Unerwünschte Arzneimittelwirkungen (UAW) sind eine große Belastung für Gesundheits- und Wirtschaftssysteme. Die regelmäßige gleichzeitige Einnahme von fünf oder mehr Medikamenten (Polypharmazie), das gleichzeitige Vorliegen von zwei oder mehr Langzeiterkrankungen (Komorbidität) und die genetische Vielfalt wirken sich stark auf die Wirksamkeit von Arzneimitteln aus und erhöhen folglich die Häufigkeit und den Schweregrad von Nebenwirkungen. Trotz der Tatsache, dass Arzneimittel-Wirkstoff-Wechselwirkungen (DDI) und Arzneimittel-Gen-Wechselwirkungen (DGI) eng miteinander verknüpft sind, werden sie in der klinischen Praxis immer noch als getrennte Einheiten betrachtet. Daher ist ein ganzheitlicherer Ansatz erforderlich, der die einzelnen Krankheitszustände und die Wechselwirkungen zwischen Medikamenten und Genen (DDGI) berücksichtigt.
Derzeit fehlen noch eindeutige Merkmale und verlässliche Maßnahmen zur genauen Bewertung des individuellen Risikos eines Patienten, eine unerwünschte Arzneimittelwirkung zu erleiden. An dieser Stelle setzt "SafePolyMed - Improving Safety in Polymedication by Managing Drug-Drug-Gene Interactions" an: In den nächsten dreieinhalb Jahren plant das multidisziplinäre Forschungsteam aus sechs europäischen Ländern (Deutschland, Estland, Finnland, Griechenland, Slowenien und Niederlande) Kontakt ein robustes und klar definiertes Risikosystem zu entwickeln, das Ärztinnen und Ärzten sowie Apothekerinnen und Apothekern bei der Bewertung des individuellen Risikos von Patientinnen und Patienten für unerwünschte Arzneimittelwirkungen unterstützt und ihnen somit bei der Entscheidungsfindung hilft. Aufgrund der hohen Komplexität der Bewertung von realen DDGI-Szenarien für verschiedene Patientengruppen ist die Erstellung dieser wissenschaftlich fundierten Leitlinien eine große Herausforderung und erfordert einen integrierten Ansatz, der verschiedene Werkzeuge, Technologien und Perspektiven kombiniert.
Im Rahmen von SafePolyMed werden etwa Techniken des maschinellen Lernens und der künstlichen Intelligenz (KI) eingesetzt, um große reale Datensätze zu analysieren. Ziel ist es, die genomische Informationen, demografische Daten, aktuelle und chronische Gesundheitszustände sowie medikamentenbezogene Details einzelner Personen zu erfassen und zu integrieren, um ein besseres Verständnis des Risikos einzelner Patientinnen und Patienten für schlechte Behandlungsergebnisse zu erlangen und personalisiertere Therapieentscheidungen zu treffen. Um diese modellbasierten Dosisempfehlungen für die Leistungserbringer des Gesundheitswesens zugänglicher und attraktiver zu machen, wird im Projekt einen Prototyp eines benutzer-freundlichen, webbasierten Systems zur Unterstützung klinischer Entscheidungen entwickelt. Der Nutzen aller im Rahmen des Projekts entwickelten Instrumente und Anwendungen wird in einer länderübergreifenden "Proof-of-Principle"-Studie validiert werden.
Neben der klinischen Perspektive ist die aktive Einbindung der Patientinnen und Patienten eine wichtige Säule des Arbeitsplans. Dazu werden spezifische Fragebögen für Patientinnen und Patienten, sogenannte "patient-reported outcome measures (PROMs)" erstellt, um Probleme im Zusammenhang mit unerwünschten Arzneimittelwirkungen frühzeitig zu erkennen.
