より迅速なAI主導の意思決定で臨床試験を再考する

医薬品開発は、ライフサイエンス分野で最も資本集約的な活動の一つです。2021年にClinical and Translational Scienceに掲載された査読付き研究では、臨床試験開始から承認までの成功率は約10～20％であり、数十年間有意な変化はないことが示されています。JAMAに掲載され、米国国立衛生研究所に索引付けられた別の分析では、第III相試験が臨床開発コストの最大のシェアを占めており、より大規模な患者登録と長期の試験期間が原因であることがわかりました。これらのコストの多くは、断片的なエビデンスに基づく意思決定に起因しています。限られた初期段階のデータに基づく用量選択、単独で評価された安全性シグナル、大規模試験が開始された後に初めて理解される患者のばらつきなどです。

EmerjのMatthew DeMelloとノバルティスのPKサイエンスおよびオンコロジーのグローバルヘッドであるShefali Kakar氏との対談では、AIがプログラムの実行可能性を早期に明確にし、実際の患者影響をより正確に理解することで、医薬品開発をどのように変革しているかが定義されています。Kakar氏はノバルティスで約20年の経験を持ち、ファイザーで上級主任科学者を務めた後、現在はグローバルPKサイエンスとオンコロジーを統括し、臨床薬理学と用量最適化戦略を推進しています。

開発意思決定の加速による資本集中の改善

Kakar氏はまず、従来の医薬品開発における遅い順次的意思決定パターンと、AIが可能にする統合的なエビデンス駆動アプローチとの対比を強調します。歴史的に、チームは用量とプログラムの決定を段階的に進め、各段階が前の段階を待ち、狭いデータスライスに依存していました。この構造は、組織が実行可能性の完全な全体像を得る前に資本を投入することを余儀なくされることがよくあります。AIモデリングはこの経済性を変えます。統合モデリングにより、チームは試験全体でエビデンスを評価し、プロセスの早い段階で実行可能な用量戦略を特定できます。Kakar氏は、適度なデータセットにわたる統合モデリングにより、1日1回投与と1日2回投与（同総用量）で同じ有効性が得られることが明らかになった事例を挙げています。これは大規模な第III相試験では調査されていなかったことです。彼女は次のように述べています。「このような答えは、用量を各段階の固定選択肢として扱うのではなく、全エビデンスベースの連続体として見ることでのみ得られます。」この能力により、チームは仮定を再検討し、大規模試験の数を減らし、資本を最も有望なプログラムに集中させることができます。

患者洞察の深化によるプログラム設計の強化

Kakar氏が繰り返し強調するテーマの一つは、従来チームが薬物曝露に影響を与える患者レベルの要因をほとんど把握できていなかったことです。組織はしばしば、腎機能や肝機能などの特性が反応を有意に変化させることを明らかにするために設計されていない、小さな独立した障害コホートから作業していました。その結果、学習が遅いだけでなく断片的になり、各研究が実際の患者の状況の部分的な画像しか提供しませんでした。AIモデリングは、大規模な第III相試験から患者レベルのデータをプールすることで、特定の共変量が曝露や有害事象にどのように影響するかを、別途のサブスタディを実施せずに調べることを可能にします。Kakar氏は、このシフトが実際の用量決定をどのように変えたかを説明します。「以前は、腎障害が薬物曝露にどのように影響するかを理解するために別の研究を実施していました。今では、その質問を直接第III相試験に組み込むことができます。すでに登録された患者を観察し、腎機能が曝露や有害事象とどのように相関するかを調べ、それを使用して用量調整が必要かどうかを判断します。以前は独自のコホートが必要だったことが、現在はすでに持っているデータから得られます。」この統合モデリングにより、異なる患者グループがどのように反応するかについて早期に明確になり、その差異が後期の驚きとなる前に用量やモニタリングの期待値を調整できます。

エンタープライズチームにとって、Kakar氏が説明するパターン——用量実現可能性の早期明確化、大規模確証試験の削減、フェーズを横断した仮定の再評価——は、より迅速な継続/中止の決定と、最も強力なエビデンスを持つ機会への資本の緊密な整合につながります。