KI, integrierte Modelle und dezentrale Designs verändern die Durchführung klinischer Studien

Sponsoren klinischer Studien setzen zunehmend auf KI-gestützte Design-Tools, integrierte Betriebsmodelle und dezentrale Studienelemente, um die Arzneimittelentwicklung zu beschleunigen und gleichzeitig die Kosten zu kontrollieren. Die Leitlinien von FDA und EMA bestätigen, dass dezentrale Aktivitäten bei sorgfältiger Planung akzeptiert werden, die Sponsoren jedoch weiterhin für Sicherheit, Datenqualität und Compliance verantwortlich bleiben. Neue Modellierungen zeigen außerdem, dass die Integration von klinischem Betrieb und Produktion den Programmwert bei kardiovaskulären Outcome-Studien steigern kann.

Neue Lifecycle-Modellierungen des Tufts Center for the Study of Drug Development untersuchten eine große Anzahl von kardiovaskulären Outcome-Studien der Phase III (CVOTs), um die traditionelle Durchführung mit mehreren Anbietern mit einem einzigen, integrierten Betriebsmodell zu vergleichen, das klinische Forschung und Produktion umfasst. Die Ergebnisse zeigten, dass Integration durchweg mit einem deutlich höheren erwarteten Programmwert und einer starken Rendite im Verhältnis zu den Implementierungskosten verbunden war – auch unter konservativeren Annahmen. Die Schließung von Koordinierungslücken zwischen klinischer Durchführung und Versorgungsfunktionen sowie das proaktive Management des Ereigniseintritts können Zeitpläne verkürzen, Budgets schützen und den Programmwert erhalten.

Amgen integriert künstliche Intelligenz in jede Phase seines Arzneimittelentwicklungs-Kontinuums. Das Center for Design and Analysis nutzt digitale Zwillinge – KI-gestützte, patientenbezogene Vorhersagemodelle – die für jeden eingeschriebenen Patienten personalisierte synthetische Kontrollen auf der Grundlage historischer Studiendaten und Real-World-Daten erzeugen. In bestimmten Fällen können diese Methoden dazu beitragen, die Abhängigkeit von der traditionellen Rekrutierung zu verringern, abhängig von Studiendesign und regulatorischen Erwägungen. Die Global Development Operations von Amgen integrieren zudem KI-gestützte Plattformen, um den Studienstart, die Datenüberwachung und Echtzeit-Erkenntnisse zu verbessern und Risiken früher proaktiv zu identifizieren und zu managen. Dieselben KI-gestützten Design-Ansätze werden auch in der Wirkstoffforschung eingesetzt, wobei Protein- und Chemie-Sprachmodelle verwendet werden, um Moleküle mit von Anfang an beabsichtigten therapeutischen Eigenschaften zu designen.

Die FDA und die EMA haben jeweils Leitlinien zu dezentralen klinischen Studien herausgegeben oder aktualisiert. Die endgültige Leitlinie der FDA bestätigt, dass dezentrale Elemente in geeignete Studien aufgenommen werden können, betont jedoch, dass die Dezentralisierung die Kernpflichten des Sponsors nicht ändert. Die Leitlinie der EMA stimmt weitgehend überein, legt aber größeren Wert auf die DSGVO und das Recht der Mitgliedstaaten, was bedeutet, dass DCT-Modelle für multinationale EU-Studien möglicherweise von Land zu Land angepasst werden müssen. Sponsoren sollten Verträge und Einwilligungserklärungen überprüfen, dezentrale Aktivitäten frühzeitig abbilden und gezielte Risikobewertungen durchführen.

In kardiometabolischen Studien bleiben harte Endpunkte wie kardiovaskuläre Ereignisse, Schlaganfälle und Mortalität der Goldstandard, erfordern jedoch lange Zeitpläne und große Patientenzahlen. Surrogat-Endpunkte können frühere Signale liefern, auch wenn ihre Akzeptanz durch die Zulassungsbehörden unterschiedlich ist. Adaptive Designs ermöglichen Zwischenanalysen und Änderungen, und Studien mit aktivem Kontrollarm gewinnen an Beliebtheit, da Placeboarme ethisch und operativ weniger tragfähig werden. Statistische Innovationen ermöglichen nun indirekte Placebo-Vergleiche, indem neue Daten mit aktivem Kontrollarm mit älteren Placebodaten integriert werden. Die Assay-Planung sollte von Anfang an in das Studiendesign einbezogen werden, um frühzeitig Proof-of-Concept-Signale zu liefern.

Auch kleine klinische Operationsteams führen komplexe Multi-Studien-Programme durch. Das dreiköpfige klinische Operationsteam von Step Pharma führt gleichzeitig drei klinische Programme für dencatistat, einen First-in-Class-CTPS1-Inhibitor, bei Lymphomen, soliden Tumoren und essentieller Thrombozythämie durch. Neue Daten aus der Lymphom-Studie zeigten eine dosisabhängige Reduktion der Thrombozyten, was es dem Team ermöglichte, schnell auf die essentielle Thrombozythämie auszuweiten, eine seltene klonale Bluterkrankung, bei der die Thrombozytenwerte erhöht sind.

Die breitere Infrastruktur bleibt eine Herausforderung. Ein Großteil der klinischen Forschung in den USA bleibt fragmentiert und auf getrennte Daten-, Mess- und Prozessanforderungen angewiesen, die nicht gut in die Routineversorgung passen, was den Patientenzugang einschränkt und die Evidenzgenerierung verlangsamt. Ein Rahmenberichtsentwurf schlägt politische Initiativen vor, um abgestimmte, modernisierte Standards für die klinische Entwicklung über die Zulassungsbehörden hinweg voranzutreiben. In der Zwischenzeit können intuitive Technologiedesigns Fehler reduzieren und die Compliance der Prüfstellen verbessern, und Impfstoffentwickler können die Nachbeobachtungszeiträume verlängern, indem sie traditionelle Standortbesuche mit der Erhebung von Real-World-Daten durch die Tokenisierung klinischer Studien kombinieren.