临床试验受试者招募难一直是临床试验开展中面临的一大难题。相关数据统计，80%的临床试验无法在目标入组时间内完成入组，55%的试验因受试者人数过少而终止。影响入组的因素则包括研究中心的选择、行业竞争、目标受试人群以及不断变化的宏观条件。
从患者参与的角度究其原因，Medidata AI 产品及业务生态高级副总裁Arnaub Chatterjee先生在采访中说道：“寻求临床试验作为治疗方案的患者往往已经考量过标准治疗方案，但发现它们收效甚微。大部分受试者是把试验用药视作改善病情的机会，特别是那些患有罕见病或者病情危及生命的患者，会因其被选入对照组的风险而放弃参与试验。” Chatterjee先生在医疗健康领域经验丰厚，于今年6月被Fierce Healthcare及Fierce Medtech评为17位“医疗科技新星”之一。
【资料图】
随着试验逐步走向复杂化和精准化，面对临床研究周期长、成本高、成功率低这 “三座大山”，人工智能等数字化技术的优势逐渐凸显。目前，大量临床试验实践应用已证明，数据洞察及AI分析模型能够提升临床试验效率并降低试验成本。在一项全球前20的生物制药公司开展的临床试验中，Medidata AI 依托自身数据库及AI模型帮助其识别到了一些由于正在参与竞争试验入组引起的表现欠佳的试验中心，通过针对性的干预措施，帮助提高此类试验中心的受试者招募能力，最终将试验提速了6个月以上。
Chatterjee先生表示：“Medidata AI 正在利用人工智能和机器学习，将跨申办方、监管机构以及患者的临床试验数据与预先整合的真实世界数据相结合，帮助临床开发人员在整个药品开发的生命周期中做出以关键数据为导向的决策，提高试验的成功概率。”
AI技术加持，合成对照组助推临床试验开展
2021年，Medidata AI Synthetic Control Arm® (SCA®解决方案, 合成对照组) 从2200多个提名的企业中脱颖而出，获年度全球顶级奖项人工智能突破奖（AI Breakthrough Award）“最佳医疗类人工智能解决方案”的称号。
背靠Medidata Clinical Cloud®统一平台积累的28000多项试验以及参与历史临床试验的800多万名去标识化患者的数据库，Medidata AI SCA®解决方案已成为目前唯一一个基于跨行业历史临床数据创建的外部对照组。经证实，SCA®解决方案可模拟传统随机对照组的结果，即通过与SCA®解决方案进行比对，检验试验药物或产品的治疗效果。 SCA®解决方案能帮助提高单臂临床试验的科学有效性，独特的外部对照组能够为科学研究提供助力，减少接受无效标准治疗或安慰剂的对照组患者数量，还能够帮助缩短时间并降低成本。
Chatterjee先生谈道：“SCA通过让全部或者说更多的患者得以接受试验疗法，而大大改善了试验患者招募及留存。在Medidata AI，我们利用自身的数据和分析能力，让患者更大程度地获得可能挽救生命的治疗方案，这让我们倍感自豪。”
AI技术的快速发展正在给临床试验行业带来更多的机遇，随机对照组仍是证据形成的“黄金标准”，诸如合成对照组这样具备前瞻性和回溯性的新证据来源，正逐渐被监管机构认可。2020年，美国食品和药品管理局（FDA）批准将Medidata SCA®解决方案应用于美国临床阶段免疫治疗公司Medicenna Therapeutics 公司MDNA55治疗复发性胶质母细胞瘤(rGBM) III 期注册试验中。这不仅成为了罕见病试验采用混合外部对照组的首创，也开启了III期临床试验应用混合外部对照组的先河。
Medidata与《麻省理工科技评论（MIT Technology Review）》合作编撰的白皮书也探索了合成对照为临床发展带去全新洞察的方式、及如何降低临床试验进行与否的决策风险。白皮书提到，合成对照组优势显著，不仅能够降低患者的招募数量，同时也能提升入组患者接受试验药物治疗的机率，大大改善入组率，并在不影响试验科学可解释性的同时，加快试验进程。
数据赋能，助力CAR-T疗法实现突破
在2022年美国临床肿瘤学会（ASCO）上， Medidata AI团队还发表了关于识别CAR-T疗法中严重细胞因子释放综合症（CRS）预测因素的重要研究成果。这项研究选择了542名使用CD19 靶向 CAR-T细胞疗法治疗如B细胞急性淋巴细胞白血病以及非霍奇金淋巴瘤的恶性血液病的患者的纵向数据。研究结果显示，随着时间的推移，重度CRS患者与非CRS患者在一系列常用的生物标志物（包括血小板计数、血清白蛋白浓度和血红蛋白水平）方面上会有显著差异。该项研究为进一步深入研究CRS预测因素铺平了道路。包括根据患者的基线特征（如肿瘤负担、ECOG评分、人口统计学参数和病史）来识别高危患者，以及建立了CAR-T和T细胞疗法的剂量与CRS发病率和严重程度之间的相关性。
基于此，制药企业可以运用这些研究洞察和预测模型对患者进行风险分层，并为高风险患者定制治疗途径，从而使试验更加安全。医院系统和医生可以利用这些研究洞察来改善治疗结果，预防严重不良事件的发生和患者的死亡。
在中国，过去的几年里，越来越多的临床试验旨在评估CAR-T疗法的安全性和有效性，CAR-T也被认为是国内企业最有希望与全球研发同步的领域之一。2021 年，中国国家药监局批准了2款CAR-T免疫细胞疗法上市，开启了我国细胞治疗时代的新元年。CAR-T疗法在中国发展迅速，不仅在临床试验数量上一马当先，同时还扩大了疾病和靶抗原的覆盖范围。
“中国正积极抓住数字化机遇，推动药品研发领域的发展。近年来，我们见证了中国药企的飞速成长及日益涌现的药品创新。中国逐渐成为免疫肿瘤学和CAR-T等领域的创新高地。这些也正是Medidata AI的优势领域。” Chatterjee先生表示。 “Medidata AI非常乐意助力本土企业更快地将创新药物推向市场。”
可以说，在全球生命科学产业中，数字化已经成为帮助中国药品研发提高试验效率、提升临床洞见以及强化竞争优势的重要乃至必要途径。相信以此为背景，数字化及AI技术赋能临床试验的时代已然到来，数字化解决方案也将成为提升研发试验效率、赋能临床洞见以及强化行业竞争优势的重要乃至必要途径。
