Medidata的一項調查，結果顯示...

來自專欄我不是煎茶猿

Medidata Solutions與PharmaVoice共同申辦了一項生命科學行業高管調查，以更好地了解他們如何在臨床研究中使用數據和分析。在線問卷於2017年4月和5月投入使用，收到了189名受訪者的回復。

關鍵調查結果

• 縮短試驗時間是規模不等的所有公司的當務之急
• 將影響監管部門批准的風險降至最低水平是近三分之一首席高管的首要任務
• 與規模較大的公司相比，小公司更關注降低試驗成本
• 公司面臨的前三大挑戰是：患者招募、數據質量、患者保留
• 90% 的受訪者使用數據和分析解決方案
• 略多於一半的受訪者依靠內部數據促進臨床研發工作
• 最受歡迎的數據是真實證據和歷史試驗數據
• 最有益的分析功能是識別模式和異常、預測分析以及試驗設計優化

受訪者人口統計學信息

在189名調查受訪者中，17.5%身處首席高管職位，29.2%擔任副總裁和董事級職位，包括治療領域的負責人（見圖1）。近一半(47.2%) 的受訪者就任「其他」工作崗位，包括以下各種工作：臨床研究監查員、顧問、分析員、臨床研究主管、臨床試驗經理、流程分析師、醫學編輯、項目組合管理人員、首席科學家、項目經理、法規事務從業者、臨床項目管理人員、臨床運營人員、採購員、研究安排人員、數據管理人員、實驗室和研究協調員。

該調查包括了來自各類公司的受訪者，以對臨床研究領域進行全面考量。一半的受訪者就任於製藥公司，16.9%就任於合同研究組織(CRO)，14%就任於生物技術公司，6.6%就任於醫療器械生產企業（圖2）。

同樣，受訪者代表了所有不同規模的公司。略多於40%的受訪者就職於業務收入在2.5億美元以下的小公司，12.5%就職於業務收入在2.5億至5億美元之間的公司，約10%就職於業務收入在5億至10億美元之間的公司，約40%就職於業務收入超過10億美元的公司（圖3）。

絕大多數(77.6%) 受訪者的工作地點位於北美，而5.3%位於亞洲，4.5%位於歐盟或中東，1.3%位於日本，0.7%位於非洲（圖4）。

您所在組織的首要臨床研發任務是什麼？

對於受訪者整體而言，最迫切的關注點是縮短監管提交前的試驗時間(32%)，其次是開發出更有效的藥物/器械(18.1%)。大多數受訪者似乎對試驗的科學性方面信心十足，包括他們對候選藥物做出可行/不可行決策的能力以及管理試驗操作風險的能力（圖5）。

受訪者的優先任務自然與其職務/組織級別緊密相關（圖6）。首席高管最關注的是降低風險以通過監管部門批准(30%)、縮短試驗時間(28%) 以及實現開發出更有效藥物/器械的首要任務(19%)。

副總裁和總監級別的受訪者最關心的是其如何有效執行任務。他們將縮短試驗時間(33%)列在首位，其次是儘可能降低影響監管部門批准的風險(18%)和降低試驗成本(16%)，後兩者所佔比例與前者相去甚遠。

按公司規模列示的戰略重點

有趣的是，儘管公司規模略有變化，但是戰略重點排序並沒有因公司類型不同而發生變化（圖7）。

所有規模的公司均將縮短試驗時間作為其首要任務，選擇這一選項的規模較大的公司（10億美元及以上）、中型公司、規模最小的公司的比例分別為76%、26%和22%。對於中型公司而言，此關注點與降低重要監管風險息息相關。

在規模較大的公司中，49%的受訪者也認為儘可能降低監管風險是一項關鍵驅動因素。

在小型公司中，縮短試驗時間(22%)、降低試驗成本(19%)和儘可能降低監管風險(18%)三者之間的比重幾乎相等。

與規模最大的公司相比，中小型公司(19%)提及降低試驗成本必要性的頻率更高，而對於業務收入介於10億至50億美元之間的公司以及規模最大的公司，選擇這一選項的比例僅分別為5% 和9%。

我們並不認為這表明規模較大的公司對試驗成本的關注度小於規模較小的公司。這是一個普遍關注的問題。但對於規模較小的公司，尤其是對於正處於待產出階段的生物技術公司，試驗成本是其最大開支之一，此方面管理不當會給公司造成無法挽回的經濟損失。

有何障礙？

本調查中，參與者在列舉他們在實現戰略重點時所面臨的三大挑戰時可自由作答。綜合他們的答案，我們發現了幾大共同主題，按頻率大小列示如下：

• 提高患者招募/入組率
• 管理數據質量
• 提高患者保留率
• 限制成本
• 按時間表完成相應任務

這種綜合排序與Medidata在和行業領導者合作方面的經驗以及我們對其所面臨問題的理解是一致的。讓我們進一步了解關於三大挑戰的更多詳細信息。

在您的首要任務中，您正試圖解決的三大挑戰是什麼（例如，使試驗更加以患者為中心、提高患者招募率、提高患者保留率、管理數據質量、預測不良事件、證實在現實中的有效性、管理研究機構關係、開發更有針對性的療法等）？

挑戰1：提高患者招募和入組率

如果提高患者入組率的需要尚不是每個臨床運營業務主管的首要目標，那這應成為各臨床運營業務主管的首要目標。百分之七十的試驗延遲時間超過一個月，招募是造成這些延遲的主要原因。為了達到其招募目標，大多數公司必須將原定時間延長近一倍。換句話說，患者招募通常要花費申辦方預計時長的兩倍。

這些延遲會迅速增加成本——不僅增加了試驗運行費用，還增加了因失去機會導致產品無法上市的風險。延遲也可能產生微妙但意義深遠的影響。

臨床試驗的開始是一項極為公開的事務，會獲得全世界（尤其是財務分析師）的密切關注。分析師可能會將進展緩慢的入組工作視為此產品上市後的最終表現指標，推測產生此問題的原因是與護理標準相比效果不佳或患者因治療而承受沉重負擔。

現在招募患者確實非常困難，而在情況好轉之前招募問題肯定會變得愈發艱難。由於諸多研發工作集中在腫瘤和罕見疾病領域，因而對有限的患者群的爭奪將會越發激烈。而且，隨著精準醫學的興起，患者將必須滿足入選/排除標準才能參加研究，這可能包括表現出非常特殊且可能較為罕見的遺傳特徵。

目前的招募方式是把任務分配給研究者，將這一複雜問題交給既無準備也無權解決問題的人來應對。研究者的培訓和側重點是治療患者，而不是宣傳或推廣招募工作。此問題至少需要一種依賴於數據、分析、技術和服務生態系統的營銷解決方案。

挑戰2：管理數據質量

「管理數據質量「作為本調查中第二大常見挑戰是符合邏輯的，有兩個原因：首先，它是實現高管獲得監管部門批准的首要任務的一大關鍵點；其次，可用試驗數據的範圍呈指數擴展，並對現有系統和流程造成壓力。自2000 年以來，執行研究的美國境外試驗機構數量已翻倍，臨床數據的範圍進一步得到擴展，從而將來自電子數據採集(EDC) 系統、醫學成像、實驗室、電子健康記錄(EHR)、基因組學數據和生物醫學感測器的數據包括在內。這些數據的採集量和採集速度比傳統臨床數據集高出幾個數量級，傳統的數據採集、清理和分析方法已經遠遠無法滿足現在的需求。

毋庸置疑，獲得高質量數據的基礎在於擁有設計精良的病例報告表(CRF) 以及訓練有素的研究機構工作人員。然而，我們能做的遠不止於此，事實上，許多擁有先進理念的公司已開始以創造性的方式使用技術和分析，以顯著提高臨床試驗數據的質量。

新型數據管理範例

臨床數據管理和檢測的傳統做法從單維角度觀察患者，即通過每一來源的數據單獨審視患者，但現在可用更全面的方式看待患者。這就需要我們從靜態數據管理（依次進行數據輸入、審查、鎖定）轉變為自適應數據管理(ADM)。ADM 利用機器學習和高級演算法添加以統計方式清理試驗數據的原則。迭代式自適應類流程屬於系統驅動型而非人為驅動型。

在此新型數據範例中，軟體將該數據集中的每項變數與各項其他變數進行比較，以此尋找並發現它們之間的統計關係。然後，系統可對離群值進行標記，用於研究。而且，隨著數據累積可檢測出相應模式，突出可能需要進行研究和干預的「問題」患者和/或研究機構。

我們認為，一旦採用此類工具，就會使所有針對數據質量的功能（包括數據管理和監測）合併為一項集中化功能。

機器學習也可用於指導基於風險的監測並為某一給定試驗確定最佳研究機構，依據是各研究機構在不同數據質量指標方面的過往表現。

挑戰3：提高患者保留率

臨床試驗中入組患者遺失（被稱為患者「丟失」）粗略估計為18%，雖然估計值存在差異。入組患者遺失無疑是試驗數據有效性的一大威脅，而且是美國食品藥品監督管理局(FDA) 關注的焦點。該機構已經起草了相關指導原則，幫助公司避免因患者退出研究而導致出現偏差，統計員必須進行敏感性和臨界點分析，以確定在存在或不存在缺失數據的情況下研究結論是否相同。

任何數量的丟失都不僅僅是不幸事件，也不僅僅是統計原因所導致。一家公司付出種種努力招募患者並成功完成篩選和入組步驟，之後即使出現少量遺失也屬於效率的嚴重失誤。

為了能夠彌補預期可能出現的丟失，有時公司會過量招募。事實上，如果他們能夠達到更高的保留率，那就沒有必要花額外的費用。招募患者的費用是在為保留患者而採取的激勵措施和溝通策略方面所用費用的12倍。然而，保留患者的驅動因素應該與科學相關，而非與金錢有關。

您對數據和分析的依賴程度如何？

儘管生命科學行業採用數據和分析來改善業務決策的速度比其他業務部門要慢，但幾乎所有受訪者(90%)都依靠某種形式的分析來實現其戰略重點（圖8）。

當按公司規模分類時，這些回復所承載信息的價值更高（圖9）。

在拒絕利用數據和分析優勢的少數幾家公司（12家公司）中，大多數（9家）是業務收入< 2.5億美元的小公司。業務集中在一兩個治療領域的小公司可能不需要外部數據；他們自身可能就是其所在專業領域的頂尖專家。然而，他們使用內部分析解決方案可能是預算壓力所致。

同時，大多數規模較大的公司(85%) 使用內部數據的同時還從外部合作夥伴那裡購買分析工具和服務。這是合乎道理的，因為規模較大的公司已進行了多年試驗，從而積累了大量的內部數據集。另一方面，分析功能不一定隨著時間的推移而不斷提高，並且此項工作很容易即可外包出去。

何種數據可以幫助您實現戰略重點？

從圖10中可以看出，受訪者在很大程度上依賴於來自其他臨床試驗的數據和文獻中報告的數據。關於歷史試驗的數據無疑是了解發現科學和已取得成功的開發方法的關鍵。對歷史臨床試驗的深刻見解可以為未來的試驗計劃提供極具價值的信息。除此之外，受訪者的數據需求是多種多樣的，可以是傳統數據類型（如實驗室和索賠/處方數據），也可以是較新的數據源（如EHR數據、生物醫學感測器和基因組學數據）。如果我們將提到的EHR和醫療索賠/處方數據結合起來，那麼顯然，這種RWE就是受訪者最常依賴的信息類型。

值得注意的是，提及生物醫學感測器數據和基因組學數據的頻率都相對較低。我們預計這種情況將隨著技術的發展而發生改變；來自感測器和可穿戴設備的數據將發揮越來越重要的作用，特別是在某些治療領域；只是現在尚未達到這種程度而已。同時，基因組學數據在某些治療領域更為重要而在其他領域則不然，因此其並非普遍需要的數據類型。

何種分析可為您的首要任務提供支持？

受訪者列出了可能有助於他們實現目標的各種分析技術。顯然，參與者高度重視預測分析、試驗設計優化、性能基準測試和研究機構選擇工具，這些都是可以縮短試驗時間並降低成本的步驟。

用於提高數據質量的自動化技術排名也較高，這些技術包括使用演算法來梳理各種模式的試驗數據並發現異常。

有趣的是，很少會提及使用合成對照組(SCA)或歷史對照數據。這可能是因為調查受訪者對該術語不甚理解，支持這一假設的事實是：SCA與數據共享直接相關，而數據共享則較常被提及。

SCA是一種將來自多項類似試驗的存檔數據用作當前試驗對照組的技術，而出於實際或道德原因，此試驗無法擁有自己的對照組。創建SCA是獲得豐富歷史數據的主要益處之一，這些數據來自不同治療領域的多個申辦方。

結論

此次調查在對整個行業公司進行取樣後獲得了一些見解，並了解了在實現臨床研發目標方面對於其領導者至關重要的因素。他們的反饋證實，越來越多的人認為，在臨床項目中保證準時、將開支控制在預算內並提供高質量的結果越來越難。

隨著我們涉足RWE、組學和高頻感測器數據，醫療保健領域的數據量正在高速增長。但是只有當這些大數據經過適當的整合、標準化和分析以提供可行的建議，才能有所幫助。當然，只有規模是不夠的。數據必須保證高質量；如果基於不良數據作出錯誤的決策，則可能付出極其高昂的代價。

被調查公司在應用最先進解決方案方面處於不同階段。我們預計，那些能夠成功利用新數據源和新演算法技術進行決策的公司將為其「走向市場策略」做出最佳選擇。

我們對未來的展望是，臨床試驗將最大限度地利用數據科學來改善決策制定、提高速度和質量並降低風險和成本。

關於Medidata

通過為臨床研究提供業界領先的基於雲計算的解決方案，Medidata正在重塑全球藥物和醫療設備研發的概念。通過先進的應用程序和智能數據分析，Medidata推動全世界的生命科學客戶（包括近850家全球性製藥公司、生物技術企業、診斷和設備工廠、領先的學術醫學中心以及合同研究組織）實現科學目標。

Medidata Clinical Cloud?為臨床試驗帶來了全新的高質量和高效率水準，使我們的客戶能夠儘早和更快做出更明智的決策。我們擁有無可比擬的臨床試驗數據資源，可以提供意義深遠的見解，為未來的增長鋪平道路。Medidata Clinical Cloud是世界前25家全球性製藥公司中的17家以及前20家全球性醫療設備開發機構中的16家都採用的主要臨床試驗技術解決方案（從研究設計、計劃直至執行、管理和報告）。

推薦閱讀：