DIA年会|对话胡蓓教授：新技术赋能早期临床试验

胡教授表示随着科学的进步，在设计临床试验方案过程中应用了更多的新理念和技术，尤其是转化医学的研究成果，使得研究者能从一项临床研究中获得更多的数据。

胡教授同时指出目前我国创新药早期临床开发阶段，在推进新临床试验方法方面，是进步最快的，使用了很多新的技术，其中 “模型引导的药物研发策略”（Model-Informed Drug Development）从FDA引入。中国CDE正在撰写《模型引导的药物研发技术指导原则》，征求意见稿已经收集意见完毕了，今年可能就会公布。

（来源：生物谷）

胡教授认为通过模型化方法分析归纳前期的研究数据之间的关联是重要的学习过程，可帮助研究人员有效的发现数据产生的机制并构建模型使之定量化。应用构建的模型可对拟进行的临床试验进行模拟预测，在预测的基础上设计新的临床试验方案。用试验结果对模型进行确认。这种学习-确认的循环帮助临床试验在预测的基础上迭代前行，大大降低了以往用试错法推荐临床开发进程产生的成本。

“模型化的方法和过去的单一依靠临床探索之间的区别在于它构建变量之间的关系，是定量化的。例如时间与药物浓度的变化，通过模型化总结过去的所有数据形成知识，达到预测的目的。获得了模型规律之后，就可以在不同应用场景之下预测。可以预测单次给药、多次给药的药代特征、预测临床试验应采用的剂量等。也可以进行人群之间的剂量外推，例如获得观测数据的群体是健康人群，只要将健康人群和患者人群之间的关键协变量进行量化，就能将健康人群的数据外推至患者人群。

因此模型引导的药物研发的策略，其实就是通过modeling and simulation这一定量药理学手段，把过去试错摸索一个正确剂量的方法转变为预测法。基于对前期实验数据的总结来预测系统之间的差异，把差异定量化的表达在模型里，然后在新的场景下做新的预测，临床试验就是做confirm。如果模型预测性很好，说明对过去知识的总结是正确的，如果预测的不好，那也没关系，通过数据的差距总结需要优化的地方，就好比学到了新的知识。优化后的模型换了其他的场景再进行预测，然后再做试验，再confirm。所以我们把modeling这件事情又叫做learning，就是从过去的数据中学习知识。” 

（来源：生物谷）

胡教授指出了就上述基于模型预测指导临床试验方案时，针对不同药物的预测难度是不一样的,如果预测不准的话，整个临床试验有可能走偏。所以临床研究中对于预测基础之上设计的方案把握度不是很高的情况下，应及时的把临床研究中收集到的数据反馈回出来，通过数据优化后的模型，指导更好的剂量、给药频率或者研究人群的选择等等。

对于适应性方案调整的依据胡教授也给出了自己的观点：“原有方案可能仅根据临床收集到的疗效和安全性，但从临床药理学来说，我们同时收集暴露量和效应的数据并分析它们之间关系，来支持做适应性设计。数据的存在一定是有必然性的，我们是通过模型的构建提取数据背后的知识并总结。形成的这些定量关系是以知识的形式提供给临床的研究者，做更合理、更精准的决策，并有可能减少入组受试者数目。”

（来源：生物谷）

“我参加DIA年会很多年了，从最开始第一届第二届我就有参加，之后经常来参加DIA的会。我就觉得DIA是一个非常好的学习平台，提供很多新的知识理念。DIA还是一个重要的交流平台，会遇到很多业内的同行。我觉得DIA的变化也是很大的，最初几届都是外企同行参会为主，现在有很多我们国家自己创新药企业和研究者参会，本土化趋势是非常明显的。”

最后胡教授表示她很高兴能参与本次会议，她认为DIA在中国办的非常成功，放眼全球应该也是最成功的。

（来源：生物谷）