Etablering av en modellerings-plattform för att möjliggöra klinisk läkemedelsutveckling av antibiotika mot multiresistenta patogener: Från kanin till klinik

Tidsperiod:

1 december 2022 – 30 november 2025

Projektledare:

Lena Friberg

Projektdeltagare:

Thomas Walsh Walsh

Finansiär:

Vetenskapsrådet

Bidragstyp:

Projektbidrag

Budget:

5 471 000 SEK

Världshälsoorganisationen, WHO, förutspår att år 2050 kommer 10 miljoner människor att avlida på grund av infektioner orsakade av bakterier som är resistenta mot de antibiotika som nu finns tillgängliga. En artikel i Lancet har visat att redan 2019 var denna siffra 1.27 miljoner. Samtidigt är det svårt att genomföra de kliniska prövningar som krävs för att utveckla nya lovande antibiotka till att bli godkända läkemedel som kan förskrivas till patienter. Det behövs därför nya och mer effektiva metoder som kan länka information om en läkemedelskandidats effekt från djurmodeller till patienter och på så vis minska kraven på mängden klinisk information.Detta projekt syftar till att med hjälp av tillgängliga studier i en avancerad kaninmodell för lunginflammation förutsäga antibiotika-effekter på sjukdomsvariabler i patienter som intensivvårdas med allvarlig lunginflammation. Vi kommer utveckla matematiska modeller som kan beskriva dos-effekt samband och förändringar i klinska variabler som påverkas av infektionen. Vi kommer samarbeta med kliniska forskare och experimentalister i USA vilka bidrar med data och expertis kring infektionssjukdomar.Vi förväntar oss att den utvecklade metodologin kommer innebära att lovande terapier mot resistenta bakterier kommer snabbare till nytta för patienter. Dessutom kan modellerna användas till att utveckla en mer skräddarsydd doseringsstrategi hos patienter med allvarlig lunginflammation. Modellerna kommer även öka förståelsen för hur symptom såsom feber, sänka och andra mätbara markörer är sammanlänkade och hur de förändras över tid vid antibiotikabehandling. Inte minst, med hjälp av de framtagna matematiska sambanden, kommer endast en mindre mängd data behövas för att utröna nya substansers kliniska potential, vilket kommer underlätta och stimulera läkemedelsutvecklingen av antibiotika mot resistenta bakterier.