创新药出海热潮下，AI能让中国药企少踩多少坑？丨亿欧健谈

图源：123RF

尽管行业发展几经起伏，但寻找“十亿美元分子”的渴望早已刻入每家药企的基因中。

在今年，百济神州的BTK 抑制剂百悦泽（泽布替尼）全球年销售额达13亿美元，首次突破十亿美元大关。国内首个“十亿美元分子”的诞生，并非突然间的命运垂青，而是以优异的临床数据，叩开海外市场的大门。

出海，在当下已经成为中国药企的必答题，而非选择题。据医药魔方2023年12月21日披露的数据显示，2023年，国内共发生了近70笔创新药License-out（海外授权）交易，已披露交易总金额超350亿美元。

和记黄埔、君实生物、亿帆医药也凭借创新疗法、独特的分子结构或给药方式成功出海，打开商业化的想象空间。这些故事固然令人欣喜，而FDA肿瘤药物专家委员会对信达PD-1的公开审批，则让中国创新药企更新了国际多中心临床试验的认知。

创新药出海的试验设计、临床数据适用性等问题，也被摆在聚光灯下。“在确定单个国家数据的可接受性及其对新人群的适用性方面的监管灵活性程度应与该药物的创新相平衡。”FDA此前在信达PD-1的审查文件中如此指出，根据疾病的发生率、不同地区的患者数量，灵活决定监管程度。

临床试验到底有多难？在国家鼓励发展医疗领域新质生产力的当下，AI能否帮助药企打通出海要塞——国际多中心临床试验？关于创新药出海，我们对于AI可以有哪些期待？

01

信息有限下的“百万美金豪赌”

试想一个简单场景：根据一些公开的有限的过往文献，在你并没十足把握下，做出几百甚至上千万美金的关键决策。

是否不啻于一场百万美金豪赌？而这恰恰是临床试验的艰辛所在。创新药低垂的果实已被摘尽，新靶点越来越难发现，已知靶点的药物研发往往贴身肉搏，竞争者众多，给临床试验带来了巨大压力。

“药企在开启临床实验之前，得事先了解未来需要对标的标准治疗方案，它的疗效和安全性大概到哪种程度，根据早期数据和产品机制对成药概率做出判断，以及有多大把握超过已有方案？”达索系统Medidata战略咨询及解决方案业务部负责人燕晓明一针见血指出，然而医学部门却只能高度依赖于有限的文献发表，来做出临床研究中的重大决策。

更严峻的现实是，各国或地区的标准治疗方案有区别，同样适应症国内外需求也不同，不同地区患者未被满足的需求也不同。很可能在这个国家，目前主要是化疗。而在另一个国家，则有已获批的创新药，对照组的选择就有很大区别。

海外研究中心选择、患者参与留存、试验数据管理诸多种种不确定因素，均给创新药出海埋下了暗礁。“很多海外临床项目开了一年多后，一个患者都没招募到。”有业内人士此前向媒体叹息。

Informa数据库旗下的BMT和全球规模最大的生物技术行业组织之一BIO的一项研究表明，在2004年至2014年，三期临床试验失败率总体只有33%左右。其中，2013年非肿瘤药物三期临床失败率29%，肿瘤药为48%。

多年过去，临床试验的难度只增无减。新药研发加剧下，时间、市场空间成为各大药企角逐的关键。风急浪高的出海征途中，AI可以做什么？

02

打通出海的关键要塞

“实际上，有所突破仅是因为一点调整，一些小事，一个沮丧的科学家靠着略有苗头的数据坚持走下去。一切都源于那个选择了一种试剂、一项实验、一个方法的瞬间，那个微小而关键的节点。”《十亿美元分子》一语道出临床试验的不易。

在燕晓明看来，临床试验有两个关键节点，一是临床试验方案的设计，二是患者入组的速度。

前者之所以重要，主要是通过合理的试验设计可以发现目标患者群体，使这类人群得到有效治疗，而不合理的设计，盲目扩大人群，则可能稀释有效人群，进而无法达到主要终点，导致试验的失败。后者，则几乎决定了临床试验的速度。

想要兼顾两者，庞大的历史数据则成为基石。Medidata AI依托于其核心平台，包含了超3.3万余项临床试验和千万患者的临床数据。通过人工智能等技术对数据进行深度理解和算法建立，预测疗效和安全性结果，以及可能的不良反应事件；另外，利用过往临床数据生成合成对照组，也可推进对照组患者招募困难的试验如期进行。

“借助历史数据，我们可以帮助客户快速找到与竞争者的差别人群。”他介绍到，在Medidata AI的帮助下，一家全球前十的制药公司，尽管处于竞争激烈的适应症，关键研究还加速了至少六个月。要知道，2023年，在FDA批准的新药中有65%由Medidata支持。

至于中国创新药企出海，较为头疼的研究中心选择上，它亦可以大展拳脚。一家中国排名前十的Biotech，在国际多中心试验研究中心选择上犯了难，由于数据量不足，无法支持其全球中心的选择，拓展其对于海外试验、全球研究中心的视野。

基于Medidata数据库，Medidata AI利用既往临床运营数据进行可行性评估，并且定位表现突出的研究中心，最终识别了938家研究中心。依靠基于 130 多种适应症以及 100 多项其他变量建立的入组预测模型，帮助客户避免中心拥塞的情况，精准预测中心的入组速率并提升入组质量。

从试验启动速度、试验质量等多维度预估试验中心饱和度和入组速率多维度评估，帮助申办方选择更合适的研究中心。

AI技术，或已成为中国创新药企们乘风破浪的“利器”。

四款FDA 获批上市的中国创新药，均由Medidata支持，也仍在继续支持其拓展适应症的临床研发。此外，它还支持了中国药企所 23个大额 license out的创新药品，也就是5亿美金以上的交易，几乎囊括所有热门和创新靶点。

数、智护航，让中国药企实现高质量出海。事实上，许多生物制药公司已经率先开始探索人工智能算法与临床试验全过程的有机结合，以数变智，提升决策的科学性。

03

仍待提升的海外临床试验数据质量

放眼全球临床试验市场，包括美国FDA及欧洲EMA在内的多国数十项政策均提及对患者报告数据的管理，明确鼓励将COA数据作为支持新药上市申请的标签申明。中国也相应出台多项政策明确鼓励使用 eCOA/ePRO 工具。

随着临床试验的数字化发展，监管机构正逐步接受将eCOA 数据纳入药物申请。所谓eCOA，其实是电子临床结局评估，通过电子化的方式，描述在一项临床试验中患者的感受、身体功能或生存状况的工具。

神经疾病、肿瘤等病种的临床终点评估中，常会涉及到定性评估量表的填写，对数据采集的一致性要求很高。

《英国医学杂志》的一项研究表明，相较于纸质数据，采用eCOA/ePRO可以提高患者填报真实依从性90%以上；另一方面，在临床试验中投入使用eCOA，对受试者、研究者及申办方均有益处。

它能从源头规范数据格式并保证数据完整性，所采集到的数据无需转录，从而降低数据丢失或数据转录错误的风险。在数据获取过程中，可以帮助临床试验人员，及时发现不良反应事件，进而帮助实现实验数据结果的优化，全面提升数据质量。

更为重要的是，投入使用eCOA，可以降低临床试验费用。尽管前期设置阶段费用投入确实更高，但随着临床试验启动后直至数据锁库的整个运营过程中费用则大幅下降。公开资料统计，从项目总体投入而言，eCOA相较纸质方式费用降低了67%。

蓝图固然美好，而中国面对的现实则是，eCOA渗透率较低，或仅为5%。与此形成鲜明对比的则是，美国eCOA渗透率高达80%（根据Medidata数据测算）。中国市场，仍处于待开拓的蓝海市场。

eCOA 种类繁多，目前的趋势是患者数据采集解决方案正在转向基于平台。在此基础上，临床试验的各方产生更有效的连接方式，形成更高效、便捷的协作模式。Medidata eCOA中国专业服务团队依托全球经验，为中国本地客户提供全过程、全方位的支持，专业服务涵盖试验全生命周期。

随着AI应用的深入，中国创新药企出海，或将走出一片坦途。

编辑推荐

随手 在看