Genetik
üzerine bir serinin parçası
Temel bileşenler
Tarihçe ve konular
Araştırma
Alanlar
Kişiselleştirilmiş tıp
  • Kişiselleştirilmiş tıp
  • Kategori

Kişiselleştirilmiş tıp (Hassas tıp veya sistem tıbbı olarak da adlandırılır), insanları farklı gruplara ayıran bir tıbbi modeldir. Bu modelde tıbbi kararlar, uygulamalar, müdahaleler ve/veya ürünler, hastanın öngörülen tepkisi veya hastalık riskine göre her bir hastaya özel olarak uyarlanır. Kişiselleştirilmiş tıp, hassas tıp, tabakalı tıp ve P4 tıp terimleri bu kavramı tanımlamak için birbirinin yerine kullanılsa da, bazı yazarlar ve kuruluşlar belirli nüanslara dayanarak bu ifadeler arasında ayrım yapmaktadır. P4, “tahmin edici, önleyici, kişiselleştirilmiş ve katılımcı” (İngilizce: predictive, preventive, personalized and participatory) ifadesinin kısaltmasıdır.

Tedavinin hastalara göre uyarlanması en az Hipokrat dönemine kadar uzansa da, bu terimin kullanımı, hastalıkların moleküler temelini, özellikle de genomik bilimini anlamamızı sağlayan yeni tanı ve bilişim yaklaşımlarının gelişmesi sayesinde son yıllarda yaygınlaşmıştır. Bu, ilgili hastaları sınıflandırmak için net bir biyobelirteç sağlar.

Ulusal Mühendislik Akademisi (NAE) tarafından desteklenen bir girişim olan “Mühendislik için 14 Büyük Zorluk” arasında, kişiselleştirilmiş tıp, “optimum bireysel sağlık kararlarına ulaşmak” ve dolayısıyla “daha iyi ilaçlar geliştirmek” zorluğunun üstesinden gelmek için kilit ve gelecek vaat eden bir yaklaşım olarak tanımlanmıştır.

Kavramın gelişimi

Kişiselleştirilmiş tıpta, tanı testleri genellikle hastanın genetik yapısı veya diğer moleküler ya da hücresel özelliklerine dayalı olarak uygun ve en etkili tedavilerin seçilmesi amacıyla kullanılır. Genetik bilginin kullanımı, kişiselleştirilmiş tıbbın belirli yönlerinde (örn. farmakogenomik) önemli bir rol oynamıştır ve bu terim ilk olarak genetik bağlamında ortaya çıkmış olsa da, o zamandan beri proteomik, görüntüleme analizi, nanoparçacık temelli teranostik ve diğerleri dahil olmak üzere her türlü kişiselleştirme önlemini kapsayacak şekilde genişlemiştir.

Hassas tıp ile kişiselleştirilmiş tıp arasındaki fark

Hassas tıp, sağlık hizmetlerinin özelleştirilmesini öneren bir tıbbi modeldir ve bu modelde tıbbi kararlar, tedaviler, uygulamalar veya ürünler, “herkese tek ilaç” modelinin aksine, hastaların bir alt grubuna göre uyarlanır. Hassas tıpta, tanı testleri genellikle hastanın genetik yapısı veya diğer moleküler ya da hücresel analiz sonuçlarına dayalı olarak uygun ve en iyi tedavilerin seçilmesi amacıyla kullanılır. Hassas tıpta kullanılan araçlar arasında moleküler tanı, görüntüleme ve analitik yöntemler yer alabilir.

Hassas tıp ve kişiselleştirilmiş tıp (aynı zamanda bireyselleştirilmiş tıp olarak da bilinir), bir kişinin genetik profilini kullanarak bir hastalığın önlenmesi, teşhisi ve tedavisiyle ilgili klinik kararları yönlendiren benzer kavramlardır. Kişiselleştirilmiş tıp, İnsan Genom Projesi’nden elde edilen keşiflere dayanmaktadır.

Benzer bir terim olan kişiselleştirilmiş tıp ile arasındaki farkı açıklarken, Amerika Birleşik Devletleri Başkanı’nın Bilim ve Teknoloji Danışmanlar Konseyi şöyle yazmaktadır:

Hassas tıp, tıbbi tedavinin her bir hastanın bireysel özelliklerine göre uyarlanmasını ifade eder. Bu, kelimenin tam anlamıyla bir hastaya özgü ilaçların veya tıbbi cihazların üretilmesi anlamına gelmesinden ziyade, bireyleri belirli bir hastalığa yatkınlık, gelişebilecekleri hastalıkların biyolojisi veya prognozu ya da belirli bir tedaviye verdikleri yanıt açısından farklılık gösteren alt gruplara sınıflandırma yeteneğini ifade eder. Böylelikle önleyici veya tedavi edici müdahaleler, bundan fayda görecek kişilere yoğunlaştırılabilir ve fayda görmeyecek kişiler için masraf ve yan etkilerden kaçınılabilir.

“Hassas tıp” teriminin kullanımı, tedavi seçiminin ötesine geçerek belirli bireyler için benzersiz tıbbi ürünlerin geliştirilmesini de kapsayabilir — örneğin, “…farklı kişilere özel tedaviler sunmak amacıyla hastaya özgü doku veya organlar.” Dolayısıyla, bu terim uygulamada “kişiselleştirilmiş tıp” ile o kadar çok örtüşmektedir ki, her ne kadar ikincisi bazen her birey için benzersiz bir tedavi içerdiği şeklinde yanlış yorumlansa da, bu iki terim sıklıkla birbirinin yerine kullanılmaktadır.

Arka Plan

Temel Bilgiler

Her insanın insan genomunda kendine özgü bir varyasyon vardır. Bireyler arasındaki varyasyonların çoğu sağlık üzerinde herhangi bir etkiye sahip olmasa da, bir bireyin sağlığı genetik varyasyonun yanı sıra davranışlar ve çevresel etkilerle şekillenir.

Kişiselleştirilmiş tıpta kaydedilen modern ilerlemeler, hastanın temel biyolojisini, DNA'sını, RNA'sını veya proteinlerini doğrulayan teknolojilere dayanır ve bu da nihayetinde hastalığın teşhis edilmesine yol açar. Örneğin, genom dizileme gibi kişiselleştirilmiş teknikler, kistik fibrozisten kansere kadar çeşitli hastalıkları etkileyen DNA mutasyonlarını ortaya çıkarabilir. RNA-seq adı verilen başka bir yöntem ise, hangi RNA moleküllerinin belirli hastalıklarla ilişkili olduğunu gösterebilir. DNA'nın aksine, RNA düzeyleri çevreye tepki olarak değişebilir. Bu nedenle, RNA dizilemesi bir kişinin sağlık durumu hakkında daha kapsamlı bir anlayış sağlayabilir. Son zamanlarda yapılan çalışmalar, bireyler arasındaki genetik farklılıkları RNA ekspresyonu, translasyon ve protein düzeyleriyle ilişkilendirmiştir.

Kişiselleştirilmiş tıp kavramları, sağlık hizmetlerine yönelik yeni ve dönüştürücü yaklaşımlara uygulanabilir. Kişiselleştirilmiş sağlık hizmeti, sistem biyolojisinin dinamiklerine dayanır ve sağlık risklerini değerlendirmek, hastaların riskleri azaltmasına, hastalıkları önlemesine ve ortaya çıktığında bunları hassas bir şekilde tedavi etmesine yardımcı olacak kişiselleştirilmiş sağlık planları tasarlamak için öngörü araçları kullanır. Kişiselleştirilmiş sağlık hizmeti kavramları giderek daha fazla kabul görmektedir. Gaziler İdaresi, tüm gaziler için kişiselleştirilmiş, proaktif ve hasta odaklı bir bakım sunmayı taahhüt etmiştir. Bazı durumlarda kişiselleştirilmiş sağlık bakımı, hastanın genetik yapısı yerine hastalığa neden olan etkenin özelliklerine göre uyarlanabilir. Buna örnek olarak ilaca dirençli bakteriler veya virüsler verilebilir.

Hassas tıp, genellikle bir hastanın hastalığının nedenini moleküler düzeyde analiz etmek için panomik analiz ve sistem biyolojisinin uygulanmasını ve ardından o hastanın hastalık sürecini ele almak üzere hedefli tedavilerin (muhtemelen kombinasyon halinde) kullanılmasını içerir. Daha sonra hastanın tedaviye verdiği yanıt, genellikle tümör yükü gibi ikame ölçütler kullanılarak (beş yıllık sağkalım oranı gibi gerçek sonuçlara kıyasla) mümkün olduğunca yakından izlenir ve tedavi, hastanın yanıtına göre hassas bir şekilde uyarlanır. Kanseri ele alan hassas tıp dalına “hassas onkoloji” denir. Psikiyatrik bozukluklar ve ruh sağlığı ile ilgili hassas tıp alanı ise “hassas psikiyatri” olarak adlandırılır.

Moleküler patolojideki kişiler arası farklılıklar çeşitlilik gösterir. Aynı şekilde, doku mikroçevresindeki etkileşim ağı aracılığıyla hastalık süreçlerini kişiden kişiye farklı şekillerde etkileyen ekspozomdaki kişiler arası farklılıklar da çeşitlilik gösterir. Hassas tıbbın teorik temeli olarak, hastalık etiyolojisi ve patogenezindeki yaygın heterojenlik olgusunu kapsayan “benzersiz hastalık ilkesi” ortaya çıkmıştır. Benzersiz hastalık ilkesi, ilk olarak neoplastik hastalıklarda “benzersiz tümör ilkesi” olarak tanımlanmıştır. Ekspozom, epidemiyolojinin yaygın bir kavramı olduğundan, hassas tıp, hassas tıp için potansiyel biyobelirteçleri tanımlayabilen moleküler patolojik epidemiyoloji ile iç içe geçmiştir.

Yöntem

Doktorların bir mutasyonun belirli bir hastalıkla bağlantılı olup olmadığını öğrenebilmesi için, araştırmacılar genellikle “genom çapında ilişkilendirme çalışması” (GWA çalışması) adı verilen bir çalışma yürütürler. Bu tür bir çalışma, tek bir hastalığı ele alır ve ardından o hastalığa sahip birçok hastanın genomunu dizilendirerek, genomda ortak mutasyonları araştırır. Bir GWA çalışmasıyla bir hastalıkla ilişkili olduğu belirlenen mutasyonlar, daha sonraki hastalarda o hastalığı teşhis etmek için kullanılabilir. Bu amaçla hastaların genom dizilemeleri incelenerek aynı mutasyon aranır. 2005 yılında yürütülen ilk GWA çalışması, yaşa bağlı makula dejenerasyonu (ARMD) hastalarını incelemiştir. Bu çalışmada, her biri yalnızca bir nükleotiddeki bir varyasyonu içeren (tek nükleotid polimorfizmi veya SNP olarak adlandırılan) ve ARMD ile ilişkili iki farklı mutasyon tespit edilmiştir. Bu tür GWA çalışmaları, hastalıklarla ilişkili yaygın genetik varyasyonları belirleme konusunda oldukça başarılı olmuştur. 2014 yılının başı itibarıyla 1.300'ün üzerinde GWA çalışması tamamlanmıştır.

Hastalık risk değerlendirmesi

Birçok yaygın ve karmaşık hastalığa yakalanma olasılığı, birden fazla genin birleşik etkisiyle belirlenir. Kişiselleştirilmiş tıp, bir veya hatta birkaç gene dayalı olarak bir kişinin belirli bir hastalığa yakalanma riskini tahmin etmek için de kullanılabilir. Bu yaklaşım, hastalık riskinin değerlendirilmesine odaklanmak için aynı dizileme teknolojisini kullanır ve böylece hekimin, hastalık hastada ortaya çıkmadan önce önleyici tedaviye başlamasına olanak tanır. Örneğin, bir DNA mutasyonunun bir kişinin Tip 2 diyabet geliştirme riskini artırdığı tespit edilirse, bu kişi ilerleyen yaşlarda Tip 2 diyabet geliştirme olasılığını azaltacak yaşam tarzı değişikliklerine başlayabilir.[kaynak belirtilmeli]

Uygulama

Rutin klinik ortamlarda hastalara kişiye özel tıp sunma yeteneği, moleküler profilleme testlerinin (örneğin, bireysel germ hattı DNA dizilemesi) kullanılabilirliğine bağlıdır. Kişiye özel tıp, şu anda tedaviyi esas olarak genomik testlere (örneğin, Oncotype DX) dayalı olarak kişiselleştirirken, spektrometri ve hesaplama gücünü birleştiren tekniklerden vücutta ilaç etkilerinin gerçek zamanlı görüntülenmesine kadar birçok umut vaat eden teknolojik yöntem geliştirilmektedir. Hassas tıbbın birçok farklı yönü araştırma ortamlarında test edilmektedir (örn. proteom, mikrobiyom), ancak rutin uygulamada mevcut tüm veriler kullanılmamaktadır. Hassas tıp uygulayabilme yeteneği, klinisyenlerin test sonuçlarına dayalı olarak harekete geçmelerine yardımcı olacak bilgi tabanlarının mevcudiyetine de bağlıdır. Teşhis konulmamış hastalığı olan birey gruplarına omik temelli hassas tıp uygulayan erken dönem çalışmalar, yaklaşık %35’lik bir teşhis oranı sağlamış ve yeni teşhis konulanların yaklaşık beşte birine tedavide değişikliklere ilişkin önerilerde bulunulmuştur. Farmakogenetik daha da gelişip bireysel tedavi yanıtlarını öngörebilir hale gelene kadar, tedavilere yanıt veren hastaları belirlemenin en iyi yönteminin N-of-1 denemeleri olduğu öne sürülmüştür.

Tedavi açısından, kişiselleştirilmiş tıp (PM), eczanelerde hazırlanan ilaç karışımları veya kişiye özel cihazlar gibi kişiye özel tıbbi ürünlerin kullanımını içerebilir. Ayrıca, zararlı ilaç etkileşimlerini önleyebilir, ilaç reçeteleme sürecinde genel verimliliği artırabilir ve sağlık hizmetleriyle ilgili maliyetleri azaltabilir.

Kamu tarafından finanse edilen genomik tıptan kimin yararlandığı sorusu, önemli bir halk sağlığı meselesidir ve genomik tıbbın uygulanmasının sosyal eşitlikle ilgili endişeleri daha da derinleştirmemesini sağlamak için özen gösterilmesi gerekmektedir.

Hassas tıpta yapay zeka

Yapay zeka, hassas tıp alanında bir paradigma değişikliğine yol açmaktadır. Makine öğrenimi algoritmaları, genomik dizileme için ve hastalar ile sağlık kurumları tarafından her an kaydedilen muazzam miktardaki verileri analiz etmek ve bunlardan çıkarımlarda bulunmak amacıyla kullanılmaktadır. Yapay zeka teknikleri, mevcut hastalıklardaki genotipleri ve fenotipleri anlamak, hasta bakımının kalitesini artırmak, maliyet etkinliğini sağlamak ve yeniden yatış ile ölüm oranlarını azaltmak amacıyla hassas kardiyovasküler tıpta kullanılmaktadır. 2021 tarihli bir makalede, makine öğreniminin (prostat kanseri tedavisine yönelik) Faz III klinik denemelerinin sonuçlarını %76 doğrulukla tahmin edebildiği bildirilmiştir.

Hassas tıp, algoritmik önyargının ince biçimlerine karşı duyarlı olabilir. Örneğin, birden fazla gözlemci tarafından değerlerin girildiği çoklu giriş alanlarının varlığı, verilerin anlaşılma ve yorumlanma biçimlerinde çarpıklıklara yol açabilir. 2020 tarihli bir makale, makine öğrenimi modellerinin belirli bir popülasyona özgü bir şekilde eğitilmesinin (yani, özellikle Siyah kanser hastaları için modellerin eğitilmesinin), popülasyondan bağımsız modellere kıyasla önemli ölçüde üstün performans sağlayabileceğini göstermiştir.

Hassas Tıp Girişimi

2015 yılındaki Birlik Durumu konuşmasında, dönemin ABD Başkanı Barack Obama, ABD Ulusal Sağlık Enstitüleri’nin “Hassas Tıp Girişimi”ne 215 milyon dolarlık bir fon ayırma niyetini açıkladı. Bu girişimin kısa vadeli hedeflerinden biri, daha iyi önleme ve tedavi yöntemleri geliştirmek amacıyla kanser genomik çalışmalarını genişletmekti. Uzun vadede ise Hassas Tıp Girişimi, bilim insanlarından oluşan ulusal bir ağ oluşturarak ve sağlık ve hastalık konusundaki anlayışımızı genişletmek amacıyla bir milyon Amerikalıyı kapsayan ulusal bir kohort çalışması başlatarak kapsamlı bir bilimsel bilgi tabanı oluşturmayı hedefliyordu. Hassas Tıp Girişimi’nin misyon bildirimi şöyleydi: “Hastaların, araştırmacıların ve sağlık hizmeti sağlayıcılarının kişiselleştirilmiş tedavilerin geliştirilmesi için birlikte çalışmasını sağlayan araştırma, teknoloji ve politikalar yoluyla tıpta yeni bir çağın başlamasını sağlamak”. 2016 yılında bu girişim “All of Us” olarak yeniden adlandırıldı ve Ocak 2018 itibarıyla 10.000 kişi pilot aşamasına kaydolmuştu.

Hassas tıbbın faydaları

Hassas tıp, sağlık hizmetleri sağlayıcılarının bir hastanın sağlığı, hastalığı veya durumunda rol oynayan çevre, yaşam tarzı ve kalıtım gibi birçok faktörü daha iyi anlamasına yardımcı olur. Bu bilgiler, hangi tedavilerin en etkili ve güvenli olacağını ya da hastalığın başlangıcını nasıl önleyebileceklerini daha doğru bir şekilde tahmin etmelerini sağlar. Ayrıca, diğer faydaları şunlardır:[kaynak belirtilmeli]

  • tıpta vurguyu reaksiyondan önlemeye kaydırmak
  • hastalığa yatkınlığı öngörmek
  • hastalık teşhisini iyileştirmek
  • hastalığın ilerlemesini önlemek
  • hastalık önleme stratejilerini kişiye özel hale getirmek
  • daha etkili ilaçlar reçete etmek
  • öngörülebilir olumsuz yan etkileri olan ilaçların reçete edilmesini önlemek
  • ilaç klinik denemelerinin süresini, maliyetini ve başarısızlık oranını azaltmak
  • sağlık hizmetleri maliyetlerini artıran ve hasta bakımını zayıflatan deneme-yanılma yönteminin verimsizliklerini ortadan kaldırmak

Uygulamalar

Kişiselleştirilmiş tıp alanındaki gelişmeler, bireye ve genomuna özgü, daha bütüncül bir tedavi yaklaşımı ortaya çıkaracaktır. Kişiselleştirilmiş tıp, daha erken müdahaleyle daha iyi teşhisler, daha verimli ilaç geliştirme ve daha hedefli tedaviler sağlayabilir.

Teşhis ve müdahale

Bir hastayı bireysel olarak değerlendirebilme yeteneği, daha doğru bir teşhis ve spesifik bir tedavi planı oluşturulmasına olanak sağlayacaktır. Genotipleme, biyolojik testler kullanılarak bir bireyin DNA dizisinin elde edilmesi sürecidir. Bir bireyin DNA dizisinin ayrıntılı bir kaydı elde edildiğinde, bu kişinin genomu, olası hastalıkların nedeni olabilecek mevcut genetik varyasyonları değerlendirmek amacıyla İnsan Genom Projesi’ndeki gibi bir referans genomla karşılaştırılabilir. 23andMe, Navigenics ve Illumina gibi bir dizi özel şirket, halkın erişimine açık, doğrudan tüketiciye yönelik genom dizileme hizmetleri gerçekleştirmiştir.

Bunun bir yönü de, bireyin genomunu kullanarak daha bilinçli ve kişiye özel ilaç reçetesi sunmayı amaçlayan farmakogenomiktir. Genellikle ilaçlar, herkes için nispeten aynı etkiyi göstereceği düşüncesiyle reçete edilse bile ilaçların uygulanmasında dikkate alınması gereken bir dizi faktör bulunmaktadır. Bireye ait genetik bilgilerin ayrıntılı bir şekilde değerlendirilmesi, istenmeyen olayların önlenmesine yardımcı olacak, uygun dozajların belirlenmesini sağlayacak ve ilaç reçeteleriyle maksimum etkinlik elde edilmesini sağlayacaktır. Örneğin, varfarin, kan pıhtısı olan hastalara yaygın olarak reçete edilen ve FDA tarafından onaylanmış bir oral antikoagülandır. Warfarinin farmakokinetik ve farmakodinamik özelliklerinde bireyler arasında önemli farklılıklar olması nedeniyle, bu ilacın istenmeyen olay oranı yaygın olarak reçete edilen tüm ilaçlar arasında en yükseklerdendir. Bununla birlikte, bireysel antikoagülan yanıtını kodlayan iki gen olan CYP2C9 ve VKORC1 genotiplerinde polimorfik varyantların keşfedilmesiyle, hekimler, hastaların gen profilini kullanarak ciddi kanama gibi yan etkileri önlemek ve daha hızlı ve daha iyi terapötik etkinlik sağlamak amacıyla optimal warfarin dozlarını reçete edebilirler. Belirli bir ilaca karşı yan etkileri öngören genetik varyantların keşfine yönelik farmakogenomik süreç, toksgnostik olarak adlandırılmıştır.

Kişiselleştirilmiş tıbba uygulanan bir teranostik platformun unsurlarından biri, tedaviyi yönlendirmek amacıyla tanı testlerinin kullanılması olabilir. Bu testler, MRG kontrast maddeleri (T1 ve T2 maddeleri), floresan işaretleyiciler (organik boyalar ve inorganik kuantum noktaları) ve nükleer görüntüleme maddeleri (PET radyoizotopları veya SPECT maddeleri) gibi tıbbi görüntüleme yöntemlerini içerebilir. veya DNA dizilemesi dahil olmak üzere in vitro laboratuvar testleri ve genellikle çeşitli biyobelirteçler için test sonuçlarını değerlendiren derin öğrenme algoritmaları içerebilir.

Spesifik tedavinin yanı sıra, kişiselleştirilmiş tıp, koruyucu bakım alanındaki ilerlemelere de büyük ölçüde katkıda bulunabilir. Örneğin, aile öyküsünde meme kanseri veya yumurtalık kanseri bulunan ve bu nedenle yatkınlığı olan birçok kadına, BRCA1 ve BRCA2 genlerindeki belirli mutasyonlar için genotipleme yapılmaktadır. Hastalıkların nedenleri, genomda bulunan mutasyonlara göre daha fazla haritalandıkça, bir bireyde bu nedenlerin tespit edilmesi de o kadar kolaylaşır. Böylece, bir hastalığın gelişmesini önlemek için önlemler alınabilir. Genomda mutasyonlar tespit edilmiş olsa bile, kişinin DNA’sına ilişkin ayrıntılı bilgilere sahip olmak, belirli hastalıkların etkisini azaltabilir veya başlangıcını geciktirebilir. Bir bireyin genetik yapısına ilişkin bilgilere sahip olmak, hastalığın kaynağını belirlemede ve dolayısıyla tedavisinde veya ilerlemesinin önlenmesinde daha bilinçli kararlar alınmasını sağlayacaktır. Bu, Alzheimer gibi hastalıklar veya DNA’mızdaki belirli mutasyonlarla bağlantılı olduğu düşünülen kanserler için son derece yararlı olacaktır.

Hedef hasta grubu veya alt grubuna özgü bir ilacın etkinliğini ve güvenliğini test etmek için günümüzde kullanılan bir araç, eşlik eden tanıdır. Bu teknoloji, bir ilacın piyasaya sürülmesi sırasında veya sonrasında geliştirilen bir testtir ve kişiye özel olarak mevcut tedavi seçeneklerini iyileştirmeye yardımcı olur. Bu eşlik eden tanılama testleri, hasta için mümkün olan en uygun tedavi kararının alınmasına yardımcı olmak amacıyla, ilaca ilişkin farmakogenomik bilgileri reçete etiketine dahil etmiştir.

İlaç geliştirme ve kullanımı

Kişiselleştirilmiş kanser tedavisinin genel süreci. Genom dizilemesi, farklı hastalar için daha doğru ve kişiye özel ilaç reçeteleme ve hedefli tedavi imkânı sağlayacaktır.

Bir bireyin genomik bilgilerine sahip olmak, ilaçların halka açık kullanım için FDA’dan onay beklediği süreçte önemli bir rol oynayabilir. Bir bireyin genetik yapısına ilişkin ayrıntılı bilgilere sahip olmak, bir hastanın klinik araştırmanın son aşamalarına dahil edilip edilmeyeceğine karar vermede önemli bir avantaj olabilir. Klinik araştırmadan en fazla fayda görecek hastaları belirleyebilmek, test edilen ürünün neden olabileceği olumsuz sonuçlara karşı hastaların güvenliğini artıracak ve genel maliyetleri düşüren daha küçük ve daha hızlı araştırmaların yapılmasına olanak sağlayacaktır. Ayrıca, genel nüfus için etkisiz olduğu düşünülen ilaçlar, kişisel genomlar kullanılarak o belirli ilacın veya tedavinin etkinliği ve gerekliliği doğrulanarak FDA onayı alabilir ve bu onay, ilacın yalnızca nüfusun küçük bir yüzdesi tarafından ihtiyaç duyulsa bile geçerlidir.

Doktorlar, hastaları için en etkili tedavi yöntemini bulana kadar genellikle deneme yanılma yöntemini kullanırlar. Kişiselleştirilmiş tıp sayesinde, bir bireyin vücudunun nasıl tepki vereceği ve tedavinin genomuna göre işe yarayıp yaramayacağı öngörülerek bu tedaviler daha spesifik bir şekilde uyarlanabilir. Bu yaklaşım, “doğru hastaya, doğru dozda, doğru ilaçla tedavi” şeklinde özetlenmiştir. Böyle bir yaklaşım aynı zamanda daha maliyet etkin ve doğru olacaktır. Örneğin, Tamoksifen eskiden ER+ meme kanseri olan kadınlara yaygın olarak reçete edilen bir ilaçtı, ancak ilacı ilk başlarda alan kadınların %65’i ilaca direnç geliştirdi. David Flockhart gibi araştırmacıların çalışmaları sonucunda, metabolizma enzimlerini kodlayan CYP2D6 geninde belirli bir mutasyona sahip kadınların Tamoksifen'i verimli bir şekilde parçalayamadıkları ve bu nedenle ilacın onlar için etkisiz bir tedavi olduğu ortaya çıkmıştır.

Aktif bir araştırma alanı, eczane karışımlarından üretilen kişiselleştirilmiş ilaçların vücuttaki hastalık bölgelerine verimli bir şekilde ulaştırılmasıdır. Örneğin, araştırmacılar gerçek zamanlı görüntülemeyi kullanarak ve ilaç iletiminin farmakodinamiğini analiz ederek belirli bir bölgeyi hassas bir şekilde hedefleyebilen nano-taşıyıcılar tasarlamaya çalışmaktadırlar. Demir oksit nanopartikülleri, kuantum noktaları, karbon nanotüpler, altın nanopartikülleri ve silika nanopartikülleri gibi çeşitli aday nano-taşıyıcılar incelenmektedir. Yüzey kimyasının değiştirilmesi, bu nanopartiküllerin ilaçlarla yüklenmesini ve aynı zamanda vücudun bağışıklık tepkisinden kaçınmasını sağlayarak nanopartikül tabanlı teranostik uygulamaları mümkün kılmaktadır. Nanotaşıyıcıların hedefleme stratejileri, hastalığa göre değişiklik göstermektedir. Örneğin, hastalık kanser ise, yaygın bir yaklaşım, kanser hücrelerinin yüzeyinde eksprese edilen biyobelirteçleri tanımlamak ve tanıma ile bağlanmayı sağlamak için ilgili hedefleme vektörünü nanotaşıyıcıya yüklemektir. Nanotaşıyıcıların boyut ölçeği de tümör hedeflemede artmış geçirgenlik ve tutulum etkisi (EPR) elde edilecek şekilde tasarlanacaktır. Hastalık böbrek gibi belirli bir organda lokalize ise, organa hedefli ilaç dağıtımı sağlamak ve spesifik olmayan alımı önlemek amacıyla nanotaşıyıcıların yüzeyi, o organın içindeki reseptörlere bağlanan belirli bir ligand ile kaplanabilir. Bu nanoparçacık temelli ilaç dağıtım sisteminin büyük potansiyeline rağmen, bu alanda henüz önemli bir ilerleme kaydedilmemiştir ve nano-taşıyıcılar, klinik standartlara uymak üzere halen araştırılmakta ve geliştirilmektedir.

Teranostik

Ana madde: Teranostik

Teranostik, nükleer tıpta hem görüntüleme (tanı) hem de tedavi için benzer moleküllerin kullanıldığı kişiselleştirilmiş bir yaklaşımdır. Bu terim, “terapötik” ve “diagnostik” kelimelerinin birleşiminden oluşur. En yaygın uygulamaları arasında, SPECT veya PET görüntüleme için moleküllere radyonüklitlerin (gama veya pozitron yayıcılar) eklenmesi ya da radyoterapi için elektron yayıcıların eklenmesi yer alır.[kaynak belirtilmeli] En eski örneklerden biri, tiroid kanseri hastalarının tedavisinde radyoaktif iyotun kullanılmasıdır. Diğer örnekler arasında lenfoma tedavisi için radyoaktif işaretli anti-CD20 antikorları (örn. Bexxar), kemik metastazlarının tedavisi için Radyum-223, nöroendokrin tümörlerin tedavisi için Lutetiyum-177 DOTATATE ve prostat kanserinin tedavisi için Lutetiyum-177 PSMA sayılabilir. Yaygın olarak kullanılan bir reaktif, flor-18 izotopunu içeren florodeoksiglukozdur.

Solunum proteomikleri

Kütle spektrometresiyle analiz edilecek bir proteomik örneğinin örnek taşıyıcı üzerine hazırlanması.

Solunum hastalıkları dünya çapında insanlığı etkilemektedir. Kronik akciğer hastalıkları (örneğin astım, kronik obstrüktif akciğer hastalığı, idiyopatik pulmoner fibrozis) ile akciğer kanseri, yaygın morbidite ve mortaliteye neden olmaktadır. Bu hastalıklar son derece heterojendir ve erken teşhis gerektirir. Ancak ilk belirtiler spesifik değildir ve klinik tanı sıklıkla geç konulmaktadır. Son birkaç yılda, kişiselleştirilmiş tıp, tedavileri belirli bir hastanın tıbbi ihtiyaçlarına göre kişiselleştirmeyi amaçlayan yeni teknolojileri kullanan bir tıbbi bakım yaklaşımı olarak ortaya çıkmıştır. Özellikle proteomik, tek bir biyobelirteç yerine bir dizi protein ekspresyonunu analiz etmek için kullanılır. Proteinler, sağlık ve hastalık dahil olmak üzere vücudun biyolojik faaliyetlerini kontrol ederek proteomik, erken tanıda yardımcı olur. Solunum hastalıkları durumunda proteomik, serum, kan hücreleri, bronkoalveolar lavaj sıvıları (BAL), nazal lavaj sıvıları (NLF), balgam ve diğerleri dahil olmak üzere çeşitli biyolojik örnekleri analiz eder. Bu biyolojik örneklerden elde edilen protein ekspresyonunun tam olarak tanımlanması ve miktarının belirlenmesi, kütle spektrometrisi ve gelişmiş analitik teknikler kullanılarak gerçekleştirilir. Son yıllarda, solunum proteomikleri, sağlık hizmetlerini desteklemek amacıyla kişiselleştirilmiş tıbbın geliştirilmesinde önemli ilerlemeler kaydetmiştir. Örneğin, 2012 yılında Lazzari ve arkadaşları tarafından yürütülen bir çalışmada, proteomik temelli yaklaşım, her bir hasta için kişiselleştirilmiş tedavilerin tasarlanmasında kullanılabilecek çok sayıda akciğer kanseri biyobelirtecinin tanımlanmasında önemli bir gelişme sağlamıştır. Giderek artan sayıda çalışma, solunum sistemi hastalıklarına yönelik hedefli tedaviler sunmada proteomikin yararını ortaya koymuştur.

Kanser genomikleri

Son on yıllarda kanser araştırmaları, geleneksel patolojide aynı görünen kanser türlerinin genetik çeşitliliği hakkında çok sayıda bulguya ulaşmıştır. Ayrıca, tümör heterojenliği, yani tek bir tümör içindeki genetik çeşitlilik konusunda da farkındalık giderek artmaktadır. Diğer olasılıkların yanı sıra, bu keşifler, genel hasta popülasyonunda iyi sonuçlar vermemiş ilaçların, belirli genetik profillere sahip bir kısım vakada yine de başarılı olabileceği ihtimalini gündeme getirmektedir.

Kişiselleştirilmiş onkogenomik, kişiselleştirilmiş tıbbın kanser genomiklerine uygulanmasıdır. Hastalığın patolojisini daha iyi anlamak ve ilaç geliştirmeyi iyileştirmek amacıyla, kanserle ilişkili genleri karakterize etmek için yüksek verimli sekanslama yöntemleri kullanılmaktadır. Onkogenomik, özellikle ilaç tedavisindeki etkileri nedeniyle genomik biliminin en umut verici dallarından biridir. Buna örnek olarak şunlar verilebilir:

  • Trastuzumab (ticari isimleri Herclon, Herceptin), HER2/neu reseptörünü engelleyen bir monoklonal antikor ilacıdır. Başlıca kullanım amacı, belirli meme kanseri türlerini tedavi etmektir. Bu ilaç, yalnızca hastanın kanserinde HER2/neu reseptörünün aşırı ekspresyonu saptandığında kullanılır. Hastaların Herceptin tedavisinden olası fayda sağlayıp sağlamayacağını belirlemek için iki doku tipleme testi kullanılır. Bu doku testleri, immünohistokimya (IHC) ve Floresan In Situ Hibridizasyon (FISH) testleridir. Yalnızca HER2+ hastalar Herceptin tedavisi (trastuzumab) ile tedavi edilir.
  • İmatinib (Gleevec adıyla pazarlanan) gibi tirozin kinaz inhibitörleri, kronik miyeloid lösemi (KML) tedavisi için geliştirilmiştir. Bu hastalıkta BCR-ABL füzyon geni (kromozom 9 ile kromozom 22 arasındaki karşılıklı translokasyonun ürünü), vakaların %95’inden fazlasında mevcuttur ve aşırı aktive olmuş abl kaynaklı protein sinyal iletimini tetikler. Bu ilaçlar, Ableson tirozin kinaz (ABL) proteinini spesifik olarak inhibe eder ve bu nedenle hastalık patofizyolojisi bilgisine dayanan “akılcı ilaç tasarımı”nın en iyi örneklerinden biridir.
  • Foundation Medicine tarafından hazırlanan ve her bir hastanın tümör biyopsilerindeki genleri inceleyerek spesifik ilaçlar öneren FoundationOne CDx raporu
  • Yüksek mutasyon yükü, immünoterapiye yanıtın bir göstergesidir. Ayrıca belirli mutasyon kalıpları, daha önce sitotoksik kanser ilaçlarına maruz kalma ile ilişkilendirilmiştir.

Nüfus taraması

Genomik (mikroarray), proteomik (doku dizisi) ve görüntüleme (fMRI, mikro-CT) teknolojilerinin kullanımıyla, hastalar hakkında moleküler ölçekte bilgiler kolayca elde edilebilir. Bu sözde moleküler biyobelirteçlerin, kanser gibi hastalıkların prognozunda etkili olduğu kanıtlanmıştır. Kanser öngörüsünün başlıca üç alanı, kanserin nüksetmesi, kansere yatkınlık ve kanserden sağ kalma olasılığıdır. Moleküler ölçekteki bilgileri, hastaların tümör tipi ve diğer risk faktörleri gibi makro ölçekli klinik verilerle birleştirmek, prognozu önemli ölçüde iyileştirir. Sonuç olarak, moleküler biyobelirteçlerin, özellikle de genomiklerin kullanımı sayesinde, kanser prognozu veya tahmini, özellikle geniş bir popülasyonun taranmasında çok etkili hale gelmiştir. Esasen, popülasyon genomik taraması, hastalık riski taşıyan kişileri belirlemek için kullanılabilir ve bu da önleyici çabalara yardımcı olabilir.

Genetik veriler, bir GWA çalışmasıyla keşfedilen tek tek varyantların tahmini etkilerini toplayarak hastalık riski gibi özellikleri tahmin eden poligenik puanların oluşturulmasında kullanılabilir. Bu skorlar, kanser, diyabet ve koroner arter hastalığı gibi çok çeşitli durumlar için kullanılmaktadır. Birçok genetik varyant, etnik kökenle ilişkilidir ve hem doğru tahminler üretmek hem de biyolojik olarak anlamlı varyantları tesadüfen ilişkili olanlardan ayırmak hâlâ bir zorluktur. Bir popülasyondan elde edilen tahminler genellikle diğerlerine iyi bir şekilde aktarılamaz dolayısıyla sofistike yöntemler ile daha çeşitli ve küresel veriler gerektirir. Çoğu çalışma, Avrupa kökenli kişilerden elde edilen verileri kullanmıştır. Bu durum, sağlık eşitsizliklerini azaltmak için daha adil genomik uygulamalar yapılması yönünde çağrılara yol açmıştır. Ayrıca, poligenik puanların belirli bir öngörü doğruluğu olsa da, bunların yorumlanması bir bireyin yüzdelik dilimini tahmin etmekle sınırlıdır ve klinik kullanım için translasyonel araştırmalara ihtiyaç vardır.

Zorluklar

Kişiselleştirilmiş tıp uygulamaları yaygınlaştıkça, bir dizi zorluk ortaya çıkmaktadır. Fikri mülkiyet hakları, geri ödeme politikaları, hasta mahremiyeti, veri önyargıları ve gizlilik ile düzenleyici denetime ilişkin mevcut yaklaşımların, kişiselleştirilmiş tıbbın sağlık hizmetlerine getireceği değişikliklere uyum sağlamak üzere yeniden tanımlanması ve yeniden yapılandırılması gerekecektir. Örneğin, Birleşik Krallık’ta yapılan bir ankette, Birleşik Krallık’taki yetişkinlerin %63’ünün, tıbbi alanda yapay zeka (AI) kullanımı amacıyla kişisel verilerinin kullanılmasından rahatsızlık duyduğu sonucuna varılmıştır. Ayrıca, elde edilen tanı verilerinin analizi, kişiselleştirilmiş tıp ve bunun uygulanması açısından son zamanlarda ortaya çıkan bir zorluktur. Örneğin, yeni nesil dizileme yöntemleriyle elde edilen genetik verilerin analiz edilebilmesi için önceden yoğun bilgisayar gücü gerektiren veri işleme süreçleri gereklidir.

Sistem tıbbı

Sistem tıbbı, insan vücudundaki sistemleri bütünleşik bir bütünün parçası olarak ele alan ve biyokimyasal, fizyolojik ve çevresel etkileşimleri bir araya getiren disiplinlerarası bir çalışma alanıdır. Sistem tıbbı, sistem bilimi ve sistem biyolojisinden yararlanır ve insan vücudu içindeki karmaşık etkileşimleri, hastanın genomik özellikleri, davranışları ve çevresi ışığında değerlendirir.

“Sistem tıbbı” teriminin ilk kullanımları, 1992 yılında T. Kamada tarafından sistem tıbbı ve farmakoloji üzerine yazılan bir makalede görülmüştür.

Sistem tıbbı ve sistem biyotıbbında önemli bir konu, hastalığın ilerleyişini ve terapötik müdahalelerin etkisini tanımlayan hesaplamalı modellerin geliştirilmesidir.

Daha yeni yaklaşımlar arasında, semptomlardan ziyade ortak mekanizmalara dayalı olarak hastalık fenotiplerinin yeniden tanımlanması yer almaktadır. Bunlar, ağ farmakolojisi ve ilaçların yeniden amaçlandırılması dahil olmak üzere terapötik hedefler sunmaktadır. 2018 yılından bu yana, bu alana özel bir bilimsel dergi olan Systems Medicine yayınlanmaktadır.

Araştırma grupları

Ülke Üniversite / Enstitü Bölüm / Merkez / Program / Ağ Katılımcılar
Avusturya Viyana Üniversitesi Organizma Sistemleri Biyolojisi Merkezi (COSB)
İrlanda İrlanda Kraliyet Cerrahlar Koleji Tıbbi Sistem Biyolojisi
Lüksemburg Lüksemburg Sistem Biyomedikal Merkezi Hesaplamalı Biyoloji grubu
Hollanda Eindhoven Teknoloji Üniversitesi (TU/e) Biyomedikal Mühendisliği Bölümü, Hesaplamalı Biyoloji Grubu (CBio) Natal van Riel
Amerika Sistem Biyolojisi Enstitüsü (ISB) Leroy Hood, Alan Aderem, Ruedi Aebersold
Almanya Helmholtz Alman Araştırma Merkezleri Birliği Sistem İmmünolojisi Bölümü Esteban Hernandez-Vargas
Hollanda Utrecht Üniversitesi

Utrecht Üniversitesi Tıp Merkezi

Maastricht Üniversitesi

Translasyonel İmmünoloji Laboratuvarı

Utrecht Kantitatif İmmünoloji Merkezi

Farmakoloji ve Kişiselleştirilmiş Tıp

Profesör Timothy Radstake,

Dr. Aridaman Pandit

Prof. Harald HHW Schmidt

İsrail Weizmann Bilim Enstitüsü Moleküler Hücre Biyolojisi Bölümü

Sistem Tıbbı dersi

Uri Alon
Norveç Haukeland Üniversite Hastanesi Nöro-SistemMed Kjell-Morten Myhr, Charalampos Tzoulis

Ayrıca bakınız

Kaynakça

  1. ^ Češková, Eva; Šilhán, Petr (2021). "From Personalized Medicine to Precision Psychiatry?". Neuropsychiatric Disease and Treatment. 17: 3663-3668. doi:10.2147/NDT.S337814. ISSN 1176-6328. PMC 8684413 Özgürce erişilebilir. PMID 34934319. However, the concept of personalisation is broader and dates back at least to the time of Hippocrates (460–377 BC), who is considered the father of modern medicine based on clinical observation and rational conclusions 
  2. ^ Stratified, personalized or P4 medicine: a new direction for placing the patient at the center of healthcare and health education. Academy of Medical Sciences. May 2015. 27 Ekim 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 6 Ocak 2016. 
  3. ^ "The Case for Personalized Medicine" (PDF). Personalized Medicine Coalition. 2014. 8 Ekim 2018 tarihinde kaynağından arşivlendi (PDF). Erişim tarihi: 6 Ocak 2016. 
  4. ^ "Stratified, personalised, or precision medicine". British Medical Journal. 15 Ekim 2012. 28 Nisan 2016 tarihinde kaynağından arşivlendi6 Ocak 2016. 
  5. ^ a b c "Personalized medicine: elusive dream or imminent reality?". Clinical Pharmacology and Therapeutics. 81 (6): 807-16. June 2007. doi:10.1038/sj.clpt.6100204. PMID 17505496. 
  6. ^ a b c "Grand Challenges - Engineer Better Medicines". www.engineeringchallenges.org. 25 Ekim 2023 tarihinde kaynağından arşivlendi. Erişim tarihi: 3 Ağustos 2020. 
  7. ^ Annadurai, Kalaivani; Danasekaran, Raja; Mani, Geeta (2016). "Personalized medicine: A paradigm shift towards promising health care". Journal of Pharmacy and Bioallied Sciences. 8 (1): 77-78. doi:10.4103/0975-7406.171732. PMC 4766785 Özgürce erişilebilir. PMID 26957875. 
  8. ^ "Personalized Medicine 101". Personalized Medicine Coalition. 10 Mayıs 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 26 Nisan 2014. 
  9. ^ a b "Personalized Medicine in Respiratory Disease". Chapter Five - Personalized Medicine in Respiratory Disease: Role of Proteomics. Advances in Protein Chemistry and Structural Biology. 102. 2016. ss. 115-146. doi:10.1016/bs.apcsb.2015.11.008. ISBN 978-0-12-804795-8. PMID 26827604. 
  10. ^ a b c d e f "Personalized Medicine in Respiratory Disease". Chapter Five - Personalized Medicine in Respiratory Disease: Role of Proteomics. Advances in Protein Chemistry and Structural Biology. 102. 2016. ss. 115-146. doi:10.1016/bs.apcsb.2015.11.008. ISBN 978-0-12-804795-8. PMID 26827604. 
  11. ^ "What is the difference between precision medicine and personalized medicine? What about pharmacogenomics?". MedlinePlus, National Library of Medicine, US National Institutes of Health. 17 Mayıs 2022. 23 Nisan 2024 tarihinde kaynağından arşivlendi. Erişim tarihi: 24 Nisan 2024. 
  12. ^ a b "Precision medicine". National Human Genome Research Institute, US National Institutes of Health. 24 Nisan 2024. Erişim tarihi: 24 Nisan 2024. Arşivlenmesi gereken bağlantıya sahip kaynak şablonu içeren maddeler (link)
  13. ^ a b "Personalized medicine and human genetic diversity". Cold Spring Harbor Perspectives in Medicine. 4 (9). July 2014. doi:10.1101/cshperspect.a008581. PMC 4143101 Özgürce erişilebilir. PMID 25059740. 
  14. ^ "Molecular characteristics and therapeutic vulnerabilities across paediatric solid tumours". Nature Reviews Cancer. 19 (8): 420-438. August 2019. doi:10.1038/s41568-019-0169-x. PMID 31300807. 18 Kasım 2020 tarihinde kaynağından arşivlendi13 Temmuz 2026. 
  15. ^ a b "Personalized medicine". National Human Genome Research Institute, US National Institutes of Health. 24 Nisan 2024. 24 Nisan 2024 tarihinde kaynağından arşivlendi. Erişim tarihi: 24 Nisan 2024. 
  16. ^ a b President's Council of Advisors on Science and Technology (September 2008). "Priorities for Personalized Medicine" (PDF). The White House. s. 19. 10 Haziran 2016 tarihinde kaynağından (PDF) arşivlendi. Erişim tarihi: 24 Nisan 2024. 
  17. ^ "Changing medicine with 3-D bioprinting, where organs can be synthesized by technology". Los Angeles Times. 23 Şubat 2015. 8 Haziran 2021 tarihinde kaynağından arşivlendi. Erişim tarihi: 13 Temmuz 2026. 
  18. ^ National Research Council (2011), "Glossary", Toward Precision Medicine: Building a Knowledge Network for Biomedical Research and a New Taxonomy of Disease (İngilizce), National Academies Press (US), 16 Haziran 2023 tarihinde kaynağından arşivlendi25 Nisan 2024 
  19. ^ a b c d Exploring Personal Genomics. Oxford: Oxford University Press. 2014. 
  20. ^ a b "Personalized Medicine 101: The Science". Personalized Medicine Coalition. 19 Şubat 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 26 Nisan 2014. 
  21. ^ "Characterizing the genetic basis of transcriptome diversity through RNA-sequencing of 922 individuals". Genome Research. 24 (1): 14-24. January 2014. doi:10.1101/gr.155192.113. PMC 3875855 Özgürce erişilebilir. PMID 24092820. 
  22. ^ "Integrative analysis of RNA, translation, and protein levels reveals distinct regulatory variation across humans". Genome Research. 25 (11): 1610-21. November 2015. doi:10.1101/gr.193342.115. PMC 4617958 Özgürce erişilebilir. PMID 26297486. 
  23. ^ "Variation and genetic control of protein abundance in humans". Nature. 499 (7456): 79-82. July 2013. doi:10.1038/nature12223. PMC 3789121 Özgürce erişilebilir. PMID 23676674. 
  24. ^ "Personalized health care: from theory to practice". Biotechnology Journal. 7 (8): 973-9. August 2012. doi:10.1002/biot.201100297. PMID 22180345. 
  25. ^ "Improved prediction of response to antiretroviral combination therapy using the genetic barrier to drug resistance". Antiviral Therapy. 12 (2): 169-78. 2007. doi:10.1177/135965350701200202. PMID 17503659. INIST 18647009. 
  26. ^ "Can we deconstruct cancer, one patient at a time?". Trends in Genetics. CellPress. 29 (1): 6-10. 24 Ekim 2012. doi:10.1016/j.tig.2012.09.004. PMC 4221262 Özgürce erişilebilir. PMID 23102584. 
  27. ^ "Genomic signatures defining responsiveness to allopurinol and combination therapy for lung cancer identified by systems therapeutics analyses". Molecular Oncology. 13 (8): 1725-1743. August 2019. doi:10.1002/1878-0261.12521. PMC 6670022 Özgürce erişilebilir. PMID 31116490. 
  28. ^ "Precision oncology: an overview". Journal of Clinical Oncology. 31 (15): 1803-5. May 2013. doi:10.1200/jco.2013.49.4799. PMID 23589545. 
  29. ^ "Rapid learning for precision oncology". Nature Reviews. Clinical Oncology. 11 (2): 109-18. February 2014. doi:10.1038/nrclinonc.2013.244. PMID 24445514. 
  30. ^ "The new field of 'precision psychiatry'". BMC Medicine. 15 (1). April 2017. doi:10.1186/s12916-017-0849-x. PMC 5390384 Özgürce erişilebilir. PMID 28403846. 
  31. ^ "Staging in bipolar disorder: one step closer to precision psychiatry". Revista Brasileira de Psiquiatria. 39 (2): 88-89. June 2017. doi:10.1590/1516-4446-2017-3902. PMC 7111440 Özgürce erişilebilir. PMID 28591270. 
  32. ^ "Molecular pathological epidemiology of epigenetics: emerging integrative science to analyze environment, host, and disease". Modern Pathology. 26 (4): 465-84. April 2013. doi:10.1038/modpathol.2012.214. PMC 3637979 Özgürce erişilebilir. PMID 23307060. 
  33. ^ Ogino, Shuji; Fuchs, Charles S; Giovannucci, Edward (July 2012). "How many molecular subtypes? Implications of the unique tumor principle in personalized medicine". Expert Review of Molecular Diagnostics. 12 (6): 621-628. doi:10.1586/erm.12.46. PMC 3492839 Özgürce erişilebilir. PMID 22845482. 
  34. ^ "Discovery of colorectal cancer PIK3CA mutation as potential predictive biomarker: power and promise of molecular pathological epidemiology". Oncogene. 33 (23): 2949-55. June 2014. doi:10.1038/onc.2013.244. PMC 3818472 Özgürce erişilebilir. PMID 23792451. 
  35. ^ "Complement factor H variant increases the risk of age-related macular degeneration". Science. 308 (5720): 419-21. April 2005. doi:10.1126/science.1110359. PMID 15761120. 
  36. ^ "A Catalog of Published Genome-Wide Association Studies". 24 Şubat 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 28 Haziran 2015. 
  37. ^ "Clinical assessment incorporating a personal genome". Lancet. 375 (9725): 1525-35. May 2010. doi:10.1016/s0140-6736(10)60452-7. PMC 2937184 Özgürce erişilebilir. PMID 20435227. 
  38. ^ "Oncotype DX: Genomic Test to Inform Breast Cancer Treatment". 13 Haziran 2019. 1 Mart 2022 tarihinde kaynağından arşivlendi. Erişim tarihi: 14 Temmuz 2026. 
  39. ^ Claudia S. Copeland. "Harnessing the Extraordinary Growth in Medical Data for Personalize Diagnosis and Treatment" (PDF). 2 Şubat 2017 tarihinde kaynağından (PDF) arşivlendi2 Şubat 2017. 
  40. ^ a b "Developing genomic knowledge bases and databases to support clinical management: current perspectives". Pharmacogenomics and Personalized Medicine. 7: 275-83. 2014. doi:10.2147/PGPM.S49904. PMC 4175027 Özgürce erişilebilir. PMID 25276091. 
  41. ^ "The precision medicine initiative: a new national effort". JAMA. 313 (21): 2119-20. June 2015. doi:10.1001/jama.2015.3595. PMID 25928209. 
  42. ^ "Towards precision medicine". Nature Reviews. Genetics. 17 (9): 507-22. August 2016. doi:10.1038/nrg.2016.86. PMID 27528417. 
  43. ^ Splinter, Kimberly; Adams, David R.; Bacino, Carlos A.; Bellen, Hugo J.; Bernstein, Jonathan A.; Cheatle-Jarvela, Alys M.; Eng, Christine M.; Esteves, Cecilia; Gahl, William A.; Hamid, Rizwan; Jacob (29 Kasım 2018). "Effect of Genetic Diagnosis on Patients with Previously Undiagnosed Disease". New England Journal of Medicine. 379 (22): 2131-2139. doi:10.1056/NEJMoa1714458. PMC 6481166 Özgürce erişilebilir. PMID 30304647. 
  44. ^ Serpico, Davide; Maziarz, Mariusz (14 Aralık 2023). "Averaged versus individualized: pragmatic N-of-1 design as a method to investigate individual treatment response". European Journal for Philosophy of Science (İngilizce). 13 (4): 59. doi:10.1007/s13194-023-00559-0. ISSN 1879-4920. 
  45. ^ Nikles, J., & Mitchell, G. (2015). The Essential Guide to N-of-1 Trials in Health (PDF) (İngilizce). doi:10.1007/978-94-017-7200-6. ISBN 978-94-017-7199-3. KB1 bakım: Birden fazla ad: yazar listesi (link)
  46. ^ "Divining your future in healthcare". pmlive.com. 18 Ekim 2013. 22 Ağustos 2025 tarihinde kaynağından arşivlendi. Erişim tarihi: 14 Temmuz 2026. 
  47. ^ "3D-Printed Medical Devices Spark FDA Evaluation". LiveScience.com. 30 Ağustos 2013. 12 Şubat 2026 tarihinde kaynağından arşivlendi. Erişim tarihi: 14 Temmuz 2026. 
  48. ^ "Personalized Medicine Benefits - The Jackson Laboratory". jax.org. 10 Mayıs 2015 tarihinde kaynağından arşivlendi. Erişim tarihi: 23 Eylül 2022. 
  49. ^ Belcher, Andrea; Mangelsdorf, Marie; McDonald, Fiona; Curtis, Caitlin; Waddell, Nicola; Hussey, Karen (June 2019). "What does Australia's investment in genomics mean for public health?". Australian and New Zealand Journal of Public Health. 43 (3): 204-206. doi:10.1111/1753-6405.12887. PMID 30830712. 
  50. ^ Mesko, Bertalan (2017). "Expert Review of Precision Medicine and Drug Development". Journal Expert Review of Precision Medicine and Drug Development. 2 (5): 239-241. doi:10.1080/23808993.2017.1380516. 
  51. ^ Ray, Amit (20 Mayıs 2018). "Artificial Intelligence and Blockchain for Precision Medicine". Compassionate AI. Inner Light Publishers. 2 (5): 60-62. 22 Mayıs 2018 tarihinde kaynağından arşivlendi21 Mayıs 2018. 
  52. ^ "Artificial Intelligence in Precision Cardiovascular Medicine". Journal of the American College of Cardiology. 69 (21): 2657-2664. May 2017. doi:10.1016/j.jacc.2017.03.571. PMID 28545640. 
  53. ^ Beacher, Felix D.; Mujica-Parodi, Lilianne R.; Gupta, Shreyash; Ancora, Leonardo A. (5 Mayıs 2021). "Machine Learning Predicts Outcomes of Phase III Clinical Trials for Prostate Cancer". Algorithms. 14 (5): 147. doi:10.3390/a14050147. 
  54. ^ Ferryman, Kadija; Pitcan, Mikaela (26 Şubat 2018). "Fairness in Precision Medicine". Data & Society (İngilizce). 16 Mayıs 2026 tarihinde kaynağından arşivlendi. Erişim tarihi: 27 Ekim 2021. 
  55. ^ Bhargava, Hersh K.; Leo, Patrick; Elliott, Robin; Janowczyk, Andrew; Whitney, Jon; Gupta, Sanjay; Fu, Pingfu; Yamoah, Kosj; Khani, Francesca; Robinson, Brian D.; Rebbeck (15 Nisan 2020). "Computationally Derived Image Signature of Stromal Morphology Is Prognostic of Prostate Cancer Recurrence Following Prostatectomy in African American Patients". Clinical Cancer Research. 26 (8): 1915-1923. doi:10.1158/1078-0432.CCR-19-2659. ISSN 1557-3265. PMC 7165025 Özgürce erişilebilir. PMID 32139401. 
  56. ^ "The Impact of Precision Medicine on Cancer". weillcornell.org. 21 Ağustos 2025 tarihinde kaynağından arşivlendi. Erişim tarihi: 14 Temmuz 2026. 
  57. ^ "Obama proposes 'precision medicine 'to end one-size-fits-all". AP News (İngilizce). 30 Ocak 2015. 5 Aralık 2025 tarihinde kaynağından arşivlendi. Erişim tarihi: 20 Nisan 2024. 
  58. ^ "Near-term Goals". nih.gov. 2 Şubat 2015 tarihinde kaynağından arşivlendi. 
  59. ^ "Longer-term Goals". nih.gov. 3 Şubat 2015 tarihinde kaynağından arşivlendi. 
  60. ^ "The White House Precision Medicine Initiative". whitehouse.gov. 7 Şubat 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 14 Temmuz 2026 – National Archives vasıtasıyla. 
  61. ^ Cunningham, Paige Winfield (16 Ocak 2018). "The Health 202: NIH wants 1 million Americans to contribute to new pool of gene data". The Washington Post. ISSN 0190-8286. 2 Şubat 2025 tarihinde kaynağından arşivlendi. Erişim tarihi: 20 Ocak 2018. 
  62. ^ a b c d e f g "Personalized Medicine 101: The Promise". Personalized Medicine Coalition. 19 Aralık 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 26 Nisan 2014. 
  63. ^ "Research Portfolio Online Reporting Tools: Human Genome Project". National Institutes of Health (NIH). 25 Eylül 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 28 Nisan 2014. 
  64. ^ "Genetics Home Reference: What is pharmacogenomics?". National Institutes of Health (NIH). 29 Eylül 2006 tarihinde kaynağından arşivlendi. Erişim tarihi: 28 Nisan 2014. 
  65. ^ "Pharmacokinetics and pharmacodynamics of the enantiomers of warfarin in man". Clinical Pharmacology and Therapeutics. 15 (4): 424-30. April 1974. doi:10.1002/cpt1974154424. PMID 4821443. 
  66. ^ "Effect of VKORC1 haplotypes on transcriptional regulation and warfarin dose". The New England Journal of Medicine. 352 (22): 2285-93. June 2005. doi:10.1056/NEJMoa044503. PMID 15930419. 
  67. ^ "'Toxgnostics': an unmet need in cancer medicine". Nature Reviews. Cancer. 14 (6): 440-5. June 2014. doi:10.1038/nrc3729. PMID 24827503. 
  68. ^ "Theranostics: combining imaging and therapy". Bioconjugate Chemistry. 22 (10): 1879-903. October 2011. doi:10.1021/bc200151q. PMID 21830812. 
  69. ^ "Next-Generation Sequencing in Oncology: Genetic Diagnosis, Risk Prediction and Cancer Classification". International Journal of Molecular Sciences. 18 (2): 308. January 2017. doi:10.3390/ijms18020308. PMC 5343844 Özgürce erişilebilir. PMID 28146134. 
  70. ^ "Theranostic Biomarkers for Schizophrenia". International Journal of Molecular Sciences. 18 (4): 733. March 2017. doi:10.3390/ijms18040733. PMC 5412319 Özgürce erişilebilir. PMID 28358316. 
  71. ^ "Computational neuroscience approach to biomarkers and treatments for mental disorders". Psychiatry and Clinical Neurosciences. 71 (4): 215-237. April 2017. doi:10.1111/pcn.12502. PMID 28032396. 
  72. ^ "Fact Sheet: BRCA1 and BRCA2: Cancer and Genetic Testing". National Cancer Institute (NCI). 1 Ekim 2008 tarihinde kaynağından arşivlendi. Erişim tarihi: 28 Nisan 2014. 
  73. ^ a b "BIOMARKER TOOLKIT: Companion Diagnostics" (PDF). Amgen. 1 Ağustos 2014 tarihinde kaynağından (PDF) arşivlendi. Erişim tarihi: 2 Mayıs 2014. 
  74. ^ "Paving the Way for Personalized Medicine: FDA's Role in a New Era of Medical Product Development" (PDF). U.S. Food and Drug Administration (FDA). October 2013. 23 Ocak 2014 tarihinde kaynağından (PDF) arşivlendi. Erişim tarihi: 28 Nisan 2014. 
  75. ^ "The path to personalized medicine". The New England Journal of Medicine. 363 (4): 301-4. July 2010. doi:10.1056/nejmp1006304. PMID 20551152. 
  76. ^ "Pharmacogenomics: the promise of personalized medicine". AAPS PharmSci. 2 (1): 29-41. 2000. doi:10.1208/ps020104. PMC 2750999 Özgürce erişilebilir. PMID 11741220. 
  77. ^ "Breast cancer in the personal genomics era". Current Genomics. 11 (3): 146-61. May 2010. doi:10.2174/138920210791110951. PMC 2878980 Özgürce erişilebilir. PMID 21037853. 
  78. ^ a b "Personalized Medicine and Customized Drug Delivery Systems: The New Trend of Drug Delivery and Disease Management". International Journal of Pharmaceutical Compounding. 22 (2): 108-121. March 2018. PMID 29877858. 
  79. ^ "Design and in vivo characterization of kidney-targeting multimodal micelles for renal drug delivery". Nano Research. 11 (10): 5584-5595. 1 Ekim 2018. doi:10.1007/s12274-018-2100-2. 
  80. ^ a b c "Future of Theranostics: An Outlook on Precision Oncology in Nuclear Medicine". Journal of Nuclear Medicine. 60 (Suppl 2): 13S-19S. September 2019. doi:10.2967/jnumed.118.220566. PMID 31481583. 23 Nisan 2024 tarihinde kaynağından arşivlendi. 
  81. ^ "Radiotheranostics: a roadmap for future development". The Lancet. Oncology. 21 (3): e146-e156. March 2020. doi:10.1016/S1470-2045(19)30821-6. PMC 7367151 Özgürce erişilebilir. PMID 32135118. 
  82. ^ "Radiotheranostics in Cancer Diagnosis and Management". Radiology. 286 (2): 388-400. February 2018. doi:10.1148/radiol.2017170346. PMC 5790308 Özgürce erişilebilir. PMID 29356634. 
  83. ^ "Chapter 11. Positron Emission Tomography (PET) Driven Theranostics". Metal Ions in Bio-Imaging Techniques. Springer. 2021. ss. 315-346. doi:10.1515/9783110685701-017. 
  84. ^ a b c Priyadharshini VS, Teran LM (2020). "Role of respiratory proteomics in precision medicine". Faintuch J, Faintuch S (Ed.). Precision Medicine for Investigators, Practitioners and Providers. Academic Press. ss. 255-261. doi:10.1016/B978-0-12-819178-1.00024-1. ISBN 978-0-12-819178-1. 
  85. ^ "Recent mass spectrometry-based proteomics for biomarker discovery in lung cancer, COPD, and asthma". Expert Review of Proteomics. 14 (4): 373-386. April 2017. doi:10.1080/14789450.2017.1304215. PMID 28271730. 
  86. ^ "Changes in plasma mass-spectral profile in course of treatment of non-small cell lung cancer patients with epidermal growth factor receptor tyrosine kinase inhibitors". Journal of Thoracic Oncology. 7 (1): 40-8. January 2012. doi:10.1097/JTO.0b013e3182307f17. PMID 21964534. 
  87. ^ "HER2/neu Status is an Important Biomarker in Guiding Personalized HER2/neu Therapy" (PDF). Connection. 9: 25-27. 2006. 4 Mart 2016 tarihinde kaynağından (PDF) arşivlendi3 Ocak 2014. 
  88. ^ "Trastuzumab-related cardiotoxicity: calling into question the concept of reversibility". Journal of Clinical Oncology. 25 (23): 3525-33. August 2007. doi:10.1200/JCO.2007.11.0106. PMID 17687157. 
  89. ^ "Rational approaches to the design of therapeutics targeting molecular markers: the case of chronic myelogenous leukemia". Annals of the New York Academy of Sciences. 1028 (1): 423-31. December 2004. doi:10.1196/annals.1322.050. PMID 15650267. 
  90. ^ "Pan-cancer analysis of advanced patient tumours reveals interactions between therapy and genomic landscapes". Nature Cancer. 1 (4): 452-468. 2020. doi:10.1038/s43018-020-0050-6. PMID 35121966. 
  91. ^ "Biochemical markers in breast cancer: which ones are clinically useful?". Clinical Biochemistry. 34 (5): 347-52. July 2001. doi:10.1016/S0009-9120(00)00201-0. PMID 11522269. 
  92. ^ "The predictive value of HER2 in breast cancer". Oncology. 61 Suppl 2 (2): 73-82. 2001. doi:10.1159/000055405. PMID 11694791. 
  93. ^ "MUC1 and the MUCs: a family of human mucins with impact in cancer biology". Critical Reviews in Clinical Laboratory Sciences. 41 (2): 189-231. 1 Ocak 2004. doi:10.1080/10408360490452040. PMID 15270554. 
  94. ^ a b "Applications of machine learning in cancer prediction and prognosis". Cancer Informatics. 2: 59-77. February 2007. doi:10.1177/117693510600200030. PMC 2675494 Özgürce erişilebilir. PMID 19458758. 
  95. ^ a b "Early Lessons from the Implementation of Genomic Medicine Programs". Annual Review of Genomics and Human Genetics. 20 (1): 389-411. August 2019. doi:10.1146/annurev-genom-083118-014924. PMID 30811224. 
  96. ^ "Genome-wide Modeling of Polygenic Risk Score in Colorectal Cancer Risk". Am J Hum Genet. 107 (3): 432-444. September 2020. doi:10.1016/j.ajhg.2020.07.006. PMC 7477007 Özgürce erişilebilir. PMID 32758450. 
  97. ^ "Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations". Nat Genet. 50 (9): 1219-1224. September 2018. doi:10.1038/s41588-018-0183-z. PMC 6128408 Özgürce erişilebilir. PMID 30104762. 
  98. ^ "Ancestry deconvolution and partial polygenic score can improve susceptibility predictions in recently admixed individuals". Nat Commun. 11 (1). April 2020. doi:10.1038/s41467-020-15464-w. PMC 7118071 Özgürce erişilebilir. PMID 32242022. 
  99. ^ "Theoretical and empirical quantification of the accuracy of polygenic scores in ancestry divergent populations". Nat Commun. 11 (1). July 2020. doi:10.1038/s41467-020-17719-y. PMC 7395791 Özgürce erişilebilir. PMID 32737319. 
  100. ^ "Clinical use of current polygenic risk scores may exacerbate health disparities". Nat Genet. 51 (4): 584-591. April 2019. doi:10.1038/s41588-019-0379-x. PMC 6563838 Özgürce erişilebilir. PMID 30926966. 
  101. ^ "Polygenic risk scores: from research tools to clinical instruments". Genome Med. 12 (1). May 2020. doi:10.1186/s13073-020-00742-5. PMC 7236300 Özgürce erişilebilir. PMID 32423490. 
  102. ^ "Personalized Medicine 101: The Challenges". Personalized Medicine Coalition. 3 Mayıs 2014 tarihinde kaynağından arşivlendi. Erişim tarihi: 26 Nisan 2014. 
  103. ^ "Machine learning in medicine: Addressing ethical challenges". PLOS Medicine. 15 (11). November 2018. doi:10.1371/journal.pmed.1002689. PMC 6219763 Özgürce erişilebilir. PMID 30399149. 
  104. ^ "Analyze Genomes: Motivation". Hasso Plattner Institute. 27 Haziran 2013. 5 Temmuz 2014 tarihinde kaynağından arşivlendi. Erişim tarihi: 20 Temmuz 2014. 
  105. ^ "Evolving from reductionism to holism: is there a future for systems medicine?". JAMA. 302 (9): 994-6. September 2009. doi:10.1001/jama.2009.1264. PMID 19724047. 
  106. ^ "System biomedicine: a new paradigm in biomedical engineering". Frontiers of Medical and Biological Engineering. 4 (1): 1-2. 1992. PMID 1599879. 
  107. ^ "A mechanism-based disease progression model for comparison of long-term effects of pioglitazone, metformin and gliclazide on disease processes underlying Type 2 Diabetes Mellitus". Journal of Pharmacokinetics and Pharmacodynamics. 33 (3): 313-43. June 2006. doi:10.1007/s10928-006-9008-2. PMID 16552630. 
  108. ^ "Parameter trajectory analysis to identify treatment effects of pharmacological interventions". PLOS Computational Biology. 9 (8). Aug 2013. doi:10.1371/journal.pcbi.1003166. PMC 3731221 Özgürce erişilebilir. PMID 23935478. 
  109. ^ "Clinical relevance of cyclic GMP modulators: A translational success story of network pharmacology". Clinical Pharmacology and Therapeutics. 99 (4): 360-2. April 2016. doi:10.1002/cpt.336. PMID 26765222. 
  110. ^ "A diseasome cluster-based drug repurposing of soluble guanylate cyclase activators from smooth muscle relaxation to direct neuroprotection". npj Systems Biology and Applications. 4 (1). 5 Şubat 2018. doi:10.1038/s41540-017-0039-7. PMC 5799370 Özgürce erişilebilir. PMID 29423274. 
  111. ^ "The End of Medicine as We Know It: Introduction to the New Journal, Systems Medicine". Systems Medicine. 1: 1-2. 2018. doi:10.1089/sysm.2017.28999.jba. 
  112. ^ "Organismal Systems Biology". lifesciences.univie.ac.at (İngilizce). 7 Ocak 2022 tarihinde kaynağından arşivlendi. Erişim tarihi: 17 Nisan 2021. 
  113. ^ "Medical Systems Biology". Royal College of Surgeons in Ireland. 22 Ağustos 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 19 Kasım 2025. 
  114. ^ "Computational Biology group". Luxembourg Centre for Systems Biomedicine. 16 Mart 2024. 25 Aralık 2021 tarihinde kaynağından arşivlendi. Erişim tarihi: 15 Temmuz 2026. 
  115. ^ "Computational Biology Group". Eindhoven University of Technology. Arşivlenmesi gereken bağlantıya sahip kaynak şablonu içeren maddeler (link)
  116. ^ "Systems Biology at the Helmholtz Centre for Infectious Diseases, Braunschweig". Helmholtz Centre for Infection Research. 14 Ağustos 2020 tarihinde kaynağından arşivlendi. Erişim tarihi: 19 Kasım 2025. 
  117. ^ "Radstake TRDJ". 22 Mayıs 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 15 Temmuz 2026. 
  118. ^ "Utrecht Center for Quantitative Immunology". 20 Kasım 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 15 Temmuz 2026. 
  119. ^ "Pharmacology & Personalised Medicine | Pharmacology & Personalised Medicine". ppm.mumc.maastrichtuniversity.nl (İngilizce). 12 Aralık 2021 tarihinde kaynağından arşivlendi. Erişim tarihi: 2 Şubat 2017. 
  120. ^ "Molecular Cell Biology, Weizmann Institute of Science". www.weizmann.ac.il. 12 Aralık 2021 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Mayıs 2019. 
  121. ^ "Systems Medicine course 2019 | Uri Alon". www.weizmann.ac.il. 17 Nisan 2019. 26 Şubat 2021 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Mayıs 2019. 
  122. ^ "Dynamical compensation in physiological circuits". Molecular Systems Biology. 12 (11). November 2016. doi:10.15252/msb.20167216. PMC 5147051 Özgürce erişilebilir. PMID 27875241. 
  123. ^ "Biphasic response as a mechanism against mutant takeover in tissue homeostasis circuits". Molecular Systems Biology. 13 (6). June 2017. doi:10.15252/msb.20177599. PMC 5488663 Özgürce erişilebilir. PMID 28652282. 
  124. ^ Alon, Uri (11 Ekim 2023). Systems Medicine: Physiological Circuits and the Dynamics of Disease. 1 (İngilizce). Boca Raton: Chapman and Hall/CRC. doi:10.1201/9781003356929. ISBN 978-1-003-35692-9. 
  125. ^ Norges første forskningssenter for klinisk behandling tildelt Webarşiv şablonunda hata: |url= value. Boş. Annonsering 11/2018.

Dış bağlantılar

Vikikitap
Vikikitap
Vikikitap'ta bu konu hakkında daha fazla bilgi var:
ElektronikEnerji
Bilgi ve
iletişimÜretimMalzeme bilimiAskeriNörobilimKuantumRobotikUzay bilimi
Ulaşım
DiğerleriIlgili
Tıp eğitimiİlgili konular
Kategori Kategori  • Commons sayfası Commons  • VikiProje Vikiproje  • Ana hatlar