Российский фермент вернул пациентам дыхание после COVID-19

Российский фермент вернул пациентам дыхание после COVID-19

Компания «Петровакс Фарм» представила результаты рандомизированного двойного слепого плацебо-контролируемого исследования, в котором препарат бовгиалуронидаза азоксимера (Лонгидаза®) впервые в мире показал статистически значимое улучшение переносимости физической нагрузки у пациентов с постковидными изменениями в лёгких. Результаты опубликованы в июне 2026 года в международном журнале Expert Review of Respiratory Medicine.

В исследовании Long-CoV-III-21 приняли участие 392 пациента с нарушениями функции дыхания и респираторными симптомами после перенесённого COVID-19. К 71-му дню доля пациентов с десатурацией (снижением сатурации) при физической нагрузке уменьшилась на 61% по сравнению с группой плацебо (p = 0,006). К 180-му дню доля пациентов с одышкой при нагрузке снизилась на 35% (p = 0,008). Отмечен также тренд к увеличению дистанции в тесте шестиминутной ходьбы: 70,3 метра против 59,3 метра в группе плацебо.

Мишенью препарата является гиалуроновая кислота, которая при COVID-19 в избытке накапливается в лёгких, вызывая отёк и воспаление, ведущие к фиброзу. На сегодня в мире отсутствуют одобренные лекарства для лечения длительных постковидных легочных последствий, несмотря на то что постковидный синдром развивается у 10–20% переболевших — это не менее 65 млн человек во всём мире.

В других плацебо-контролируемых исследованиях при постковидных состояниях достоверно улучшить переносимость физической нагрузки не удавалось: колхицин, пирфенидон и метаболический модулятор AXA1125 не показали преимущества ни по дистанции ходьбы, ни по сатурации. Лонгидаза® стала первым препаратом, доказавшим этот эффект в масштабном РКИ. По мнению авторов, результаты открывают перспективы для изучения HA-таргетной терапии при поствирусных состояниях с воспалением и фиброзом лёгочной ткани.

Диабет и деменция связаны сильнее, чем казалось: 10 неожиданных фактов
Учёные ННГУ создали методологию сравнения энергоэффективности вычислительных систем — от GPU до биологических синапсов