Immunmedierad inflammatorisk sjukdom (immune-mediated inflammatory disease, IMID, på engelska) innefattar många vanliga sjukdomar såsom inflammatorisk tarmsjukdom, reumatoid artrit, och psoriasisartrit, drabbar miljontals människor världen över och orsakar stort lidande och socioekonomiska omkostnader. Ett viktigt medicinskt problem är att många patienter inte svarar bra på medicinering. En förklaring är sjukdomarnas enorma komplexitet, där det ändrade uttrycket av tusentals gener kan ge upphov till förändrad aktivitet i många olika celltyper och vävnader. Genuttrycket kan dessutom variera mellan patienter med samma diagnos.
Trots dem cellulära skillnaderna mellan individer får patienter med samma diagnos ofta samma behandling i dagens sjukvård. Däri finns ett glapp mellan kunskapen om hur sjukdomarna fungerar på cellnivå och hur vi idag väljer att behandla.
Jag undersöker om det är möjligt att förbättra behandlingen av patienter genom använda sig av komplexa individuella genuttrycksförändringar vid val av läkemedel genom konstruktion av digitala tvillingar.
Digitala tvillingar är högupplösta modeller av en enskild patienters sjukdomsprocesser som kan produceras i obegränsade kopior för att simulera behandling med tusentals läkemedel med mål att hitta den optimala behandlingen för just den patienten. Tvillingarna konstrueras genom nätverks- och AI-baserade analyser av genomvida data från enskilda och grupper av celler.