FDAの承認にむけて

本ブログはMIT Technology Review との協力によって書かれています。

.FDAは外部対照群についてどのように感じているのでしょうか。メディデータのデータサイエンス担当バイスプレジデントのRuthie Daviは、FDAの統計担当者として22年間勤務した後、2016年にメディデータに入社しました。彼女はCelsion社の卵巣癌治療薬のように、どの手段を取るべきかを検討している企業が試験群しか持たないような単群試験にすぐにでも応用できる方法が外部対照群の利用であると考えています。このようなケースでは、外部の対照群は、既存の医学文献を検索するという、最も一般的に用いられている手っ取り早い比較方法よりもはるかに優れています。このようなケースでは、外部の対照群は、既存の医学文献を検索するという最も一般的に使用されている手っ取り早い比較方法よりもはるかに優れています。

例えば、ある企業が自社の治療法の結果と、すでに発表されている別の治療法の結果と比較するとした場合、結果としてより良いエビデンスが得られれば、新しい治療法の開発に向けて次の段階に進むことができます。しかし、自社のテストグループはほとんどが女性であるのに対し過去に発表された論文の被験者はほとんどが男性であった、あるいは、自社のテストグループは女性が多い一方で、既発表の論文の被験者は男性が多い、テストグループは米国であるが文献に掲載されている例はすべて他国のものであるなど、文献に記載されているグループは大幅に異なるかもしれません。「このような粗放な比較が説得力を持つためには、非常に大きな治療効果が必要ですが、100％の確信がもてるものではありません。」とDaviは言います。

公表されている文献では、研究に参加した患者の個別データを提供することはできませんが、研究者はメディデータの過去の臨床試験患者のデータベースから作成した外部の対照群を使うことで、患者レベルのデータを得ることができます。研究者は、対照群の患者を試験患者に合わせて正確に選択し、2つのグループのより科学的に妥当な比較を行うことができます。

早期開発に加えて、単群試験は、状況によってはFDAにデータを提出するためにも使用されます。例えば、企業がある疾患に対する標準的な治療を劇的に改善すると思われる場合に、FDAの早期承認のためにその新たな治療法について評価を求めることがあります。このような場合、外部対照群は医学文献の要約や臨床的直感を用いるよりも間違いなく優れているため、FDAは受け入れる可能性が高いと彼女は指摘します。

Ruthieによれば、次のステップである外部データを使用して通常の対照群を置き換えることははるかに高いハードルですが、その場合でも進展が見られます。メディデータは非小細胞肺がんと多発性骨髄腫の治療に関する臨床試験で、標準的な無作為化対照群と同等の結果をもたらす外部対照群を構築できるかどうかを確認するため、非営利団体Friends of Cancer Research と共同で2つの研究を行いました。どちらのケースでも、試験が従来の無作為化対照群の代わりにMedidata Acorn AIの外部対照群を使用していた場合、試験の結果は同じであったことが研究で示されました。

実際の試験では、少なくとも最初のうちは外部対照群が標準対照群を置き換えるのではなく補完するハイブリッドモデルを利用するほうがFDAがより好意的に受け止めると予想しています。Medidata Acorn AI は最近、ある顧客が再発性膠芽腫という侵攻性の高い脳腫瘍の治療法を対象とした第 3 相試験のハイブリッド対照群の設計を支援しました。同疾患領域では患者の予後が悪く治療の選択肢も少ないため、試験では実験的な治療を受ける患者の数を最大限に増やすことが重要でした。試験デザインでは、標準的な対照群を設け完全な無作為化比較試験に必要な患者数の3分の1としました。残りの3分の2は、過去のデータに基づいています。FDAは、このハイブリッドデザインの結果を2020年秋に検討することに合意しました。

メディデータの20年以上にわたる専門知識やあらゆる規模の顧客や試験での知見によって製薬会社・バイオファーマの臨床試験の成功をサポートします。

メディデータとMIT Technology Reviewによるホワイトペーパー [Clinical Trials are Better, Faster, Cheaper with Big Data], にて臨床試験における外部対照群のメリットをご覧ください。