P³ Personalisierte Pharmakotherapie in der Psychiatrie

Die Minimierung unerwünschter Arzneimittel(wechsel)wirkungen und die damit einhergehende Verbesserung der Patientenversorgung bei gleichzeitiger Reduzierung der Kosten im Gesundheitswesen sind Ziel des vorliegenden Projektes.

Bisherige Arzneimittelinformationen und deren elektronische Umsetzung haben noch erhebliche Defizite. Die individuelle Patientensituation (Geschlecht, Verträglichkeit oder spezifische genetische Merkmale; insbesondere bei Polymedikationen) wird in bisherigen Systemen noch zu wenig berücksichtigt (vgl. Aktionsplan 2008/2009 zur AMTS; BMG, AkdÄ). Ebenso fehlen häufig Daten zur Hemmung des aktiven Transports und zur subzellulären Biolokalisation von Arzneimitteln.

Dieses Projekt fokussiert auf die Pharmakotherapie von Patienten mit psychiatrischen Erkrankungen, denn in diesem Feld stellen Therapieabbrüche aufgrund unerwünschter Wirkungen sowohl unter klinischen als auch unter Kostengesichtspunkten ein besonderes Problem der Arzneimitteltherapie dar. Psychiatrische Erkrankungen gehören zu den besonders häufigen und schweren Erkrankungen überhaupt.

Mit Hilfe eines chemoinformatischen Ansatzes, der die chemische Struktur und physikochemische Eigenschaften der Wirkstoffe berücksichtigt, wurden erste daten- und modellgetriebene Softwaremodule zur individualisierten, optimierten Pharmakotherapie für den ambulanten und stationären Bereich konzipiert und als Prototyp funktionsfähig implementiert.

Der Ansatz integriert für den Anwender transparent drei Säulen:

• das existierende, in Datenbanken verfügbare Wissen über Arzneimittel(wechsel)wirkungen,
• die klinischen Patientendaten für die individualisierte Therapie,
• strukturbasierte, chemoinformatische Modelle, die mit maschinellen Lernverfahren erstellt werden.

Information

Laufzeit: 07/2010 – 04/2015
Förderung: Bundesministerium für Bildung und Forschung

Partner

• Molecular Networks GmbH
• Institut für Experimentelle und Klinische Pharmakologie und Toxikologie der FAU
• Psychiatrische und Psychotherapeutische Klinik (UKER)

Publikationen

2014

• Pfistermeister B, Anke S, Criegee-Rieck M, Bürkle T, Fromm MF, Maas R. Inconsistencies and misleading information in officially approved prescribing information from three major drug markets. Clin Pharmacol Ther. 2014 Nov; 96(5): 616-24.[pubmed]
• Patapovas A, Pfistermeister B, Tarkhov A, Terfloth L, Maas R, Fromm MF, Kornhuber J, Prokosch HU, Bürkle T. The effect object paradigm – a means to support medication safety with clinical decision support. Stud Health Technol Inform. 2014; 205: 1065-9.[pubmed]
• Muehlbacher M, Kornhuber J. Chemoinformatics: Structure- and property-activity relationship development with RapidMiner. In: Hofmann M, Kinkenberg R, editors. RapidMiner. Data Mining Use Cases and Business Analytics Applications. Boca Raton,London, New York: CRC Press, Taylor&Francis Group, 2014, pp. 331-343.
• Muehlbacher M, Kornhuber J. Using PaDEL to calculate molecular properties and chemoinformatic models. In: Hofmann M, Klinkenberg R, editors. RapidMiner. Data Mining Use Cases and Business Analytics Applications. Boca Raton, London, New York: CRC Press, Taylor&Francis Group, 2014, pp. 321-330.

2013

• Kornhuber J, Tripal P, Gulbins E, Mühlbacher M. Functional Inhibitors of Acid Sphingomyelinase (FIASMAs). Handbook of Experimental Pharmacology 2013; 215: 169-186.[pubmed]
• Pfistermeister B, Schenk C, Kornhuber J, Bürkle T, Fromm MF, Maas R. Different indications, warnings and precautions, and contraindications for the same drug–an international comparison of prescribing information for commonly used psychiatric drugs.Pharmacoepidemiol Drug Saf. 2013 Mar;22(3):329-33.[pubmed]

2012

• Muehlbacher M1, Tripal P, Roas F, Kornhuber J. Identification of drugs inducing phospholipidosis by novel in vitro data.ChemMedChem. 2012 Nov;7(11):1925-34. [pubmed]
• Fromm MF. Prediction of transporter-mediated drug-drug interactions using endogenous compounds. Clin Pharmacol Ther. 2012 Nov;92(5):546-8.[pubmed]

2011

• Muehlbacher M., Spitzer G. M. Liedl K. R., Kornhuber J.: Qualitative prediction of blood–brain barrier permeability on a large and refined dataset. Journal of Computer-Aided Molecular Design, 2011, 25(12): p. 1095-1106 [pubmed]
• Kornhuber J, Muehlbacher M, Trapp S, Pechmann S, Friedl A, Reichel M, Mühle C, Terfloth L, Groemer TW, Spitzer GM, Liedl KR, Gulbins E, Tripal P. Identification of novel functional inhibitors of acid sphingomyelinase. PLoS One. 2011;6(8) [pubmed]