La IA, los modelos integrados y los diseños descentralizados transforman la ejecución de ensayos clínicos

Los patrocinadores de ensayos clínicos recurren cada vez más a herramientas de diseño impulsadas por IA, modelos operativos integrados y elementos de ensayos descentralizados para acelerar el desarrollo de fármacos y controlar los costos. Las guías de la FDA y la EMA confirman que las actividades descentralizadas son aceptadas cuando se planifican cuidadosamente, pero los patrocinadores siguen siendo responsables de la seguridad, la calidad de los datos y el cumplimiento normativo. Un nuevo modelo también muestra que fusionar las operaciones clínicas y de fabricación puede aumentar el valor del programa en los ensayos de resultados cardiovasculares.

Un nuevo modelo de ciclo de vida del Tufts Center for the Study of Drug Development examinó un amplio conjunto de ensayos de resultados cardiovasculares (CVOT) de fase III para comparar la ejecución tradicional con múltiples proveedores frente a un modelo operativo único e integrado que abarca la investigación clínica y la fabricación. Los hallazgos mostraron que la integración se asociaba de forma consistente con un valor esperado del programa significativamente mayor y con fuertes retornos en relación con los costos de implementación, manteniéndose incluso bajo supuestos más conservadores. Cerrar las brechas de coordinación entre la ejecución clínica y las funciones de suministro, y gestionar proactivamente la acumulación de eventos, puede acortar los plazos, proteger los presupuestos y preservar el valor del programa.

Amgen está incorporando inteligencia artificial en cada etapa de su continuo de desarrollo de fármacos. Su Centro de Diseño y Análisis utiliza gemelos digitales —modelos predictivos a nivel de paciente impulsados por IA— que generan controles sintéticos personalizados para cada paciente inscrito utilizando datos históricos de ensayos y datos del mundo real. En algunos contextos, estos métodos pueden ayudar a reducir la dependencia de la inscripción tradicional, sujeto al diseño del estudio y a consideraciones regulatorias. Global Development Operations de Amgen también está integrando plataformas impulsadas por IA para mejorar el inicio de estudios, la supervisión de datos y la información en tiempo real, mientras identifica y gestiona el riesgo de manera proactiva desde el principio. Los mismos enfoques de diseño impulsados por IA se aplican al descubrimiento de fármacos, utilizando modelos de lenguaje de proteínas y química para diseñar moléculas con propiedades terapéuticas previstas desde el inicio.

La FDA y la EMA han emitido o actualizado cada una sus guías sobre ensayos clínicos descentralizados. La guía final de la FDA confirma que los elementos descentralizados pueden incorporarse a ensayos apropiados, pero enfatiza que la descentralización no cambia las obligaciones fundamentales del patrocinador. La guía de la EMA está en gran medida alineada, pero pone mayor énfasis en el RGPD y en la legislación de los Estados miembros, lo que significa que los modelos DCT pueden necesitar adaptarse jurisdicción por jurisdicción para los estudios multinacionales en la UE. Los patrocinadores deben revisar los contratos y los formularios de consentimiento informado, mapear las actividades descentralizadas desde el principio y realizar evaluaciones de riesgo específicas.

En los ensayos cardiometabólicos, los resultados duros como los eventos cardiovasculares, los accidentes cerebrovasculares y la mortalidad siguen siendo el estándar de oro, pero requieren cronogramas prolongados y grandes poblaciones de pacientes. Los criterios de valoración subrogados pueden proporcionar señales más tempranas, aunque su aceptación por parte de los reguladores difiere. Los diseños adaptativos permiten análisis intermedios y cambios, y los ensayos con comparador activo están ganando popularidad a medida que los brazos de placebo se vuelven menos aceptables ética y operativamente. La innovación estadística ahora permite comparaciones indirectas con placebo mediante la integración de datos nuevos de comparadores activos con datos antiguos de placebo. La planificación de las pruebas analíticas debe incorporarse al diseño del estudio desde el inicio para proporcionar señales tempranas de prueba de concepto.

Los equipos pequeños de operaciones clínicas también están ejecutando programas complejos de múltiples ensayos. El grupo de operaciones clínicas de tres personas de Step Pharma está ejecutando simultáneamente tres programas clínicos para dencatistat, un inhibidor de CTPS1 primero en su clase, en linfoma, tumores sólidos y trombocitemia esencial. Los datos emergentes del estudio de linfoma identificaron una reducción dosis-dependiente de las plaquetas, lo que permitió al equipo expandirse rápidamente a la trombocitemia esencial, un trastorno sanguíneo clonal raro en el que los niveles de plaquetas están elevados.

La infraestructura más amplia sigue siendo un desafío. La mayor parte de la investigación clínica en los EE. UU. sigue fragmentada y dependiente de requisitos separados de datos, medición y procesos que no encajan bien en la atención rutinaria, lo que limita el acceso de los pacientes y ralentiza la generación de evidencia. Un borrador de informe marco propone iniciativas políticas para avanzar estándares alineados y modernizados para el desarrollo clínico en todas las agencias reguladoras. Mientras tanto, el diseño tecnológico intuitivo puede reducir errores y mejorar el cumplimiento en los sitios, y los desarrolladores de vacunas pueden extender los plazos de seguimiento combinando visitas tradicionales a los sitios con la recopilación de datos del mundo real mediante la tokenización de ensayos clínicos.