Концепция персонализированной медицины распространяется и на артериальную гипертензию (АГ). Она предполагает стратификацию риска развития АГ и выбор антигипертензивного лечения с учетом индивидуальных особенностей пациента. Так,
комплексный учет генетических и фенотипических характеристик, включающих пол, возраст, антропометрические, этнические данные, клинические и физиологические показатели, связанные с профилем артериального давления (АД), поведенческие факторы, а также особенности окружающей среды может существенно улучшить эффективность терапии и снизить риски осложнений.
Динамичное развитие геномных исследований АГ и ассоциированных сердечно-сосудистых заболеваний, а также использование новых аналитических инструментов, открывают многообещающие перспективы замедления роста глобального бремени АГ и ее осложнений. Так,
метод менделевской рандомизации раскрывает причинно-следственные связи между клиническими исходами и биомаркерами, которые вскоре могут стать мишенями для лекарств и обеспечить прорыв в лечении АГ. Определенные надежды улучшения профилактики и лечения АГ связывают и с технологией полигеномного секвернирования, которая в сочетании с большими популяционными исследованиями позволила идентифицировать более 1000 генетических локусов, ассоциированных с АГ.
Новейшие методы
редактирования генома позволяют корректировать генетические мутации, связанные с АГ и эффективно развивать генную терапию, которая может нейтрализовать негативное влияние генетических факторов на формирование заболевания.
Учитывая многофакторный характер АГ, несомненный потенциал для прогнозирования развития АГ и индивидуализации ее лечения имеет интеграция разных типов данных – клинических, генетических, молекулярных, социально-бытовых (образ жизни, диета, степень физической активности и др.). Обработка этих данных с помощью современных методов аналитики, искусственного интеллекта и машинного обучения, способных учитывать огромное количество данных о характеристиках пациентов и их связь с различными вариантами лечения, позволит строить более точные модели прогнозирования риска и эффективности терапии.
Более сложные подходы к прогнозированию реакции на антигипертензивные препараты поднимают два практических вопроса: Превышает ли польза от прогнозирования этой реакции затраты на сбор и анализ больших объемов данных? Имеет ли данная стратегия смысл с точки зрения заботы об отдельных людях, населении или о том и другом? Ответы зависят от преимуществ использования персонализированной медицины. В связи с этим разумным подходом для персонализированного лечения АГ может быть концепция компромисса между простотой и персонализацией. Так, более персонализированные стратегии лечения могут принести наибольшую пользу пациентам, у которых простые стратегии с низкой информационной нагрузкой оказываются неэффективными. При этом особо высока потребность в разработке новых подходов прогнозирования ответа на антигипертензивные препараты и дорогостоящие инвазивные методы лечения у больных с резистентной АГ, при которой аспекты персонализированной терапии остаются наименее изученным.
К настоящему времени накоплено большое количество информации о полиморфизме генов, связанных с регуляцией АД. Только за последние пять лет понимание генетической основы АГ пришло к полигенным ассоциациям, охватывающим ~30 моногенных редких вариантов и >1,5 тыс. однонуклеотидных вариантов.
Крупномасштабные исследования геномики, в каждом из которых изучалось более 750 000 человек, выявили сотни локусов, связанных с изменениями уровней АД. В крупномасштабном исследовании с проведением полногеномного секвестрирования, включавшем мета-анализ более 900 тыс. участников, был также
выявлен ряд связей последовательностей генов с уровнем систолического, диастолического АД и АГ.
Доступны данные о широком профиле биомаркеров.
Изучались и отмечены различия у лиц с АГ в составе целого ряда метаболитов.
В оценке эффективности фармакотерапии и выявлении причин ее снижения, а также прогнозировании выраженности ответа на препарат и появления побочных эффектов может помочь фармакометаболомика. В частности, получены данные, касающиеся различий ответа на бета-блокаторы,
диуретики и
лизиноприл.
Согласно опубликованному в 2023 г. шведскому рандомизированному исследованию обнаружена
неоднородность реакции АД на четыре антигипертензивных препарата (лизиноприл, кандесартан, гидрохлоротиазид и амлодипин), которая может иметь существенное значение для персонализированной терапии.
Согласно мета-анализу была документирована
ассоциация одного из генетических вариантов с ослаблением реакции АД на β-блокаторы и увеличением риск неблагоприятных сердечно-сосудистых исходов при их использовании.
В настоящее время британскими учеными разрабатывается
персонализированный подход к лечению АГ на основе генетического тестирования совместно с определением дополнительных биомаркеров. Однако на текущий момент времени крупномасштабное клиническое лечение АГ на основе генома невозможно из-за потребности в специальной инфраструктуре и малодоступных ресурсах для
геномных тестов. Следовательно, персонализированный подход к лечению АГ должен основываться на показателях фенотипа, связанных с особенностями течения заболевания, а также с нервной и гуморальной регуляцией АД. Одним из таких показателей является
вариабельность уровней АД, играющая важную роль в прогрессировании сердечно-сосудистых заболеваний и терапии АГ.
Для персонализированной терапии АГ китайскими учеными разработана
классификация REASOH, основанная на этиологии АГ и включающая шесть основных ее вариантов: ренин-зависимую гипертензию, гипертензию на основе атеросклероза у пожилых людей, симпатико-активную гипертензию, вторичную гипертензию, солечувствительную гипертензию и гипергомоцистеинемическую гипертензию.
Перспективным направлением персонализированной медицины является развитие искусственного интеллекта, улучшающего процесс принятия клинических решений. Так, в ходе сельского когортного исследования Китайскими учеными было установлено, что
оценка полигенного риска с использованием 13 одиночных нуклеотидных полимофизмов в сочетании с учетом традиционных факторов риска значительно улучшала качество модели прогнозирования возникновения АГ.
Также примечательны результаты катарских ученых, согласно которым
комбинация полногеномного секвенирования и методики искусственного интеллекта помогла определить уникальный профиль генетической предрасположенности к АГ разных этнических групп.
Важно отметить, что использование искусственного интеллекта для прогнозирования развития АГ на основе факторов риска может быть эффективным даже без анализа генетического материала. Так, ряду научных групп удалось
создать модели прогнозирования развития АГ по данным рутинных показателей ежегодных медицинских осмотров, а
H.F. Golino с коллегами использовали только антропометрические данные.
На основе данных исследований SPRINT и ACCORD BP с целью персонализации сердечно-сосудистой пользы от интенсивности антигипертензивного лечения американскими учеными была
разработана соответствующая программа машинного обучения.
Особенно актуальным персонализированный подход лечения АГ представляется в том случае, когда стандартная стратегия лечения оказывается недостаточно эффективной. Так,
выявлен ряд характеристик для отбора пациентов с резистентной АГ для проведения ренальной денервации, позволяющих ожидать наибольшей эффективности лечения. Наиболее распространенным примером искусственного интеллекта для диагностики АГ является суточное мониторирование АД. Однако эта методика сопряжена с рядом неудобств для пациента, а осциллометрический способ измерения АД имеет свои ограничения. В связи с этим в настоящее время предлагается мониторирование АД при помощи более точного и удобного для пациента метода
фотоплетизмографии и
емкостной технологии.