創新藥出海熱潮下，AI能讓中國藥企少踩多少坑？丨億歐健談

圖源：123RF

盡管行業發展幾經起伏，但尋找“十億美元分子”的渴望早已刻入每家藥企的基因中。

在今年，百濟神州的BTK 抑制劑百悅澤（澤布替尼）全球年銷售額達13億美元，首次突破十億美元大關。國內首個“十億美元分子”的誕生，并非突然間的命運垂青，而是以優異的臨床數據，叩開海外市場的大門。

出海，在當下已經成為中國藥企的必答題，而非選擇題。據醫藥魔方2023年12月21日披露的數據顯示，2023年，國內共發生了近70筆創新藥License-out（海外授權）交易，已披露交易總金額超350億美元。

和記黃埔、君實生物、億帆醫藥也憑借創新療法、獨特的分子結構或給藥方式成功出海，打開商業化的想象空間。這些故事固然令人欣喜，而FDA腫瘤藥物專家委員會對信達PD-1的公開審批，則讓中國創新藥企更新了國際多中心臨床試驗的認知。

創新藥出海的試驗設計、臨床數據適用性等問題，也被擺在聚光燈下。“在確定單個國家數據的可接受性及其對新人群的適用性方面的監管靈活性程度應與該藥物的創新相平衡。”FDA此前在信達PD-1的審查文件中如此指出，根據疾病的發生率、不同地區的患者數量，靈活決定監管程度。

臨床試驗到底有多難？在國家鼓勵發展醫療領域新質生產力的當下，AI能否幫助藥企打通出海要塞——國際多中心臨床試驗？關于創新藥出海，我們對于AI可以有哪些期待？

01

信息有限下的“百萬美金豪賭”

試想一個簡單場景：根據一些公開的有限的過往文獻，在你并沒十足把握下，做出幾百甚至上千萬美金的關鍵決策。

是否不啻于一場百萬美金豪賭？而這恰恰是臨床試驗的艱辛所在。創新藥低垂的果實已被摘盡，新靶點越來越難發現，已知靶點的藥物研發往往貼身肉搏，競爭者眾多，給臨床試驗帶來了巨大壓力。

“藥企在開啟臨床實驗之前，得事先了解未來需要對標的標準治療方案，它的療效和安全性大概到哪種程度，根據早期數據和產品機制對成藥概率做出判斷，以及有多大把握超過已有方案？”達索系統Medidata戰略咨詢及解決方案業務部負責人燕曉明一針見血指出，然而醫學部門卻只能高度依賴于有限的文獻發表，來做出臨床研究中的重大決策。

更嚴峻的現實是，各國或地區的標準治療方案有區別，同樣適應癥國內外需求也不同，不同地區患者未被滿足的需求也不同。很可能在這個國家，目前主要是化療。而在另一個國家，則有已獲批的創新藥，對照組的選擇就有很大區別。

海外研究中心選擇、患者參與留存、試驗數據管理諸多種種不確定因素，均給創新藥出海埋下了暗礁。“很多海外臨床項目開了一年多后，一個患者都沒招募到。”有業內人士此前向媒體嘆息。

Informa數據庫旗下的BMT和全球規模最大的生物技術行業組織之一BIO的一項研究表明，在2004年至2014年，三期臨床試驗失敗率總體只有33%左右。其中，2013年非腫瘤藥物三期臨床失敗率29%，腫瘤藥為48%。

多年過去，臨床試驗的難度只增無減。新藥研發加劇下，時間、市場空間成為各大藥企角逐的關鍵。風急浪高的出海征途中，AI可以做什么？

02

打通出海的關鍵要塞

“實際上，有所突破僅是因為一點調整，一些小事，一個沮喪的科學家靠著略有苗頭的數據堅持走下去。一切都源于那個選擇了一種試劑、一項實驗、一個方法的瞬間，那個微小而關鍵的節點。”《十億美元分子》一語道出臨床試驗的不易。

在燕曉明看來，臨床試驗有兩個關鍵節點，一是臨床試驗方案的設計，二是患者入組的速度。

前者之所以重要，主要是通過合理的試驗設計可以發現目標患者群體，使這類人群得到有效治療，而不合理的設計，盲目擴大人群，則可能稀釋有效人群，進而無法達到主要終點，導致試驗的失敗。后者，則幾乎決定了臨床試驗的速度。

想要兼顧兩者，龐大的歷史數據則成為基石。Medidata AI依托于其核心平臺，包含了超3.3萬余項臨床試驗和千萬患者的臨床數據。通過人工智能等技術對數據進行深度理解和算法建立，預測療效和安全性結果，以及可能的不良反應事件；另外，利用過往臨床數據生成合成對照組，也可推進對照組患者招募困難的試驗如期進行。

“借助歷史數據，我們可以幫助客戶快速找到與競爭者的差別人群。”他介紹到，在Medidata AI的幫助下，一家全球前十的制藥公司，盡管處于競爭激烈的適應癥，關鍵研究還加速了至少六個月。要知道，2023年，在FDA批準的新藥中有65%由Medidata支持。

至于中國創新藥企出海，較為頭疼的研究中心選擇上，它亦可以大展拳腳。一家中國排名前十的Biotech，在國際多中心試驗研究中心選擇上犯了難，由于數據量不足，無法支持其全球中心的選擇，拓展其對于海外試驗、全球研究中心的視野。

基于Medidata數據庫，Medidata AI利用既往臨床運營數據進行可行性評估，并且定位表現突出的研究中心，最終識別了938家研究中心。依靠基于 130 多種適應癥以及 100 多項其他變量建立的入組預測模型，幫助客戶避免中心擁塞的情況，精準預測中心的入組速率并提升入組質量。

從試驗啟動速度、試驗質量等多維度預估試驗中心飽和度和入組速率多維度評估，幫助申辦方選擇更合適的研究中心。

AI技術，或已成為中國創新藥企們乘風破浪的“利器”。

四款FDA 獲批上市的中國創新藥，均由Medidata支持，也仍在繼續支持其拓展適應癥的臨床研發。此外，它還支持了中國藥企所 23個大額 license out的創新藥品，也就是5億美金以上的交易，幾乎囊括所有熱門和創新靶點。

數、智護航，讓中國藥企實現高質量出海。事實上，許多生物制藥公司已經率先開始探索人工智能算法與臨床試驗全過程的有機結合，以數變智，提升決策的科學性。

03

仍待提升的海外臨床試驗數據質量

放眼全球臨床試驗市場，包括美國FDA及歐洲EMA在內的多國數十項政策均提及對患者報告數據的管理，明確鼓勵將COA數據作為支持新藥上市申請的標簽申明。中國也相應出臺多項政策明確鼓勵使用 eCOA/ePRO 工具。

隨著臨床試驗的數字化發展，監管機構正逐步接受將eCOA 數據納入藥物申請。所謂eCOA，其實是電子臨床結局評估，通過電子化的方式，描述在一項臨床試驗中患者的感受、身體功能或生存狀況的工具。

神經疾病、腫瘤等病種的臨床終點評估中，常會涉及到定性評估量表的填寫，對數據采集的一致性要求很高。

《英國醫學雜志》的一項研究表明，相較于紙質數據，采用eCOA/ePRO可以提高患者填報真實依從性90%以上；另一方面，在臨床試驗中投入使用eCOA，對受試者、研究者及申辦方均有益處。

它能從源頭規范數據格式并保證數據完整性，所采集到的數據無需轉錄，從而降低數據丟失或數據轉錄錯誤的風險。在數據獲取過程中，可以幫助臨床試驗人員，及時發現不良反應事件，進而幫助實現實驗數據結果的優化，全面提升數據質量。

更為重要的是，投入使用eCOA，可以降低臨床試驗費用。盡管前期設置階段費用投入確實更高，但隨著臨床試驗啟動后直至數據鎖庫的整個運營過程中費用則大幅下降。公開資料統計，從項目總體投入而言，eCOA相較紙質方式費用降低了67%。

藍圖固然美好，而中國面對的現實則是，eCOA滲透率較低，或僅為5%。與此形成鮮明對比的則是，美國eCOA滲透率高達80%（根據Medidata數據測算）。中國市場，仍處于待開拓的藍海市場。

eCOA 種類繁多，目前的趨勢是患者數據采集解決方案正在轉向基于平臺。在此基礎上，臨床試驗的各方產生更有效的連接方式，形成更高效、便捷的協作模式。Medidata eCOA中國專業服務團隊依托全球經驗，為中國本地客戶提供全過程、全方位的支持，專業服務涵蓋試驗全生命周期。

隨著AI應用的深入，中國創新藥企出海，或將走出一片坦途。

編輯推薦

隨手 在看