2022年7月7日-10日,中国创新药物(械)医学大会暨第七届CMAC年会在杭州成功举办,圣方医药研发首席科学官陈杰博士受邀参加本届盛会,在7月9日的真实世界证据支持监管决策论坛中发表了《真实世界研究—最新进展、挑战和未来的方向》的演讲。

进 展

真实世界研究已被广泛用于指导前瞻性临床试验的设计和分析。陈杰博士在演讲中回顾了传统的随机对照研究(RCT)中使用真实世界数据(RWD)和真实世界证据(RWE)支持试验设计、实施和分析的例证,总结了世界各国/地区监管机构针对RWD和RWE用于临床试验和监管决策的框架、指南或指导原则,同时还分享了真实世界研究(RWS)与随机对照临床试验(RCT)的区别、真实世界研究中估计目标的概念和RWD适用性评价的框架。

在谈到RWS的估计目标(estimand)时,他指出临床研究(包括临床试验和真实世界研究)应从要回答的医学问题出发,构建相应的估计目标,并以此作为后续的实验设计、估计量、分析方法和敏感性分析的依据。他同时指出传统RCT一般会考虑治疗药物引起的伴发事件(如因安全性、药物无效等而引起的停药或换药),而在RWS中除了药物引起的伴发事件,还有和患者个人行为和非行为因素引起的伴发事件。行为因素是指由于个人喜好、家人、朋友或医生推荐等原因而引起的伴发事件,非行为因素包括医疗保险计划的改变(如新的保险计划不包括正在使用的药物)、参加禁用其他药物的临床试验等。

但在某些特定的情况下,真实世界研究有其独特的一面,可以用于支持药物研发和监管决策,例如对于某些缺乏有效治疗措施的罕见病和危及生命的重大疾病领域,传统随机对照试验难以实施,可以选择真实世界研究来提供关于药物有效性和安全性的真实世界证据。

挑 战

开展真实世界研究最大的挑战是真实世界数据基础薄弱,薄弱的数据基础是RWS的最大短板。由于真实世界数据收集目的的多样性、数据结构的复杂性、数据标准的非唯一性,使得方法的应用受到一定的挑战。

此外,真实世界数据一般是大数据,数据变量之间的依从关系不明确,往往存在各种偏倚(如选择偏倚、信息偏倚和混杂偏倚),从而导致真实世界研究结果的可靠性受到质疑。

是挑战亦是机会,在上述问题存在的同时,真实世界研究的数据分析方法也在不断创新。陈杰博士表示传统的因果推断方法以及机器学习和人工智能的应用,可以尽可能地减少各种偏倚因素的影响,使RWS数据分析结果具有无偏性、稳健性、可靠性和可重复性,从而为临床研究提可信的真实世界证据。

未 来

正如海南博鳌真实世界研究院执行院长、南方医科大学陈平雁教授所说,对于真实世界研究,道路是曲折的,前途是光明的。陈杰博士认为,目前真实世界研究不可避免地存在许多挑战,作为一名统计师,他深感高质量、标准化的真实世界数据是重中之重。在此基础之上针对临床所关心的问题对各种真实世界数据进行适用性评价、并选择适当的分析方法(包括敏感性分析)以产生能够支持药物研发和监管决策的相关真实世界证据是目前该领域的研究热点。

“大数据+机器学习+因果推断对真实世界研究带来光明的前景。”陈杰博士对真实世界研究的未来充满信心。随着人工智能和机器学习技术的发展,近年来AI在医疗大数据信息挖掘中的作用和价值也日益受到重视,利用其可以帮助研究者拓展RWS研究的深度和广度。

在精准医疗和真实世界研究都蓬勃发展的时代,真实世界数据与真实世界证据将被越来越多地应用到精准健康、精准预防的发展中,RWS为精准医疗增加了多个维度的数据,两者的结合能够产生更多的价值。

陈杰博士还参加了7月9日下午的临床试验的中心化监查论坛,与其他嘉宾共同探讨了中心化监查在中国临床试验研究中的应用、挑战与应对方法。

面对“CDE指南中,关于质量的监测需要考虑多重性问题。但是,多重性的目的是为了控制假阳性,然而RBM的一个目的是为了发现质量问题,这两者间如何做到平衡?”这一问题,陈杰博士表示,一切从患者角度出发,以病人利益为主,通过使用RBM的方法尽可能多地发现临床试验中可能出现的问题,保证试验质量。

在真实世界研究领域,圣方医药研发拥有长远的战略规划与扎实的产业实践,并基于人工智能与大数据的蓬勃发展,在真实世界研究中开展利用数字化平台和工具的高质效临床研究解决方案,助力企业和医疗行业提升临床研究质量和效率,惠及每位患者。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005