Trois stratégies pour minimiser les coûts de développement clinique

Les essais cliniques nécessaires pour mettre sur le marché une nouvelle entité moléculaire (NME) coûtent cher, environ 48 millions de dollars par médicament, selon un étude 2020. Cependant, en améliorant l’efficacité, les développeurs de médicaments peuvent réduire les coûts et améliorer la probabilité de succès dans leur pipeline.

Les stratégies actuelles qui aident les sociétés biopharmaceutiques à réduire les coûts des essais cliniques se répartissent en deux catégories :

• Des technologies qui capturent de plus grandes quantités de données de meilleure qualité
• Méthodes pour s’assurer que les systèmes modèles et les cohortes de patients utilisés dans le développement d’un NME représentent avec précision la population cible

Les développeurs qui mènent des essais cliniques en oncologie se concentrent particulièrement sur l’augmentation de l’efficacité puisque les essais qu’ils mènent ont devenu plus long et plus compliqué. Dans le même temps, la pandémie de COVID-19 a inspiré des innovations pour accélérer la découverte de nouvelles thérapies. Utilisée seule ou en combinaison, chacune des tactiques décrites dans cet article contribue à accélérer la découverte et le développement de médicaments, au bénéfice ultime des patients.

Utilisation de l’IA pour prédire le comportement de la drogue dès le début

Au cours de la recherche préclinique, l’intelligence artificielle (IA), l’apprentissage automatique profond et les méthodes basées sur la physique peuvent aider à identifier les candidats-médicaments en fonction du comportement moléculaire prédit avant d’évaluer les NME dans des expériences coûteuses et chronophages. Le processus peut inclure la mise à profit Algorithmes d’IA tôt dans le développement pour aider à la conception et aux tests de molécules afin de sélectionner des candidats qui subiront des tests supplémentaires dans des expériences traditionnelles en laboratoire humide.

De plus, l’IA et l’apprentissage automatique peuvent modéliser des organes humains simulés numériquement. Lorsqu’ils sont informés par les dossiers médicaux et les informations diagnostiques et pathologiques, ces organes numériques peuvent aider les scientifiques à sélectionner le meilleur traitement pour une maladie. Notamment, cette stratégie récemment a permis la recherche rapide d’inhibiteurs du SRAS-CoV-2.

Faites confiance à des matériaux de haute qualité

Un excellent contrôle de la qualité est de la plus haute importance tout au long du processus de développement de médicaments : un processus de fabrication de qualité inférieure peut entraîner des problèmes de sécurité et des revers coûteux. Et la difficulté à recueillir des données précises auprès des patients peut conduire à des questions sans réponse. Pour éviter ces pièges coûteux, les fabricants doivent effectuer des tests pour s’assurer que les NME sont de la plus haute qualité. De plus, lors d’un essai clinique, les développeurs devraient envisager d’utiliser des appareils qui simplifient et améliorent l’acquisition de données afin que tout produit médicamenteux – et les informations sur ses effets – respectent ou dépassent toutes les normes.

Par exemple, lors de la fabrication de thérapies CAR T-cell, des méthodes de contrôle de qualité très précises et précises garantissent que chaque lot est sûr et efficace. La fabrication de thérapies CAR T-cell implique l’extraction des cellules T d’un patient et l’introduction du gène thérapeutique du récepteur d’antigène chimérique (CAR). Les tests ADN peuvent alors compter le nombre de copies CAR pour s’assurer que les cellules n’ont pas trop de transgènes CAR ou trop peu, ce qui altérerait leur puissance.

Alors que les développeurs utilisent couramment la PCR quantitative (qPCR) pour le test et la quantification des acides nucléiques, cette technique nécessite la préparation d’une courbe standard pour interpréter les résultats, ce qui introduit un potentiel de biais de l’utilisateur et réduit la sensibilité. Pour cette raison, les développeurs se tournent vers la technologie Droplet Digital PCR (ddPCR) lors de l’évaluation de la qualité de chaque lot de cellules CAR T. La technologie ddPCR compte directement l’ADN molécule par molécule et le fait sans avoir besoin de courbes standard. Ainsi, la conception du test rend la technologie ddPCR suffisamment sensible pour détecter aussi peu qu’une copie du transgène CAR dans un échantillon. De plus, les tests ddPCR peuvent identifier même des traces de contaminants dangereux comme bactéries ou virus capables de se répliquerassurant le plus haut niveau de sécurité.

Tirer un aperçu de l’ADN du patient

Les essais cliniques deviennent plus coûteux à mesure qu’ils s’étendent pour inclure plus de patients et se déroulent sur de plus longues périodes. Par conséquent, les tactiques visant à réduire le nombre de patients par essai et les stratégies visant à déterminer plus tôt l’efficacité du traitement peuvent faire économiser du temps et de l’argent aux développeurs de médicaments.

Étant donné que les mutations somatiques plutôt que la localisation anatomique ont tendance à être le principal facteur déterminant du développement du cancer, les essais cliniques se déroulent généralement de manière plus efficace et efficiente lorsque les patients sont placés en fonction de leur profil mutationnel. Les grands centres médicaux utilisent souvent le séquençage de nouvelle génération (NGS) pour effectuer un large dépistage mutationnel sur les patients, ce qui facilite le diagnostic et informe le traitement si des mutations médicamenteuses sont trouvées. Pour le traitement, un oncologue peut prescrire un traitement sur le marché ou peut inscrire le patient à un essai clinique adapté au type de cancer et au stade de la maladie du patient.

Cette pratique permet aux cliniciens de dépister des centaines, voire des milliers de mutations en un seul test ; cependant, les laboratoires devraient compléter les écrans de cette ampleur avec une technologie de test réflexe très sensible. Cette double stratégie permet aux laboratoires d’évaluer les cas marginaux de drogue, où les résultats du NGS ne peuvent pas déterminer de manière concluante si une mutation est présente ou non, mais une technologie réflexe telle que la ddPCR peut fournir une confirmation. Non seulement l’association du NGS avec une technologie réflexe sensible comme la ddPCR garantit qu’un plus grand nombre de patients présentant des mutations médicamenteuses reçoivent le traitement approprié, mais ce système peut également accélérer la rapidité d’administration de ce traitement. Bien qu’il puisse falloir plusieurs jours pour qu’une expérience NGS renvoie des résultats, la ddPCR peut fournir des résultats le jour même. Au total, cette méthode de dépistage optimisée est couramment utilisée dans les grands centres médicaux, mais les petits établissements communautaires où la plupart des patients reçoivent un traitement sont encore en train d’adopter la pratique. Au fur et à mesure que les laboratoires qui desservent les petites communautés adoptent les plates-formes technologiques NGS et ddPCR, ils seront en mesure de dépister les patients de manière plus approfondie et d’inscrire un plus grand nombre de patients éligibles dans les essais cliniques. L’afflux de patients contribuerait à raccourcir la « durée d’ouverture » ​​des essais et le délai global menant à l’approbation du traitement.

De plus, les développeurs pourraient réduire les coûts des essais cliniques et augmenter leur bande passante en réduisant la durée de leurs essais. Les essais en oncologie, qui ont tendance à se dérouler 14 à 18 mois de plus que d’autres essais, en bénéficierait le plus. Le critère d’évaluation standard de ces essais est la survie, mais certains chercheurs s’efforcent d’établir une analyse très sensible de l’ADN tumoral circulant (ADNct) comme critère plus précis. biomarqueur d’efficacité clinique. La prédiction : l’analyse de l’ADNc peut indiquer plus rapidement et plus précisément la réponse d’une tumeur au traitement.

Conclusion

À mesure que les thérapies deviennent plus avancées et complexes, les essais évaluant leur efficacité doivent en faire de même. Les développeurs de médicaments peuvent tirer parti des technologies nouvelles et émergentes pour évaluer les candidats thérapeutiques avec plus de rigueur et d’efficacité tout en apportant plus rapidement des traitements bénéfiques à ceux qui en ont le plus besoin.

A propos de l’auteur:

Jeremiah McDole est responsable du segment oncologie chez Bio-Rad Laboratories. Il a obtenu son doctorat en neuroimmunologie de l’Université de Cincinnati et a passé ses années post-doctorales sur un certain nombre de projets de recherche réussis dans le département d’immunologie de la Washington University School of Medicine à St. Louis.