Pharmacometrics for Combination Therapy in Oncology Within and Across Species Variability in Time Series and Time-to-event Data

Doktorsavhandling, 2024

I Sverige år 2022 var olika typer av cancer den näst vanligaste dödsorsaken efter hjärt- och kärlsjukdomar. Du som läser detta har kanske en vän, kollega eller närstående som är bland dem som har drabbats av sjukdomen. Eftersom vi både i Sverige och globalt har en åldrande befolkning så kommer cancer vara en ännu större utmaning i framtiden. Som tur är bedrivs mycket forskning för att få fram nya och förbättrade behandlingsmetoder, vilket bland annat har resulterat i att vissa cancerdiagnoser, som för några decennier ansågs som en dödsdom, nu är behandlingsbara.

Forskningen som möjliggjort detta är komplex och kräver samarbete mellan flera olika professioner däribland läkare, kemister och matematiker. Du har kanske någon idé om vilken typ av uppgift de två förstnämnda kan ha i framtagandet av nya läkemedel, men vad är en matematikers eller ingenjörs roll?

När man tagit fram ett nytt läkemedel så vill man säkerställa att det är bättre än de som finns tillgängliga idag (eller sockerpiller). Ofta så görs en studie där man ger en del av deltagarna ett läkemedel och resten ett annat. Men, alla människor är unika och det finns t.ex. skillnader i beteende, genetik och matvanor som gör att olika människor reagerar olika på samma läkemedel. Så hur kan man vara tillräckligt säker på att resultatet från sin studie faktiskt är på grund av skillnader mellan behandlingarna och inte bara av ren slump?

Denna avhandling handlar om hur man med hjälp av matematik och framförallt matematisk modellering kan svara på just sådana frågor. En matematisk modell är ett antal samband, beskrivna genom ekvationer, som på ett förenklat sätt beskriver verkligheten. Man kan se modellen som ett typ av verktyg för att både dra slutsatser om resultat från tidigare studier, och göra förutsägelser om hur resultaten hade förändrats om behandlingen hade skett annorlunda. Som med många andra verktyg så behöver man kalibrera modellen och detta gör man med hjälp av experimentell data, ofta i form av tidserier, som t.ex. beskriver koncentration av ett läkemedel i blodet över tid. Hur kalibrering sker, vilken typ av förutsägelser man kan göra med den färdiga modellen och den praktiska nyttan av denna typ av forskning är alla saker som diskuteras i denna avhandling.