在我们纪念2026年罕见病日之际，值得反思过去一年医疗保健领域数字化、人工智能(AI)和其他技术的发展，以及它们如何塑造罕见病临床试验，逐步改善患者体验并帮助更快地将新疗法推向市场。
罕见病临床试验面临着诸多独特挑战，原因包括患者群体规模小且分散，以及对潜在救命疗法使用传统安慰剂对照组带来的伦理影响等。这些因素意味着对某些适应症可能有效的传统临床试验方案，并不适用于罕见病临床试验的独特需求。
美迪塔公司(Medidata)统计与监管创新副总裁露西·达维(Ruthie Davi)表示
挑战
试验效率的定义方式多种多样，但特别相关的标准是招募合适的患者、更快地招募他们，然后留住他们。试验这些组成部分的不足，会使研究人员面临收集不完整或不准确结果的风险，从而阻碍治疗方法的进展，同时也会对试验中的患者体验和福祉产生不利影响。
首先来看招募问题。尽管估计有超过3亿人患有罕见疾病，但患者群体往往分散各地。因此，针对性招募比其他类型的临床试验更加困难且劳动密集。
解决招募缺口迫在眉睫。大约95%的罕见疾病没有获批的治疗方案，而临床试验往往是唯一可行的治疗方法。由于许多患者将临床试验视为获得治疗的途径，招募过程覆盖范围不足可能导致可获得的护理存在差异。
其次，一旦患者实际入组，端到端的患者体验将决定他们留下的可能性。罕见病试验对患者来说可能要求更高，这可能导致退出，更不用说对试验参与者造成巨大的个人负担。
同意流程目前仍主要基于纸质，复杂且令人生畏。传统现场试验互动对于必须长途跋涉的人来说既耗时又经济负担重，而由于患者群体分散，这对许多罕见病患者来说往往是不可避免的。繁琐的症状报告日记仍然存在，但值得庆幸的是正在减少。
此外，临床试验中对照组的需求对罕见病试验参与者来说可能特别没有吸引力。传统研究设计通常要求将三分之一到一半的试验参与者分配接受安慰剂或当前标准治疗。患者有时会对这一分配感到失望，因为他们可能认为研究性疗法是更好的选择，特别是对于基因靶向疗法等。在被分配到对照组治疗后提前退出试验的情况很常见，可能威胁到试验结果的可解释性。
由于罕见疾病的治疗选择非常有限，且估计85%-90%的罕见病病例是严重或危及生命的，因此在罕见病试验中使用安慰剂或不充分的对照治疗引发了严重的伦理关切。
合成对照组
为解决与安慰剂对照组相关的问题，可通过虚拟孪生(Virtual Twin)体验使用合成对照组(SCAs)来比较试验治疗数据。
这些SCAs为传统临床试验设计提供了一个稳健、符合监管要求的替代方案，在未满足医疗需求和患者招募是持续进展障碍的罕见病或生物标志物驱动人群中具有重大影响。它们由先前试验中的现有历史数据以及真实世界数据和注册数据等来源形成。美国食品药品监督管理局(FDA)和欧洲药品管理局(EMA)等监管机构正在制定关于其使用的指南，研究表明它们可以提供与典型随机对照组相同质量的数据。
SCAs可以减少总体预期试验参与者数量，这在特定罕见疾病可能没有大量可用人群时特别有帮助。此外，更大比例的罕见病试验入组患者将能够服用研究药物。
SCAs使试验过程更高效、更有信息量，加快招募速度并提高保留率，最终让患者更快获得改变生命的治疗方法。70%的罕见疾病始于儿童期，三分之一患有罕见疾病的儿童活不过五岁生日，因此为合适的人群提供合适的治疗迫在眉睫。SCAs还可用于帮助设计试验并提高临床开发计划的效率。它们创建了试验、医疗生态系统的动态实时表示，并能改善患者体验。例如，我们曾参与过一些试验，其中申办方能够使用SCA在开发早期估计治疗效果大小，并最终缩小其II期试验的规模。这说明了在临床开发早期阶段使用SCAs可能带来的财务和时间影响。
技术的作用
随着每个行业都努力实现数字化并采用AI等流行技术，临床试验如何以有意义的方式适应和创新，解决受罕见疾病影响人群面临的障碍？以下是一些正在通过关注患者体验而革新罕见病临床试验的新兴和成熟技术。
分散化
能够实现混合试验的数字工具是减轻参与临床试验的财务和个人成本同时保持数据收集标准的一种方式。
采用可穿戴健康追踪器等工具，或者甚至是一些简单的改变，例如在不需要身体检查时安排视频通话而非与临床医生面对面咨询，可以极大地帮助患者保留，因为他们不再受长途旅行的困扰。
除了改善患者保留外，分散化在扩大获取范围和改善患者招募方面也发挥着关键作用。当试验包含远程元素时，潜在参与者不会因距离试验地点较远而处于劣势，参与决策可能会容易得多。
AI在试验规划中的应用
AI已成为提高患者招募效率的宝贵工具。
来自不同来源的多个大型外部数据集的AI和预测分析是AI的一个新兴用例，使试验规划者能够确定高优先级的招募站点。这使得罕见病临床试验能够更高效、更准确地根据现有数据接触最适合入组的人群。
稳步进展
虽然庆祝过去几年技术在解决罕见病患者临床试验中一些关键障碍和创新患者体验方面取得的成就很重要，但同样重要的是仔细评估每项实施并认识到仍需改进的地方。
例如，许多正在临床试验中实施的新技术依赖于数据的可用性。因此，至关重要的是，患者自愿提供的数据以及我们作为研究人员收集的数据应尽可能广泛地共享和使用，以推进有效治疗的各个方面，而不仅限于支持单一试验的结论。
我们已经看到临床试验正在明智地适应，在采用有可能解决罕见病患者紧急需求的工具与负责任的试验实践之间取得平衡。
展望明年，现有和新技术都有潜力革新罕见病临床试验的各个方面。在围绕AI的讨论中，将非常有趣地看到该技术如何被战略性地改进和整合。我们预计SCAs将继续增长，并通过使用预测建模来更好地设计和分析罕见病试验的新进展。看到这样一个不可或缺的行业引领端到端的数字化和创新试验，为历史上有时被忽视的人群带来益处，这是很有希望的。
【全文结束】
