AI、整合模式与去中心化设计重塑临床试验执行

临床试验申办方越来越多地采用AI驱动设计工具、整合运营模式和去中心化试验要素，以在控制成本的同时加速药物开发。FDA和EMA的指导文件确认，精心规划的去中心化活动可被接受，但申办方仍需对安全性、数据质量和合规性负责。新的模型研究还表明，在心血管结局试验中，整合临床与生产运营可以提高项目价值。

塔夫茨大学药物开发研究中心（Tufts Center for the Study of Drug Development）的新生命周期模型研究检查了大量III期心血管结局试验（CVOT），以比较传统的多供应商执行模式与涵盖临床研究和生产的单一整合运营模式。研究结果显示，整合始终与显著更高的预期项目价值以及相对于实施成本的强劲回报相关，即使在更保守的假设下也依然成立。弥合临床执行与供应功能之间的协调缺口，并主动管理事件累积，可以缩短时间表、保护预算并保持项目价值。

Amgen正在将人工智能嵌入其药物开发连续体的每一个阶段。其设计与分析中心使用数字孪生——AI驱动的患者级预测模型——利用历史试验和真实世界数据，为每名入组患者生成个性化的合成对照。在某些情况下，这些方法可能有助于减少对传统入组的依赖，具体取决于研究设计和监管考量。Amgen的全球开发运营部门也在整合AI驱动平台，以改善研究启动、数据监督和实时洞察，同时更早地主动识别和管理风险。同样的AI驱动设计方法也应用于药物发现，利用蛋白质和化学语言模型来设计从一开始就具备预期治疗特性的分子。

FDA和EMA均已发布或更新了关于去中心化临床试验的指导文件。FDA的最终指导文件确认，去中心化要素可纳入适当的试验，但强调去中心化不会改变申办方的核心义务。EMA的指导文件大体一致，但更强调GDPR和成员国法律，这意味着对于欧盟多国研究，DCT模型可能需要逐司法管辖区进行调整。申办方应审查合同和知情同意书，尽早规划去中心化活动，并进行有针对性的风险评估。

在心脏代谢试验中，心血管事件、卒中和死亡等硬终点仍是金标准，但它们需要较长的时间表和庞大的患者群体。替代终点可提供更早的信号，尽管监管机构的可接受性有所不同。适应性设计允许进行中期分析和变更，而随着安慰剂组在伦理和操作上越来越不可接受，活性对照试验正日益受到欢迎。统计创新现在可以通过将新的活性对照数据与旧的安慰剂数据整合，进行间接安慰剂比较。检测方法规划应从一开始就纳入试验设计，以提供早期概念验证信号。

小型临床运营团队也在执行复杂的多试验项目。Step Pharma的三人临床运营团队正在同时运行dencatistat的三个临床项目，涉及淋巴瘤、实体瘤和原发性血小板增多症。dencatistat是一种首创的CTPS1抑制剂。淋巴瘤研究中出现的数据发现了剂量依赖性的血小板减少，使团队能够迅速扩展到原发性血小板增多症——一种血小板水平升高的罕见克隆性血液疾病。

更广泛的基础设施仍然是一个挑战。美国的大多数临床研究仍然分散，依赖彼此分离的数据、测量和流程要求，这些要求与常规医疗实践不太契合，限制了患者的可及性并减缓了证据生成。一份框架报告草案提出了政策举措，以促进各监管机构之间协调一致的现代化临床开发标准。与此同时，直观的技术设计可以减少错误并提高研究中心的依从性，疫苗开发者还可以通过临床试验代币化（tokenization），将传统现场访视与真实世界数据收集相结合，从而延长随访时间。