News

DCT不只是疫情下的权宜之计

每天8点的闹钟都会准时提醒Maria(化名)起床,但今天和平常有点不太一样,她起床后先检查了一下贴在身上的生物贴片,发现没有任何问题,才去到洗手间洗漱,期间还用尿测试条做了个检测,并在电子秤上称了一下体重。113公斤,对于一个68岁身高177厘米的女性来说,这个体重意味着她是糖尿病、高血压的高危人群,她还患有充血性心力衰竭并有其他并发症。这一切都做完后,她打开了手机上的一个记录软件,将尿量和一些自我感受输入了进去。

做这些,Maria并不是想记录她的人生,而是因为她昨天参加了一个新型利尿候选药物的临床试验。这个试验需要在四周时间内,记录她用药期间的一系列身体指标。在过去,参加这样的临床试验,需要每天去医院完成这些数据记录。对Maria而言,每天早上30分钟的散步都已是气喘吁吁,参与临床试验更是心有余而力不足。

而在家能够完成这些力所能及的记录,终于让她有机会参加这样的临床试验。在试验方案这4周期间,她只需要去医院三次。她身上佩戴的贴片、电子秤上的数据以及她在手机上输入的数据,都会被远程上传到数据中心并由负责的CRA进行监查。

这样的试验就是远程智能临床试验(Decentralized Clinical Trials,下称DCT),也被译为虚拟试验、去中心化临床试验、混合试验、远程试验、直达患者试验等,通常其借助远程智能技术和虚拟化平台技术,以患者为中心开展试验。

疫情加速了近年已逐步受到重视的DCT的推广和应用,同时其应用也离不开来自监管机构的肯定。

近年来,美国食品药品监督管理局(FDA)、欧洲药品管理局(EMA)、英国药品和保健品管理局(MHRA)、新加坡卫生科学局 (HSA)均发布了相关的政策支持DCT应用。我国的国家药品监督管理局药品审评中心(CDE)也在最近发布的《以临床价值为导向的抗肿瘤药物临床研发指导原则》征求意见稿中,鼓励企业探索在抗肿瘤药物临床试验设计中加入DCT元素。

DCT的优点显而易见,比如可以提升临床入组速度、加速试验进展等。而实际落地则是DCT发展过程中的关键问题。下面我们用几个案例来了解DCT的实际应用。

实现以患者为中心的试验快速入组

远程智能临床试验实际是将患者与申办方等研究各方置于同一个在线系统平台中,进行“端对端”的连接。在申办方一端,能避免GCP禁止的申办方接触患者的情况;在患者一端,远程智能试验以患者为中心,支持患者远程注册和参与,突破患者入组的地域限制,从而可以扩大患者的招募范围。

比如在美国华盛顿哥伦比亚特区患者中心成果研究所(PCORI),有一项考量阿司匹林剂量对疗效和长期效果影响的临床研究(ADAPTABLE)。PCORI通过Medidata远程智能临床系统将代码分发给参与项目的研究中心。每个患者都有唯一的一次性代码,使患者从初筛、招募、入组到后续的全过程都能得到追踪。

ADAPTABLE项目在提高入组效率上的效果是相当显著的。与传统心血管临床研究需要纳入成百上千的研究中心不同,ADAPTABLE研究中,仅40个临床研究中心即入组了1.5万受试者。

另一个典型的案例是Moderna公司新冠疫苗的Ⅲ期临床试验。鉴于疫情和医疗资源紧张的情况,Moderna在这次试验中也启用了Medidata远程智能技术,并成功招募了3万多名受试者。

该试验是有史以来规模最大、且直接从受试者处采集数据的试验之一,而远程智能技术降低了受试者频繁往返研究中心的需要。同时临床研究的“虚拟化”(远程)也允许受试者使用自带设备,这也减轻了患者随身携带并使用额外研究设备的负担。

Moderna首席数字和卓越运营官Marcello Damiani当时表示,他们很高兴能与Medidata合作。得益于Medidata统一平台的帮助,Moderna在研发安全有效的新冠肺炎疫苗过程中,真正做到了以患者为中心。

确保临床试验数据质量

DCT开展过程中,风险管理更具挑战,特别是对数据收集和数据质量的保证。

DCT主要通过数据采集工具、可穿戴设备、生物传感器等实现远程受试者数据采集。数据采集的方式多样,可以更好保证数据的全面、完整和准确,但这也加大了数据清理、监查及报告的挑战。

Medidata Detect实时的分析能力能让临床运营和数据管理团队及时发现问题。Moderna临床试验数据管理高级总监Lori Callen在Medidata NEXT全球大会上曾表示,通过使用Detect等工具和解决方案,有助于实现非常快速的临床数据库设计、快速电子日记部署,显著提升整个临床试验过程的收集和清洁数据能力。

比如,文章开头提到的Maria,到了试验的第6天,她在每天例行的30分钟散步之后,突然感到呼吸困难,有点喘不过气和头晕,她立即在手机中输入了眩晕自我评估,同时生物传感器记录到她的心跳频率非常高。而在研究中心负责这位受试者的研究护士,很快就从EDC中看到她上传的数据异常,当即给她打电话询问状况,并在询问过后决定当天对她进行一个面对面的访视,确认实际情况。

当天,研究护士到达Maria家中的时候,发现她的心率、呼吸速率、氧饱和度和体重都有超出她正常值的趋势。她看起来感觉不是特别好,护士建议她立即去医院就诊,做详细的检查。护士回到医院,在EDC中输入这一次面对面访视中发现的问题,并且再次审阅受试者的数据,同时和PI进行沟通。基于这些发现,她建议PI将这名受试者从研究中退出。CRA监查Maria的数据时也发现她的心率、呼吸速率、氧饱和度和体重都超出了正常值的范围,属于一种离群值的情况。

PI基于采集到数据和护士的建议,提醒申办方把Maria做退出处理,申办方就登陆了EDC系统,查看数据趋势以及之前的一些病人状态,最后也决定终止Maria继续参加该项临床试验。

从上面这些案例,我们可以看到DCT能够在很多方面协助临床试验利益各方更高效地完成临床试验。但对于DCT的应用,监管机构、研究中心、业界显然还有很多问题需要达成共识。技术的应用从来不是终点,DCT仍只是以患者为中心的方法的一部分。回看临床试验的发展历程,技术手段的创新永不停歇,让我们能够不断挑战不可能。

来源: 研发客

Medidata中国媒体联系人:

Summer Song, Medidata Solutions, +86 21 2231 0441, xsong@mdsol.com