Использование вычислительных моделей для изучения патофизиологии сепсиса и септического шока

Понимание сепсиса и септического шока: растущий клинический вызов

Сепсис — опасное для жизни состояние, возникающее, когда реакция организма на инфекцию повреждает собственные ткани и органы. Он поражает примерно 49 миллионов человек ежегодно во всем мире, что способствует примерно 11 миллионам смертей, по данным Всемирной организации здравоохранения. Септический шок, самая тяжелая стадия сепсиса, характеризуется значительным падением артериального давления, которое сохраняется, несмотря на реанимацию жидкости, что приводит к полиорганной недостаточности и высоким показателям смертности, которые могут превышать 40%.

Патофизиология сепсиса чрезвычайно сложна, включающая дисрегуляцию иммунного ответа хозяина, дисфункцию эндотелия, метаболические изменения и каскад воспалительных и противовоспалительных сигналов, которые являются одновременно временно и пространственно динамичными. Традиционные экспериментальные подходы, такие как клеточные культуры, модели животных и клинические испытания, предоставили критическое понимание, но они ограничены этическими ограничениями, различиями видов и неспособностью захватить полное системное взаимодействие молекулярных и клеточных событий в реальном времени.

Для преодоления этих барьеров исследователи все чаще обращаются к вычислительным моделям. Эти модели служат цифровыми лабораториями, где можно тестировать гипотезы о механизмах сепсиса, прогнозировать эффекты лекарств и уточнять стратификацию пациентов. В этой статье исследуется, как вычислительное моделирование трансформирует наше понимание сепсиса и септического шока, выделяя типы используемых моделей, их применение, заметные результаты и путь для интеграции этих инструментов в клиническую практику.

Роль вычислительных моделей в исследованиях сепсиса

Вычислительные модели позволяют ученым моделировать биологические процессы в нескольких масштабах — от молекулярных взаимодействий в одной клетке до эмерджентного поведения целых систем органов. В контексте сепсиса эти модели объединяют данные геномики, протеомики, метаболомики и клинических наблюдений для создания виртуальных представлений иммунного ответа и дисфункции органов.

Одним из главных преимуществ компьютерного моделирования является способность выполнять в силико эксперименты, которые было бы непрактично или неэтично проводить in vivo. Например, исследователь может систематически изменять дозу и сроки экспериментальной терапии для тысяч виртуальных пациентов, чтобы определить оптимальные окна лечения. Модели также могут использоваться для различения подтипов пациентов, например, для идентификации тех, у кого преимущественно провоспалительный профиль, по сравнению с теми, у кого иммуносупрессия, что имеет решающее значение для персонализации управления.

Кроме того, вычислительные подходы облегчают интеграцию разрозненных типов данных. Модель может сочетать в реальном времени жизненно важные признаки, лабораторные значения и измерения цитокинов от одного пациента для прогнозирования траектории их заболевания. Эта способность согласуется с растущим интересом к точной медицине для сепсиса, где решения о лечении адаптированы к уникальному молекулярному и физиологическому состоянию каждого пациента.

Типы вычислительных моделей

Не все вычислительные модели одинаковы. Выбор парадигмы моделирования зависит от исследовательского вопроса, имеющихся данных и желаемого уровня детализации. Здесь мы описываем три основные категории, используемые в исследованиях сепсиса.

Детерминистические модели

Детерминистические модели опираются на наборы обычных или частичных дифференциальных уравнений, описывающих скорость изменения биологических переменных, таких как концентрации цитокинов, популяций иммунных клеток или биомаркеров, с течением времени. Эти модели называются детерминированными, потому что для данного набора начальных условий они всегда производят один и тот же выход. В сепсисе детерминированные модели использовались для моделирования кинетики воспалительного ответа, включая рост и падение фактора некроза опухоли (TNF-α), интерлейкинов (IL-6, IL-10) и других медиаторов. Классическим примером является модель Chow et al. (2005), которая имитировала острый воспалительный ответ на бактериальный эндотоксин и предсказывала эффекты анти-TNF терапии.

Хотя детерминированные модели и являются мощными для захвата среднего поведения и фундаментальных принципов, они часто пытаются объяснить стохастическую изменчивость, присущую биологическим системам, например, случайные колебания экспрессии генов или деления клеток. Это ограничение привело исследователей к включению случайности через стохастическое моделирование.

Стохастические модели

Стохастические модели включают случайные переменные, чтобы представить присущую непредсказуемость биологических процессов. Они особенно полезны для моделирования редких событий, таких как спонтанная активация одной иммунной клетки, или для захвата вероятности прогрессирования пациента от сепсиса до септического шока на основе комбинации факторов риска. Эти модели часто используют методы, такие как моделирование Монте-Карло или стохастические дифференциальные уравнения.

Заметным применением в исследованиях сепсиса является работа An et al. (2012), который разработал стохастическую модель иммунного ответа на инфекцию, которая объясняла изменчивость бактериальной нагрузки и восприимчивость хозяина. Их модель помогла объяснить, почему у некоторых пациентов развивается тяжелый сепсис, в то время как у других с той же инфекцией он проходит спонтанно. Стохастические модели также являются ключевыми в анализе данных клинических испытаний, где изменчивость пациента к пациенту является основным фактором, вызывающим путаницу.

Агент-ориентированные модели

Модели на основе агентов (АБМ) имитируют действия и взаимодействия отдельных автономных агентов, таких как иммунные клетки, бактерии или эндотелиальные клетки, в определенной виртуальной среде. Каждый агент следует набору правил, которые регулируют его поведение (например, хемотаксис, секреция цитокинов, апоптоз), и системные паттерны возникают из этих локальных взаимодействий. АБМ исключительно хорошо подходят для сепсиса, потому что они могут представлять пространственную и клеточную гетерогенность, которая детерминированная и стохастическая модели часто затушевывают.

Одной из влиятельных АБМ является платформа «PhysiCell», которая использовалась для моделирования того, как макрофаги и нейтрофилы реагируют на бактериальную инфекцию в тканях. Другой — модель «CytoSEPSIS», разработанная Водовоцем и его коллегами из Университета Питтсбурга, которая имитирует системный воспалительный ответ на инфекцию и была проверена на основе клинических данных у пациентов с травмой и сепсисом. АБМ также могут включать геометрию кровеносных сосудов для моделирования дисфункции микроциркулятора, которая приводит к отказу органов при септическом шоке.

Применение вычислительных моделей в сепсисе

Вычислительные модели — это не просто академические упражнения, они были применены к ряду актуальных клинических и фундаментальных научных вопросов.

Определение ключевых драйверов прогрессирования сепсиса

Модели, имитируя сеть иммунного ответа, могут точно определить, какие молекулярные пути наиболее ответственны за переход от локальной инфекции к системному воспалению и повреждению органов. Например, модели подчеркнули центральную роль сигнализации NF-κB в усилении производства цитокинов и показали, что петли обратной связи с участием активных форм кислорода могут вызывать убегающий воспалительный каскад. Эти выводы предполагают потенциальные терапевтические мишени, такие как ингибиторы специфических киназ или антиоксиданты, которые могут быть протестированы в доклинических моделях.

Предсказание реакции пациента на лечение

Одним из наиболее перспективных применений компьютерного моделирования является прогнозирование индивидуальных реакций пациента на терапию. Лечение сепсиса остается в значительной степени поддерживающим - антибиотики, реанимация жидкости, вазопрессоры - и целевые иммуномодулирующие методы лечения в значительной степени потерпели неудачу в клинических испытаниях, вероятно, потому, что они были введены без учета иммунного статуса пациента. Модели могут включать данные о конкретных пациентах (например, уровни цитокинов, генетические полиморфизмы, сопутствующие заболевания) для моделирования эффекта таких препаратов, как кортикостероиды, антагонисты цитокинов или ингибиторы иммунных контрольных точек.

В знаковом исследовании Nieman et al. (2019) использовалась вычислительная модель для ретроспективного анализа данных клинического испытания анти-TNF агента afelimomab. Модель точно определила, какие пациенты, вероятно, будут получать пользу, а какие нет, на основе их базового иммунного профиля. Этот вид ретроспективной валидации прокладывает путь для перспективного использования моделей для руководства терапией.

Понимание динамики цитокина и активации иммунных клеток

Цитокиновый шторм — быстрое и чрезмерное высвобождение провоспалительных цитокинов — является отличительной чертой тяжелого сепсиса и септического шока. Вычислительные модели сыграли важную роль в анализе временной динамики этого шторма, показывая, что интерлейкин-6 и интерлейкин-10 поднимаются и опускаются с разной скоростью, и что баланс между про- и противовоспалительными сигналами имеет решающее значение для результата.

Например, модель Luan et al. (2015) смоделировала взаимодействие между макрофагами, нейтрофилами и регуляторными Т-клетками во время сепсиса и показала, что отсроченный противовоспалительный ответ может парадоксальным образом ухудшить повреждение тканей. Этот вывод имеет последствия для сроков иммуномодулирующей терапии: слишком рано и вы можете подавить защитное воспаление; слишком поздно и вы пропустите окно повреждения органов.

Тематические исследования и ключевые выводы

Несколько тематических исследований иллюстрируют силу вычислительного моделирования.

Моделирование эффектов раннего вмешательства антибиотиков

Общая клиническая дилемма — это сроки введения антибиотиков при подозрении на сепсис. Хотя ранние антибиотики, как известно, спасают жизни, они также могут вызывать бактериальный лизис, который высвобождает эндотоксин и усугубляет воспаление (реакция Ярисха-Герксхаймера). Вычислительная модель, разработанная Clermont et al. (2004), имитировала влияние времени антибиотиков на прогрессирование сепсиса в виртуальной популяции пациентов. Модель показала, что чистая польза ранних антибиотиков зависит от способности хозяина справляться с всплеском эндотоксина; пациенты с надежными механизмами иммунного клиренса выиграли больше всего, в то время как пациенты с ослабленным клиренсом могут потребовать дополнительной терапии для нейтрализации эндотоксина. Эти результаты повлияли на руководящие принципы, которые рекомендуют ранние антибиотики наряду с тщательным мониторингом.

Моделирование противовоспалительной терапии при септическом шоке

Учитывая смешанные результаты крупных клинических испытаний антицитокиновой терапии (например, анти-TNF, анти-IL-6 рецепторов), исследователи использовали вычислительные модели для изучения причин. Одна модель включала подробную сеть циклов передачи сигналов цитокинов и обратной связи и обнаружила, что эффективность анти-TNF терапии зависит от состояния активации врожденных иммунных клеток пациента. Если пациент уже находился в состоянии иммунопарализа (как видно в позднем сепсисе), блокирование TNF может еще больше ухудшить защиту хозяина. Это моделирование помогло объяснить, почему тот же препарат может быть полезным у некоторых пациентов, но вредным для других и подчеркнуло необходимость стратификации пациента.

Виртуальные клинические испытания с агентными моделями

Для проведения виртуальных клинических испытаний использовались агентные модели, которые представляют собой компьютерное моделирование, имитирующее дизайн и результаты реальных клинических испытаний. Примечательным примером является «исследование in silico» дротрекогена альфа (активированного белка С), лекарственного средства, которое первоначально было одобрено для тяжелого сепсиса, но позже было отменено из-за отсутствия пользы в последующем исследовании. Модель на основе агента систем коагуляции и воспаления предсказала, что препарат будет полезен только для подмножества пациентов с особенно высоким уровнем генерации тромбина и низким уровнем белка С. Это виртуальное испытание продемонстрировало потенциал моделирования для спасения перспективных методов лечения путем выявления соответствующей целевой популяции.

Будущие направления и вызовы

Интеграция данных и многомасштабное моделирование

Основной проблемой в моделировании сепсиса является интеграция данных по всем масштабам - от молекулярной (экспрессия генов, взаимодействие белков) до клеточной (динамика иммунных клеток) до ткани и органа (перфузия, доставка кислорода) до физиологии всего тела. Текущие модели обычно фокусируются на одной шкале, но новые платформы стремятся соединить их. Например, гибридные модели, которые сочетают описания местного воспаления тканей на основе агентов с компартментальными фармакокинетически-фармакодинамическими моделями распределения лекарств представляют собой значительный шаг вперед. Разработка виртуальных аватаров пациентов, которые интегрируют электронные записи о здоровье, данные о омике и мониторинг в режиме реального времени, является активной областью исследований.

Биологическая изменчивость и валидация

Биологические системы по своей природе шумны, и одна и та же инфекция может давать совершенно разные результаты у генетически идентичных хозяев. Учет этой изменчивости остается проблемой. Стохастические модели помогают, но они требуют больших объемов данных для оценки распределения вероятностей. Более того, валидация модели часто ограничена, потому что необходимые клинические данные, такие как последовательные измерения цитокинов у одного и того же пациента, редко доступны. Исследователи все чаще обращаются к данным модели животных в сочетании с данными клинического реестра человека, чтобы преодолеть этот разрыв.

Вычислительная инфраструктура и воспроизводимость

Запуск сложных симуляций требует специализированного программного обеспечения и высокопроизводительных вычислений. Обеспечение того, чтобы модели воспроизводимы и прозрачны, также является проблемой. Многие вычислительные модели в сепсисе не являются общедоступными, что затрудняет проверку или построение на них других групп. Сообщество начало решать эту проблему с помощью таких инициатив, как Физиологически основанная сеть фармакокинетического моделирования (PBPK) и COVID-IBiotic модельная структура , которые способствуют коду с открытым исходным кодом и стандартизированному форматированию. Большое сотрудничество между модельерами и клиницистами имеет важное значение для перевода вычислительных идей на практике.

Путь к персонализированной медицине

Конечная цель компьютерного моделирования при сепсисе - обеспечить возможность персонализированной терапии. Представьте себе будущее, в котором у пациента с подозрением на сепсис взят образец крови, и в течение нескольких часов вычислительная модель персонализирует вероятность септического шока и рекомендует оптимальную комбинацию антибиотиков, вазопрессоров и иммуномодуляторов. Это видение не является нереалистичным. Уже сейчас модели используются для стратификации пациентов в клинических испытаниях, а несколько академических центров пилотируют инструменты поддержки принятия решений, которые интегрируют прогнозы моделей с электронными медицинскими записями.

Например, Центр медицины критической помощи при Питтсбургском университете разработал приборную панель сепсиса, которая использует стохастическую модель для прогнозирования вероятности ухудшения состояния в течение следующих 24 часов. Другая инициатива, Альянс Сепсиса , профинансировал проект по включению машинного обучения и механического моделирования в «цифровой двойник» септика. Эти усилия в сочетании с достижениями в носимых датчиках и диагностике точек ухода, которые могут предоставить данные в реальном времени для уточнения моделей в ходе лечения.