[NEXT Seoul 2023] 임상 빅데이터와 AI를 활용한 글로벌 임상운영의 핵심전략- 효율적 기관관리부터 규제(FDA) 컴플라이언스까지

* 해당 블로그 포스트는 NEXT Seoul 2023의 세션을 발췌하여 재구성한 내용입니다

김나현, Solution Sales Specialist, Medidata, Dassault Systèmes

임상 개발의 주요 도전 과제

임상시험 운영 시 다양한 문제에 직면하게 됩니다. 환자가 잘 등록되지 않거나 모집을 했더라도 환자 유지가 되지 않아 결국에는 분석 단계에서 시험군과 대조군의 비교가 어려워질 때도 있습니다. 항암연구나 희귀질환 연구일 때는 환자 등록 및 보유 문제가 특히 극심합니다.

연구 디자인도 복잡해지고 있습니다. 우산형 임상시험, 바구니형 임상시험 등 다양한 형태의 연구 디자인이 생기면서 전보다 더 많은 사이트 정보와 근거자료 등이 필요해 졌습니다. 규제도 더욱 강화되고 있습니다

그렇다 보니 한 조사에 따르면, 1상을 시작하여 승인을 받기까지 연구 성공률은 10%도 되지 않습니다. 이러한 어려움을 극복하기 위해 다양한 출처의 데이터를 활용하거나 DCT와 같이 새로운 환자모집 방법 등이 제시되고 있습니다.

환자 등록, 사이트 선정 및 관리와 관련된 비용 또한 만만치 않습니다. 딜로이트 보고서에 따르면 전체 임상 비용의 32%가 환자 등록을 위한 비용이고, 22%가 사이트 선정 및 유지 관련 비용이었습니다. 50%가 넘는 비용이 환자 등록, 사이트 선정, 관리에 사용되는 것입니다. 이 비용을 최소화하기 위해 등록을 빠르게 마무리하면 좋겠지만, 현실은 그렇지 않습니다. 등록이 잘 되지 않아 다시 처음으로 돌아가 사이트를 재선정하거나 추가하는 경우도 종종 발생합니다. 이런 경우 비용 뿐만 아니라 연구 결과도 걱정이 될 수밖에 없습니다.

운영을 위한 계획 단계에서 예측 모델을 확인하거나 시나리오 분석을 할 수 있다면 어떨까요? 등록을 시작할 때 실시간으로 등록률을 확인할 수 있다면 어떨까요? FDA 가이드라인도 만족시킬 수 있는 사이트 리스트를 누군가 제공해준다면 어떨까요? 메디데이터는 이를 위한 혁신적인 솔루션을 제공합니다. Intelligent Trials 제품군인 Study Feasibility 와 Diversity, 그리고 Performance Analytics가 바로 그것입니다.

Intelligent Trials의 강력한 차별성

Medidata AI Intelligent Trials는 3가지 독보적인 차별성을 지니고 있습니다. ▶3만 건 이상의 글로벌 연구 경험을 기반으로 업계 최대 퍼포먼스 데이터 셋을 보유하고 있습니다. ▶8,000건 이상의 온고잉 스터디의 실시간 데이터 공유를 통해 매주 새롭게 업데이트되는 데이터로 실시간 데이터 트랙킹을 할 수 있습니다. ▶통합 플랫폼인 iMedidata에 한 번의 로그인으로 모든 솔루션을 바로 이용할 수 있습니다.

임상 운영을 준비할 때는 먼저, 사이트를 선정하면서 FDA 가이드라인을 충족할 수 있는 내용들을 점검하게 됩니다. 사이트 선정이 끝나면 본격적으로 등록을 시작합니다. 이 사이트 선정 및 FDA 가이드라인에 대한 준비를 하는 과정에서 Study Feasibility와 Diversity를 활용할 수 있습니다.

계획 단계: Study Feasibility와 Diversity

Study Feasibility는 iMedidata의 로그인으로 언제든지 자유롭게 사이트 정보를 확인할 수 있습니다. Study Feasibility에서는 빅데이터를 활용하므로 과거 사이트의 퍼포먼스, 사이트 혼잡도, 사이트 사용자 활동 등 100개 이상의 변수를 사용하여 각 사이트가 얼마나 등록을 잘 할지에 대한 예측 모델을 보여줍니다. ‘예측 데이터’ 기능에서 이를 확인할 수 있습니다. ‘혼잡도’는 각 사이트가 얼마나 붐빌지를 보여줍니다. 이는 내 연구 등록이 얼마나 빨리 진행될 수 있는지에 대한 지표로 삼을 수 있습니다. 혼잡도가 낮고 예측도가 높은 사이트를 선정하면 등록을 빠르게 완료할 수 있습니다.

메디데이터는 시뮬레이션 테스트를 통해 예측 모델에서 낮은 퍼포먼스를 보인 사이트보다 높은 퍼포먼스를 보인 사이트의 등록률이 5배 높은 것을 확인했습니다. 이 밖에 스터디 마일스톤의 예측도도 30% 이상 향상되고, 등록 예측 시 에러도 50% 줄일 수 있는 것으로 확인됐습니다.

작년 4월 FDA에서는 연구등록에 대해 ‘다양성’을 강화해야 한다는 가이드라인 초안을 발표했습니다. 오래 전부터 의료 서비스의 불평등, 연구 대상자에서 일부 인종에 대한 대표성 결여 등에 대해 논의가 있었지만, 가이드라인에서 구체적으로 제시하는 일은 처음입니다. 다양성을 높이는 것과 관련한 법적 조항까지 논의되고 있는 만큼 이와 관련하여 앞으로 더욱 강력한 규제가 있을 것으로 예상됩니다.

Intelligent Trials의 Diversity 모듈은 메디데이터 AI의 빅데이터를 활용하여 다양한 인구학적 정보(연령, 성별, 인종, 민족성)를 사이트 레벨로 확인하여 다양성을 사전에 확보할 수 있도록 돕습니다. Diversity 모듈은 Study Feasibility의 애드온 모듈로 Study Feasibility 화면에서 확인할 수 있습니다.

등록 단계: Performance Analytics

적합한 연구기관을 선정했다면 이제 등록을 시작해야 합니다. 이 단계에서 Performance Analytics는 실시간 데이터를 활용하여 내 연구와 업계 연구의 등록률을 실시간으로 비교 분석할 수 있게 합니다.

Study Feasibility, Diversity와 동일한 방식으로 iMedidata에서 접속합니다. 또한 앞서 소개한 두 모듈과 마찬가지로 스터디 레벨, 컨트리 레벨, 사이트 레벨로 정보를 확인할 수 있습니다. Performance Analytics는 진행 중인 임상연구의 데이터만 활용하므로 매주 업데이트 되는 실시간 데이터를 확인할 수 있습니다.

특히, 내 연구의 등록률뿐만 아니라 업계 등록률도 확인할 수 있기 때문에 매주 각 사이트의 퍼포먼스를 확인하고 내 연구가 앞서가고 있는지, 뒤쳐지고 있는지를 점검할 수 있습니다. 예상했던 마일스톤과도 실시간 비교도 가능합니다. 각 국가별 사이트별로 비교하여 예상 등록 마일스톤보다 퍼포먼스가 낮은 원인을 빨리 파악하여 등록이 더 지연되기 전에 추가 대책을 마련하여 제 시간에 등록을 마칠 수 있도록 데이터 기반의 사이트 관리가 가능해집니다.

Intelligent Trials 글로벌 사례

. 희귀질환 연구

희귀질환 연구에서 사이트 리스트가 부족해 추가적인 사이트 선정을 고려하던 케이스입니다. 기존에 스폰서가 파악하고 있는 사이트 수는 65개 미만으로, 해당 적응증에 특화되어 있는 사이트 정보가 부족했습니다. 더 많은 사이트 정보를 확인하기 위해 Intelligent Trials Study Feasibility을 사용했습니다.

Study Feasibility는 메디데이터 AI의 빅데이터를 활용하면서 운영 지표를 제공했고, 인구밀도 등 사이트 접근성과 관련된 RWD 데이터, 유병률, 기타 업계 데이터를 활용하면서 데이터 기반의 추가 사이트 리스트를 제공했습니다.

이를 통해 스폰서의 사이트 리스트를 50% 이상 확장하여 약 100개 이상의 사이트를 선정할 수 있도록 도왔습니다. 사이트 리스트 확장은 향후 연구운영을 진행할 때 퍼포먼스가 좋은 사이트를 선정하여 등록 기간을 단축시킬 수 있는 가능성이 높아진다는 의미이기도 합니다

종양학 연구 등록 지연을 위한 가속화

해당 연구는 예상 마일스톤을 9개월로 계획했지만 실제 사이트 오픈 시 등록이 너무 더딘 상황이었습니다. Performance Analytics를 통해 확인한 결과, 전체 25개 사이트 중 40%인 10개 사이트에서 등록이 저조했으며, 90% 이상의 사이트에서는 단 한 명도 등록하지 못한 것을 확인했습니다. 해당 결과를 활용해 등록 마일스톤을 다시 그린 결과 15개월 이상으로 예측됐습니다.

이처럼 지연된 연구에서는 현재 퍼포먼스가 저조한 사이트를 닫고 새로운 사이트를 선정하는 것이 현명합니다. 따라서 Study Feasibility 통해 해당 적응증을 연구하는 사이트와 각 사이트의 운영 지표, 이 연구에서는 지연된 연구였기 때문에 혼잡도를 중점 확인하여 적합한 사이트 리스트를 확인했습니다.

퍼포먼스 별로 사이트 등록률을 예측한 결과, 높은 퍼포먼스가 보이는 사이트와 낮은 퍼포먼스를 보이는 사이트는 예상 등록률이 약 10배 이상 차이가 나는 것을 확인했고, 낮은 사이트를 모두 중간 또는 높은 퍼포먼스 사이트로 변경했습니다. 변경 후에도 새롭게 적용된 사이트의 퍼포먼스를 실시간 데이터 트래킹하며 연구 지연이 다시 발생하지 않는지, 퍼포먼스가 업계와 비교했을 때 뒤쳐지지 않는지 모니터링했습니다.

결과적으로 Intelligent Trials을 사용하기 전에 15개월 이상 걸릴 것으로 예상됐던 등록 마일스톤은 11개월 이하로 감소됐으며, 4개월 이상 등록 경로(trajectory)를 감소시켜 지연 시 예상됐던 시간과 비용을 크게 감소시킬 수 있었습니다.

코로나 팬데믹 이후 빅데이터와 AI가 임상연구 환경에 많은 변화를 가져왔습니다. 이러한 변화는 앞으로 계속될 것입니다. 빅데이터와 머신러닝, 딥러닝 기술을 활용해 이제는 전통적인 약 개발만을 위한 임상연구를 벗어나 개인 맞춤 의학, 정밀 의학, 예측 의학, 개인 맞춤형 의료, 정밀 의료, 예방 의료를 도모하는 환자 중심의 임상환경을 실현해 갈 것입니다. 그 여정을 메디데이터가 함께합니다.