药物功效。这将涉及到统计技术从过多的数据过滤掉相关的生物标志物。这些生物标记,例如,某些基因突变或实验室值加上其他病人特征如年龄、性别或疾病阶段。

生物标志物发现用这种方法可以用于开发模型来预测患者来说,治疗的子组新开发药物将比标准更有效的治疗。例如,在癌症研究可以预测哪些病人一种新药可能延长寿命的效果。所谓的回归模型和变量选择方法都是用来做这个。然而,统计预测总是受制于一定范围的变化。越少的数据可从患者参与研究,准确预测将会越少。树立目标医学统计因此减少变化的范围,允许最准确的预测一个特定的治疗的功效。

最近发表的研究论文描述了设计的新统计预测方法用于开发新药。临床研究的基础上,可以使用这些算法来识别相关的生物标志物和评估统计预测的可靠性。这意味着,当开发新药,可以更准确地预测患者亚组来说,治疗将是有效和安全的。这是一个重要的一步预测模型的可靠性提高精密医学和协助发展的个性化治疗。