Фармакогенетика и фармакогеномика, являясь краеугольным камнем персонализированной медицины, вступают в период беспрецедентных возможностей и этических дилемм [1, 2].

Движущими силами трансформации становятся тотальная данноцентричность, интеграция искусственного интеллекта (ИИ) и конвергенция биотехнологий, что требует кардинального пересмотра традиционных биоэтических парадигм [3, 4]. В данной статье анализируются ключевые системные вызовы, стоящие перед областью: проблема «чёрного ящика» алгоритмов, интерпретирующих геномные данные [5]; кризис модели информированного согласия в условиях пожизненного хранения и вторичного использования генетической информации [6]; риск углубления социального и глобального неравенства из-за дифференцированного доступа к персонализированной терапии [7]; а также опасность утилизации фармакогеномных данных в целях дискриминации или тотального биологического надзора — феномен, обозначаемый как «биотехнологический фашизм» [8, 9]. В качестве ответа концептуализируется новая этическая модель — «этика сопряжения» (ethics of entanglement), основанная на принципах проактивности, холизма и конструктивности [10]. Эта модель предполагает переход от реактивной оценки отдельных исследований к управлению жизненным циклом данных и технологических траекторий, интеграцию этики по дизайну (ethics by design) в разработку алгоритмов и диагностических панелей, а также формирование распределённой ответственности среди всех стейкхолдеров — от исследователя и регулятора до пациента и общества [11]. Делается вывод о необходимости срочного развития специализированных этических и правовых рамок, междисциплинарных комитетов и глобальных стандартов, чтобы фармакогеномика реализовала свой потенциал для здоровья человечества, не усугубляя существующие расколы и не создавая новых угроз автономии личности [12, 13].

ВВЕДЕНИЕ
Персонализированная медицина, обещающая адаптацию терапии к индивидуальному генетическому портрету, перестаёт быть футуристической концепцией и становится клинической реальностью [1, 14]. Однако стремительное развитие фармакогеномики и сопутствующих технологий — от высокопроизводительного секвенирования до машинного обучения — опережает становление адекватных этических, правовых и социальных (ЭПС) механизмов их регуляции [2, 15]. Классические принципы биоэтики, сформулированные в до-геномную эпоху, демонстрируют свою ограниченность перед лицом вызовов, порождаемых масштабируемым анализом больших данных, конвергенцией NBICS-технологий (нано-, био-, информационных, когнитивных, социальных) и глобализацией биомедицинских исследований [4, 16]. Эта работа ставит целью проанализировать формирующийся комплекс этических дилемм в фармакогеномике и предложить контуры новой управленческой и этической парадигмы, способной обеспечить ответственное развитие этой критически важной для будущего здравоохранения области.

КЛЮЧЕВЫЕ ДРАЙВЕРЫ ИЗМЕНЕНИЙ И ЭТИЧЕСКИЕ ВЫЗОВЫ

1. Данноцентричность и искусственный интеллект: вызовы интерпретации и справедливости
Современная фармакогеномика по своей сути является наукой о данных. Анализ полногеномных ассоциативных исследований (GWAS) и создание предиктивных моделей всё чаще делегируются алгоритмам машинного обучения [5, 17]. Это порождает первую группу проблем:
    • Эпистемологический вызов «чёрного ящика». Сложные алгоритмы, особенно глубокие нейронные сети, могут выявлять клинически значимые генетические корреляции без предоставления понятного человеку биологического обоснования [5]. Для врача и пациента принятие терапевтического решения на основе непрозрачного алгоритмического прогноза создаёт этическую и практическую проблему доверия [18]. Требования к объяснимому ИИ (Explainable AI, XAI) становятся не просто техническим трендом, а биоэтическим императивом в критически важных областях, таких как подбор химиотерапии или варфарина [19].
    • Проблема систематической ошибки и справедливости. Датасеты, на которых обучаются алгоритмы, зачастую репрезентируют население развитых стран, что ведёт к снижению точности и эффективности фармакогеномических рекомендаций для этнических меньшинств и жителей глобального Юга [7, 20]. Алгоритм, воспроизводящий эти смещения, может увековечить и усилить существующее неравенство в качестве медицинской помощи.
    • Кризис модели информированного согласия. Традиционная модель разового согласия на конкретное исследование неадекватна для геномных данных, которые являются пожизненными, идентифицирующими и могут неоднократно переанализироваться в будущем для новых, неизвестных на момент сбора целей [6, 21]. Возникает необходимость в динамических, многоуровневых и гранулированных моделях согласия, позволяющих участнику контролировать параметры будущего использования своих данных.

2. Конвергенция технологий и гибридные риски: от терапии к «улучшению»
Конвергенция геномных, клеточных (генотерапия, CRISPR) и информационных технологий стирает границу между лечением и усилением (enhancement) [22, 23]. Фармакогеномические знания, изначально нацеленные на коррекцию патологических состояний, могут быть применены для «оптимизации» физиологических или когнитивных функций у здоровых индивидов [24]. Это поднимает глубокие этические вопросы о границах медицинского вмешательства, справедливом распределении дорогостоящих технологий «улучшения» и долгосрочных социобиологических последствиях такого выбора для человеческой популяции.

3. Глобализация и структурное неравенство: новый «геномный колониализм»
Глобализация исследований приводит к парадоксу: данные (геномные, клинические) активно собираются в развивающихся странах, в то время как интеллектуальная собственность, терапевтические продукты и основные выгоды аккумулируются в исследовательских центрах и фармацевтических компаниях глобального Севера [7, 25]. Такая практика, иногда называемая «data extractivism», требует закрепления принципов суверенитета данных (data sovereignty) и справедливого распределения выгод (fair benefit-sharing) в международных контрактах и этических кодексах [12, 26].

4. Биотехнологический фашизм: фармакогеномика как инструмент контроля
Наиболее мрачным системным риском является потенциальное использование достижений геномики в авторитарных целях. Концепт «биотехнологического фашизма» описывает идеологию и практики, в которых государство или корпорации используют биологические данные и технологии для тотального управления и контроля над популяциями [8, 9]. В контексте фармакогеномики это может проявляться как:
    • Геномный надзор: интеграция генетических баз данных с системами социального рейтинга, правоохранительными и миграционными службами [27].
    • Дискриминация на основе предрасположенности: отказ в страховании, трудоустройстве или образовательных возможностях на основе прогностических генетических рисков, а не манифестировавшего заболевания [28].
    • Экономическая евгеника: формирование «генетической элиты» через коммерциализацию дорогостоящих превентивных или «улучшающих» интервенций, что ведёт к закреплению неравенства на биологическом уровне [24].

БУДУЩИЕ КОНТУРЫ НОВОЙ ЭТИЧЕСКОЙ ПАРАДИГМЫ: ЭТИКА СОПРЯЖЕНИЯ 
Для ответа на эти комплексные вызовы предлагается переход к «этике сопряжения» (ethics of entanglement) — проактивной, холистической и конструктивной модели, учитывающей глубокую взаимозависимость технологических, социальных и биологических систем [10].
    1. От контроля за проектом к управлению жизненным циклом данных. Внедрение обязательной «Этической оценки воздействия» (Ethical Impact Assessment, EIA) не только на стадии планирования исследования, но и на этапах сбора, хранения, вторичного использования и окончательного удаления геномных данных [11].
    2. «Этика по дизайну» (Ethics by Design) в разработке алгоритмов. Интеграция принципов справедливости (fairness), объяснимости (explainability) и конфиденциальности (privacy) в саму архитектуру фармакогеномических алгоритмов и диагностических платформ [19].
    3. Динамические и гранулированные модели согласия. Развитие технологических решений (например, блокчейн-платформ), позволяющих участникам исследований в реальном времени управлять доступом к своим данным и получать информацию об их использовании [29].
    4. Междисциплинарные и транснациональные комитеты по этике. Создание экспертных советов, объединяющих генетиков, биоинформатиков, биоэтиков, юристов и социологов, с мандатом на оценку системных и долгосрочных рисков фармакогеномических проектов, включая риски глобального неравенства и злоупотреблений [13].
    5. Образование как основа культуры ответственности. Интеграция модулей по ЭПС-аспектам фармакогеномики в программы подготовки врачей-генетиков, клинических фармакологов и биоинформатиков, формирование у специалистов навыков критической оценки не только научной, но и этической составляющей их работы [30].

ЗАКЛЮЧЕНИЕ
Фармакогеномика стоит на пороге преобразования медицинской практики. Однако её траектория развития будет определяться не только научными прорывами, но и способностью научного и медицинского сообщества адекватно ответить на сопутствующие этические, правовые и социальные вызовы. Узкотехнический или реактивный подход к этике грозит привести к утрате общественного доверия, усилению неравенства и созданию инструментов биологической дискриминации. Принятие парадигмы «этики сопряжения», предусматривающей проактивное управление рисками на всех этапах — от лабораторной скамьи до клинического внедрения и глобального распределения благ, — является необходимым условием для того, чтобы персонализированная медицина стала действительно персонализированной, справедливой и гуманной. Будущее фармакогеномики — это будущее социального контракта между наукой и обществом, где инновации служат укреплению человеческого достоинства, а не его эрозии.

СПИСОК ЛИТЕРАТУРЫ

1.  Relling MV, Evans WE. Pharmacogenomics in the clinic. *Nature*. 2015;526(7573):343-350. DOI: 10.1038/nature15817.
2.  Caudle KE, Dunnenberger HM, Freimuth RR, et al. Standardizing terms for clinical pharmacogenetic test results: consensus terms from the Clinical Pharmacogenetics Implementation Consortium (CPIC). *Genet Med*. 2017;19(2):215-223. DOI: 10.1038/gim.2016.87.
3.  Mittelstadt BD, Floridi L. The ethics of big data: current and foreseeable issues in biomedical contexts. *Sci Eng Ethics*. 2016;22(2):303-341. DOI: 10.1007/s11948-015-9652-2.
4.  Nordmann A. NBIC-Convergence and Technoethics: Common Ethical Perspective. *Int J Technoethics*. 2016;7(1):1-15. DOI: 10.4018/IJT.2016010106.
5.  Rudin C. Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. *Nat Mach Intell*. 2019;1(5):206-215. DOI: 10.1038/s42256-019-0048-x.
6.  Kaye J, Whitley EA, Lund D, et al. Dynamic consent: a patient interface for twenty-first century research networks. *Eur J Hum Genet*. 2015;23(2):141-146. DOI: 10.1038/ejhg.2014.71.
7.  Popejoy AB, Fullerton SM. Genomics is failing on diversity. *Nature*. 2016;538(7624):161-164. DOI: 10.1038/538161a.
8.  Trump B, Cummings C, Klasa K, et al. Governing biotechnology to provide safety and security and address ethical, legal, and social implications. *Front Genet*. 2023;13:1052371. DOI: 10.3389/fgene.2022.1052371.
9.  Nezhmetdinova F. Global challenges and globalization of bioethics. *Croat Med J*. 2013;54(1):83-5. DOI: 10.3325/cmj.2013.54.83.
10. Fuchsberger V, Durall Gazulla M, Rotkirch A. Doing responsibilities in entangled worlds. *Soc Epistemol*. 2025;39(1):1-17. DOI: 10.1080/02691728.2023.2269934.
11. Fritz Z, Reuber M. Anticipatory regulation, anticipatory ethics: preparing for bioethical challenges in the age of gene editing. *J Med Ethics*. 2024;50(6):361-362. DOI: 10.1136/medethics-2023-109742.
12. Dove ES, Özdemir V. What Role for Law, Human Rights, and Bioethics in an Age of Big Data, Consortia Science, and Consortia Ethics? The Importance of Trustworthiness. *Laws*. 2015;4(3):515-540. DOI: 10.3390/laws4030515.
13. Knoppers BM, Harris JR, Tassé AM, et al. Towards a data sharing Code of Conduct for international genomic research. *Genome Med*. 2011;3(7):46. DOI: 10.1186/gm262.
14. Schork NJ. Personalized medicine: Time for one-person trials. *Nature*. 2015;520(7549):609-611. DOI: 10.1038/520609a.
15. Jasanoff S. *The Ethics of Invention: Technology and the Human Future*. New York: WW Norton; 2016.
16. Hamza N. Ethical challenges and opportunities at the intersection of open science and AI. *Open Res Eur*. 2025;5:302. DOI: 10.30937/ORE.000302.
17. Kitchin R. *The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences*. SAGE; 2014. ISBN: 978-1-4739-0825-3.
18. Vayena E, Blasimme A, Cohen IG. Machine learning in medicine: Addressing ethical challenges. *PLoS Med*. 2018;15(11):e1002689. DOI: 10.1371/journal.pmed.1002689.
19. Jobin A, Ienca M, Vayena E. The global landscape of AI ethics guidelines. *Nat Mach Intell*. 2019;1(9):389-399. DOI: 10.1038/s42256-019-0088-2.
20. Martin AR, Kanai M, Kamatani Y, et al. Clinical use of current polygenic risk scores may exacerbate health disparities. *Nat Genet*. 2019;51(4):584-591. DOI: 10.1038/s41588-019-0379-x.
21. Clayton EW, Halverson CM, Sathe NA, et al. A systematic literature review of individuals' perspectives on broad consent and data sharing in the United States. *Genet Med*. 2018;20(7):663-671. DOI: 10.1038/gim.2017.143.
22. Cyranoski D. The CRISPR-baby scandal: what's next for human gene-editing. *Nature*. 2019;566(7745):440-442. DOI: 10.1038/d41586-019-00673-1.
23. Priaulx N. Vorsprung durch Technik: On biotechnology, bioethics, and its beneficiaries. *Camb Q Healthc Ethics*. 2011;20(2):174-84. DOI: 10.1017/S0963180110000824.
24. Varypaiev O, Serohina H, Serediuk N, et al. Ethical challenges in biotechnology: exploring the boundaries of scientific intervention. *Synesis*. 2025;17(1):1-20.
25. Bezuidenhout LM, Chakauya E. Hidden concerns of sharing research data by low/middle-income country scientists. *Glob Bioeth*. 2018;29(1):39-54. DOI: 10.1080/11287462.2018.1441780.
26. Thaldar D, Soni S, Prinsen L, et al. Heritable human genome editing and the politics of law: the South African case study. *J Law Biosci*. 2025;12(2):lsaf029. DOI: 10.1093/jlb/lsaf029.
27. Foucault M. *Discipline and punish: the birth of the prison*. New York: Vintage Books; 1977.
28. Hudson KL, Collins FS. Bringing the Common Rule into the 21st century. *N Engl J Med*. 2015;373(24):2293-2296. DOI: 10.1056/NEJMp1512205.
29. Mamoshina P, Ojomoko L, Yanovich Y, et al. Converging blockchain and next-generation artificial intelligence technologies to decentralize and accelerate biomedical research and healthcare. *Oncotarget*. 2018;9(5):5665-5690. DOI: 10.18632/oncotarget.22345.
30. Mills R, Haga SB. Genomic literacy and the communication of genetic and genomic information. *Public Health Genomics*. 2014;17(2):72-80. DOI: 10.1159/000358039.