AI, 통합 모델, 분산형 설계가 임상시험 실행을 재편한다

임상시험 의뢰자들은 비용을 통제하면서 신약 개발을 가속화하기 위해 점점 더 AI 기반 설계 도구, 통합 운영 모델, 분산형 임상시험 요소를 도입하고 있다. FDA와 EMA 지침은 신중하게 계획된 경우 분산형 활동이 수용되지만, 안전성, 데이터 품질, 규정 준수에 대한 책임은 여전히 의뢰자에게 있음을 확인한다. 새로운 모델링은 또한 임상 운영과 제조 운영을 통합하면 심혈관계 결과 임상시험의 프로그램 가치를 높일 수 있음을 보여준다.

Tufts Center for the Study of Drug Development의 새로운 수명주기 모델링은 대규모 3상 심혈관계 결과 임상시험(CVOT)을 검토하여 전통적인 다중 공급업체 실행 방식과 임상연구와 제조를 아우르는 단일 통합 운영 모델을 비교했다. 연구 결과에 따르면 통합은 일관되게 의미 있게 더 높은 기대 프로그램 가치와 구현 비용 대비 강력한 수익과 연관되었으며, 이는 더 보수적인 가정에서도 유지되었다. 임상 실행과 공급 기능 간의 조정 공백을 해소하고 사건 발생을 사전에 관리하면 일정을 단축하고 예산을 보호하며 프로그램 가치를 보존할 수 있다.

Amgen은 신약 개발 전 과정에 인공지능을 접목하고 있다. Amgen의 Center for Design and Analysis는 디지털 트윈, 즉 AI 기반의 환자 수준 예측 모델을 사용하여 과거 임상시험 데이터와 실제 임상 데이터(real-world data)를 바탕으로 각 등록 환자에 대한 맞춤형 대조군(synthetic control)을 생성한다. 일부 상황에서 이러한 방법은 연구 설계 및 규제 고려 사항에 따라 전통적인 등록 방식에 대한 의존도를 낮추는 데 도움이 될 수 있다. Amgen의 Global Development Operations도 AI 기반 플랫폼을 통합하여 연구 시작, 데이터 감독, 실시간 인사이트를 개선하고, 위험을 조기에 선제적으로 식별·관리하고 있다. 동일한 AI 기반 설계 접근법은 신약 발견에도 적용되어, 단백질 및 화학 언어 모델을 사용하여 처음부터 의도된 치료 특성을 갖춘 분자를 설계한다.

FDA와 EMA는 각각 분산형 임상시험에 대한 지침을 발표하거나 업데이트했다. FDA의 최종 지침은 적절한 임상시험에 분산형 요소를 통합할 수 있지만, 분산화가 의뢰자의 핵심 의무를 변경하지 않는다는 점을 강조한다. EMA 지침은 대체로 같은 입장이지만 GDPR 및 회원국 법률에 더 중점을 두어, 다국적 EU 연구에서는 DCT 모델을 국가별로 맞춤화해야 할 수 있음을 시사한다. 의뢰자들은 계약 및 동의서를 검토하고, 분산형 활동을 조기에 파악하며, 표적 위험 평가를 수행해야 한다.

심대사 질환 임상시험에서 심혈관계 사건, 뇌졸중, 사망률과 같은 확정적 임상 결과(hard outcomes)는 여전히 금본위제(gold standard)이지만, 긴 일정과 대규모 환자 집단이 필요하다. 대리 지표(surrogate endpoint)는 더 이른 신호를 제공할 수 있지만, 규제 기관의 수용 여부는 다르다. 적응형 설계(adaptive design)는 중간 분석과 변경을 허용하며, 위약군이 윤리적·운영적으로 덜 수용 가능해짐에 따라 활성 대조군 임상시험(active comparator trial)이 인기를 얻고 있다. 통계적 혁신으로 이제 새로운 활성 대조군 데이터를 기존 위약 데이터와 통합하여 간접 위약 비교가 가능해졌다. 분석법(assay) 계획은 초기 개념 입증 신호를 제공하기 위해 처음부터 임상시험 설계에 포함되어야 한다.

소규모 임상 운영 팀도 복잡한 다중 임상시험 프로그램을 실행하고 있다. Step Pharma의 3인 임상 운영 그룹은 계열 최초의 CTPS1 저해제인 dencatistat에 대한 세 가지 임상 프로그램(림프종, 고형암, 본태성 혈소판혈증)을 동시에 운영하고 있다. 림프종 연구에서 나온 새로운 데이터는 혈소판의 용량 의존적 감소를 확인했으며, 이를 통해 팀은 혈소판 수치가 높아지는 희귀 클론성 혈액 질환인 본태성 혈소판혈증으로 신속하게 확장할 수 있었다.

더 넓은 인프라는 여전히 과제로 남아 있다. 미국의 대부분의 임상연구는 여전히 분산되어 있으며 일상적인 진료에 잘 맞지 않는 별도의 데이터, 측정, 프로세스 요구 사항에 의존하여 환자 접근성을 제한하고 증거 생성 속도를 늦추고 있다. 초안 프레임워크 보고서는 규제 기관 전반에 걸쳐 정렬되고 현대화된 임상 개발 표준을 추진하기 위한 정책 이니셔티브를 제안한다. 한편, 직관적인 기술 설계는 오류를 줄이고 시험기관의 준수율을 향상시킬 수 있으며, 백신 개발자는 임상시험 토큰화를 통해 전통적인 현장 방문과 실제 데이터 수집을 결합하여 추적 관찰 기간을 연장할 수 있다.