Libérer les données du monde réel pour une utilisation dans les essais cliniques

Pendant des années, les chercheurs en santé ont parlé du potentiel des données du monde réel (RWD) pour révolutionner chaque étape de la recherche clinique, de la conception des essais à la mesure des résultats. Les systèmes de santé suivent des centaines de millions de points de contact avec les patients chaque année, enregistrant ces informations sous la forme de dossiers de santé électroniques (DSE), de réclamations d’assurance et d’autres systèmes cliniques qui représentent une source incroyablement riche de données et d’informations. Alors, si l’industrie est si enthousiasmée par cette révolution, pourquoi n’a-t-elle pas été plus largement adoptée en recherche clinique ?

La principale raison est que le RWD n’a pas été disponible pour les équipes d’essais cliniques, entravé par la confidentialité des patients, les restrictions réglementaires et les structures de données disparates. Bien qu’il y ait eu des succès notables dans l’utilisation des données disponibles sur le DSE et les réclamations, des données cliniques plus approfondies et plus précieuses ont été inaccessibles. Libérer les données génétiques, de laboratoire et de pharmacie qui se trouvent profondément dans les sous-systèmes de soins de santé, tout en protégeant les informations des patients et en naviguant dans le paysage réglementaire mondial, n’est pas une tâche facile. Mais compte tenu de l’avantage d’obtenir des preuves du monde réel (RWE), l’effort en vaut la peine.

Le manque de données dans le monde réel au sein des essais cliniques

Il ne fait aucun doute que RWD et RWE jouent un rôle croissant dans les décisions et la recherche en matière de soins de santé. Les deux sont utilisés régulièrement pour surveiller l’innocuité après la mise sur le marché et les événements indésirables. Selon une présentation donnée par Medidata à Reuters Event Pharma : Clinical 2021, RWD joue également un rôle essentiel dans les approbations réglementaires pour de nouvelles indications : 75 % des demandes de nouveaux médicaments et de licences biologiques en 2020 incluaient des preuves de RWD. De nombreux hôpitaux ont adopté un modèle de « système de santé apprenant » pour suivre et analyser les données à des fins de recherche et d’amélioration continue. À l’inverse, la plupart des essais cliniques sont menés de manière « unique », sans moyen de puiser dans le trésor de signaux d’efficacité et de sécurité qui se trouvent dans l’écosystème des données de santé.

L’utilisation de RWD dans un ECR pour développer et valider de nouveaux traitements est la prochaine étape naturelle dans l’évolution de la prestation des soins de santé et de la recherche clinique. Et le potentiel d’utilisation des données commence bien avant la phase d’approbation, avec des opportunités d’enrichir pratiquement chaque étape du parcours des essais cliniques.

Identification et enrichissement des cohortes

L’utilisation de RWD peut aider à optimiser les bras d’essai en identifiant des populations de patients plus homogènes et ciblées. Les données pourraient permettre le regroupement de cohortes avec des profils similaires, qui ont répondu de la même manière à un médicament particulier ou ont des signaux biologiques indiquant une probabilité similaire de progression de la maladie. L’intelligence artificielle peut aider à approfondir les ensembles de données cliniques qui sont souvent cloisonnés, y compris les biomarqueurs, les laboratoires, les images, les transcriptomes, les protéomes et les génomes, permettant des conceptions d’études plus précises pour contrôler les traitements.

Ces données approfondies peuvent également éclairer les tendances qui peuvent être utilisées pour l’enrichissement prédictif des populations d’essai. La capacité de cibler des cohortes qui sont plus susceptibles de répondre positivement à un médicament et/ou d’exclure des groupes qui peuvent être plus sujets à des problèmes de sécurité spécifiques peut permettre aux chercheurs de mener des essais cliniques plus petits, tout en générant potentiellement une efficacité et une sécurité cliniques plus rapides et décisives résultats. Par exemple, des preuves ont montré que les patients cancéreux porteurs de la mutation génétique HER2 ne répondent pas aux chimiothérapies à base de platine. La capacité d’exploiter RWD pour « dépister » rétrospectivement les patients atteints de cancer pour les mutations génétiques HER2 et pour suivre la progression de la maladie parmi ces patients, pourrait permettre l’identification de sous-groupes de patients qui seraient d’excellentes cibles pour un traitement alternatif sans platine.

Recrutement de patients

L’un des principaux obstacles dans de nombreux essais cliniques est la capacité de respecter les quotas d’inscription dans un délai suffisant pour empêcher la clôture des essais. Bien qu’il existe une prise de conscience générale de l’existence de pools de patients inexploités, une carte indiquant où les trouver et leurs fournisseurs est restée insaisissable. L’utilisation de RWD et l’exploration d’ensembles de données profonds sont sur le point de donner accès à ces patients difficiles à trouver, et pourraient être particulièrement utiles pour trouver des patients atteints de maladies rares, de cancers rares et de cancers avec des mutations génétiques spécifiques.

De plus, l’exploration approfondie des données pourrait permettre la pré-identification des patients susceptibles de devenir résistants aux médicaments selon la norme de soins. Ces pools de patients pourraient ensuite être contactés et prêts pour les thérapies de prochaine ligne dans les essais cliniques disponibles.

Enfin, il existe des états pathologiques dans lesquels la norme de soins est l’absence d’intervention, car les patients dont les conditions sont susceptibles de progresser représentent une trop petite fraction de la population totale. L’exploration en profondeur de RWD peut trouver le profil des progresseurs connus et faire des prédictions sur qui sont le plus, par rapport au moins, susceptibles de subir la progression de la maladie en cartographiant des profils multifactoriels qui ne sont pas seulement basés sur l’état de la maladie du patient, mais aussi sur les traitements, les prescriptions et la géolocalisation. -la démographie.

Bien entendu, l’accès aux informations sur la santé ne devrait jamais se faire au détriment de la vie privée des patients. RWD est généralement anonymisé en générant un code unique (jeton) pour chaque patient afin de protéger son identité tout en permettant aux équipes de regrouper des ensembles de données disparates. Cependant, il existe des situations où il peut être avantageux d’associer des données à un patient spécifique, par exemple pour offrir l’accès à un essai clinique d’une manière qui respecte la vie privée du patient.

Engagement des patients et des médecins

Dans un nombre croissant de cas, les patients sont recrutés avec succès en tirant parti de la relation entre eux et leurs professionnels de la santé. Mais pour y parvenir, les prestataires doivent être informés des opportunités d’essais qui conviendraient à leurs patients. Le RWD peut jouer un rôle clé en identifiant les cohortes pertinentes et en informant leurs professionnels de la santé des opportunités d’essai. Les prestataires peuvent alors conseiller et accompagner leurs patients tout au long du processus d’essai. De nouveaux partenariats entre les chercheurs et les prestataires de soins de santé ont le potentiel d’offrir une solution gagnant-gagnant pour toutes les parties, en alignant la recherche et la prestation de soins autour de l’objectif commun d’améliorer les résultats pour les patients.

Les médecins peuvent :

• Accédez à un éventail plus large d’études qui pourraient améliorer de manière significative la santé de leurs patients
• Mener des activités d’essai dans le cadre de leurs flux de travail existants au point de service
• Dépister, diagnostiquer et recommander des patients pour une éventuelle inclusion dans l’étude
• Préserver la continuité des soins et maintenir les revenus en supervisant les évaluations médicales des patients tout au long de l’essai
• Mener des recherches fédérées avec d’autres fournisseurs, en élargissant l’impact de leur travail

Parallèlement, les partenariats avec les prestataires permettent aux chercheurs de bénéficier de la relation médecin-patient en :

• Identifier les participants présélectionnés qui correspondent aux critères de l’étude
• Recruter et inscrire les patients les plus susceptibles de participer à l’étude
• Améliorer la conformité à l’étude

En fin de compte, le grand public est le bénéficiaire ultime des partenariats fournisseurs-chercheurs. L’élargissement du pipeline d’essais cliniques permettra à davantage de patients de bénéficier de traitements qui changent leur vie.

Étendre les essais cliniques par le biais des bras témoins

En plus d’identifier les participants appropriés, RWD peut également fournir des armes de contrôle historiques ou synthétiques. Ces bras externes peuvent minimiser l’exposition du patient tout en permettant à de nouveaux candidats de dispositifs médicaux thérapeutiques et/ou interventionnels d’émerger à un rythme plus rapide et plus efficace. En suivant la progression des populations de patients en dehors d’un essai qui répondent aux critères d’inclusion et d’exclusion et ne reçoivent pas de médicament, les chercheurs peuvent dans certains cas éviter d’avoir à recruter une population témoin dans l’essai. Un avantage important pour les patients de cette approche est que tous les participants à l’essai reçoivent le médicament par rapport au placebo. RWD permet également d’utiliser des ensembles de données existants pour effectuer des méta-analyses afin de comprendre de nouvelles indications et/ou effets secondaires qui peuvent ne pas être révélés dans un essai clinique en raison d’un nombre insuffisant.

Il existe quelques cas prometteurs où un contrôle externe a permis d’obtenir l’approbation du médicament : RWE a été utilisé pour étayer les décisions d’efficacité pour BAVENCIO, l’immunothérapie de Pfizer pour le carcinome métastatique à cellules de Merkel et BLINCYTO, le traitement d’Amgen pour la leucémie aiguë lymphoblastique à précurseurs B. Les deux ont reçu une approbation accélérée en utilisant les données de contrôles historiques externes.

Agrégation de données simplifiée et continuum de soins

Le RWD peut également aider à améliorer la mesure des résultats dans la recherche clinique en facilitant l’intégration des données EMR, de la surveillance à distance des patients (RPM) et des résultats électroniques déclarés par les patients (ePRO) pour l’analyse. Ici aussi, l’extraction inefficace des données a toujours été un obstacle majeur à la réalisation de ce potentiel et, encore une fois, de nouvelles formes de partenariats font tomber ces obstacles.

Par exemple, la collaboration entre des organisations menant des essais cliniques décentralisés et des fournisseurs de solutions logicielles de soins de santé et de diagnostic peut aider à relier les points entre la recherche clinique et les données de DSE.

De tels partenariats facilitent l’intégration de données provenant de sources multiples sous l’égide d’un seul essai clinique, notamment :

• Aperçu des métadonnées pseudo-anonymisées des DSE
• Dossiers médicaux (y compris les tests de laboratoire, l’imagerie, les scans et les notes du clinicien) des patients consentants
• Données RPM (par exemple, à partir de dispositifs portables et d’autres appareils) et ePRO de ces mêmes patients lorsqu’ils participent à l’étude

Des partenaires innovants du secteur développent une approche unique pour distribuer les requêtes de données et exécuter des modèles d’IA « à la périphérie » (sans avoir à déplacer les données vers un référentiel central) pour garantir la confidentialité des données tout en permettant un accès fédéré aux données. Avec le consentement du patient et du fournisseur, ces collaborations permettront également de mapper les données de DSE dans le système de formulaire de rapport de cas d’essai clinique utilisé par les équipes de recherche pour créer un dossier plus solide de chaque participant à l’essai. Certains partenaires s’efforcent également d’aller au-delà des données de réclamation traditionnelles, en utilisant l’apprentissage automatique pour intégrer des ensembles de données plus approfondis tels que des notes cliniques, des laboratoires, des images et des biomarqueurs généralement non disponibles dans les ensembles de données existants.

Les avantages finaux des données du monde réel pour les sponsors

L’exploitation de données du monde réel permet aux sponsors et aux CRO d’améliorer la qualité, le contrôle et la rentabilité tout au long du cycle de recherche, en :

• Concevoir des essais ciblés offrant une vue plus complète des populations de patients, des cohortes et des états pathologiques
• Accélérer le recrutement des patients et améliorer l’observance grâce à des partenariats avec des prestataires
• Création d’armes de contrôle synthétiques
• Mener des analyses plus riches et plus efficaces en identifiant les corrélations et les progressions de la maladie (par exemple, étudier les liens entre le diabète de l’enfant et celui de l’adulte)
• Identification des indications nouvelles ou élargies pour le produit à l’étude
• Enrichir les dossiers réglementaires avec des données tierces crédibles pour améliorer les perspectives d’approbation

Les avantages de l’intégration du RWD dans les essais cliniques s’étendent bien au-delà d’une seule étude. La fenêtre plus large sur la santé des patients peut permettre aux chercheurs et aux prestataires de mieux prédire l’apparition de la maladie et d’offrir des recommandations de traitement et de soins plus éclairées.

Bien entendu, comme pour toute innovation technologique, des défis importants restent à relever pour une plus grande utilisation de la RWD dans les essais cliniques : l’intégration d’ensembles de données disparates et complexes sans langage, formatage ou codage commun peut nécessiter une programmation sophistiquée pour garantir l’actualité des données, leur exactitude et minimiser les biais . Les systèmes doivent protéger la confidentialité / l’anonymisation absolue des données ou intégrer une gestion minutieuse du consentement, en tenant compte des différentes normes réglementaires entre les régions (GDPR, HIPAA, PDPA). Et puis il y a les défis scientifiques : comment mettre en place les contrôles de qualité nécessaires lors de la création d’armes synthétiques pour s’assurer que les résultats sont valides et représentatifs ?

Malgré ces défis, il existe un consensus général dans l’industrie selon lequel le RWD fera partie intégrante de l’avenir des essais cliniques, avec le potentiel de fournir des résultats plus solides et d’augmenter le retour sur investissement de l’innovation en santé. Il incombe à la communauté de la recherche de développer les garde-fous, les collaborations et les outils nécessaires pour produire moins de battage publicitaire et plus de résultats.

Photo : RomoloTavani, Getty Images