Artikel
De dappere nieuwe wereld van voorspellende AI: Een nieuwe definitie van het baten-risicotraject
-
Timm Pauli
-
Shilpa Patil, PhD
Hoe voorspellende AI helpt om baten-risicobeoordelingen op te schudden en eerdere indieningsprocessen voor regelgevende instanties te herschrijven
Regelgevende intelligentie in het besluitvormingsproces tussen voordelen en risico's ondergaat een digitale revolutie dankzij kunstmatige intelligentie (AI). Veel regelgevende inzendingen mislukken - of worden vertraagd - niet vanwege een gebrek aan gegevens, maar omdat bedrijven moeite hebben om te anticiperen op hoe regelgevers het zullen interpreteren. Voorspellende AI verandert die vergelijking.
In de dappere nieuwe wereld van AI worden praktijken uit het verleden om het indieningsproces van de regelgeving te beheren op hun kop gezet. In plaats van regelgevende teams op zoek te laten gaan naar de richtlijn, te raden wat relevant is en te proberen de hiaten te vinden voordat regelgevers dat doen, doet voorspellende AI het zware werk. Het zoekt naar de richtlijn, geeft de relevante verwachting, markeert mogelijke hiaten voordat deze worden ingediend en belicht precedenten van gezondheidsautoriteiten.
Wanneer baten-risicogegevens, ongestructureerde regelgevingsverhalen en op precedenten gebaseerde informatie worden geïntegreerd in één enkel raamwerk, is er een reëel potentieel om het indieningsproceste verminderen.
In de dappere nieuwe wereld van AI worden praktijken uit het verleden om het indieningsproces van de regelgeving te beheren op hun kop gezet. In plaats van regelgevende teams op zoek te laten gaan naar de richtlijn, te raden wat relevant is en te proberen de hiaten te vinden voordat regelgevers dat doen, doet voorspellende AI het zware werk. Het zoekt naar de richtlijn, geeft de relevante verwachting, markeert mogelijke hiaten voordat deze worden ingediend en belicht precedenten van gezondheidsautoriteiten.
Wanneer baten-risicogegevens, ongestructureerde regelgevingsverhalen en op precedenten gebaseerde informatie worden geïntegreerd in één enkel raamwerk, is er een reëel potentieel om het indieningsproceste verminderen.
Afwegingen van voordelen en risico's opschudden met AI
Centraal in elke indiening staat de baten-risicobeoordeling. Regelgevers wereldwijd verwachten van bedrijven dat ze het voordeel van het product afwegen tegen het risico voor de patiënt voordat het in aanmerking komt voor goedkeuring of voor voortgezet gebruik door patiënten.
De Amerikaanse Food and Drug Administration heeft haar baten-risicoverwachtingen duidelijk uiteengezet in haar kader voor 2017 en heeft richtlijnen uitgegeven voor nieuwe geneesmiddelen en biologische geneesmiddelen in 2023.i Evenzo heeft het Europees Geneesmiddelenbureau zijn methoden en pogingen uiteengezet om de baten-risico's te kwantificeren.II
De uitdaging voor de industrie was om de baten-risicofactoren en de beslissingsredenen van de verschillende gezondheidsautoriteiten te begrijpen voordat een aanvraag voor een nieuw geneesmiddel (NDA), een aanvraag voor een vergunning voor biologics (BLA) of, in Europa, een aanvraag voor een vergunning voor het in de handel brengen (MAA) wordt ingediend. Bedrijven hebben vertrouwd op goede informatie over regelgeving om te begrijpen hoe gezondheidsautoriteiten richtlijnen toepassen op baten-risicobeslissingen en hoe deze beslissingen wereldwijd kunnen verschillen, afhankelijk van de prioriteiten van de gezondheidsautoriteit.
De Amerikaanse Food and Drug Administration heeft haar baten-risicoverwachtingen duidelijk uiteengezet in haar kader voor 2017 en heeft richtlijnen uitgegeven voor nieuwe geneesmiddelen en biologische geneesmiddelen in 2023.i Evenzo heeft het Europees Geneesmiddelenbureau zijn methoden en pogingen uiteengezet om de baten-risico's te kwantificeren.II
De uitdaging voor de industrie was om de baten-risicofactoren en de beslissingsredenen van de verschillende gezondheidsautoriteiten te begrijpen voordat een aanvraag voor een nieuw geneesmiddel (NDA), een aanvraag voor een vergunning voor biologics (BLA) of, in Europa, een aanvraag voor een vergunning voor het in de handel brengen (MAA) wordt ingediend. Bedrijven hebben vertrouwd op goede informatie over regelgeving om te begrijpen hoe gezondheidsautoriteiten richtlijnen toepassen op baten-risicobeslissingen en hoe deze beslissingen wereldwijd kunnen verschillen, afhankelijk van de prioriteiten van de gezondheidsautoriteit.
AI-gebaseerde regelgevende beoordeling op de proef stellen
Zo hebben Cencora's farmacovigilantie, statistieken en analyse, en digitale innovators een op AI gebaseerde database voor baten-risicobeoordeling op de proef gesteld. Het doel was om de waarde aan te tonen van AI-ondersteunde gap-identificatie en prioriteitsanalyse bij de voorbereiding van goed geïnformeerde aanvragen.
Het digitale en analyseteam toonde aan dat AI kan worden gebruikt om hiaten in de indiening te identificeren en om baten-risicoposities systematisch te kwantificeren en te benchmarken met eerdere regelgevende beslissingen om een diepere, op feiten gebaseerde basis voor goedkeuringsstrategieën te bieden.
Het digitale en analyseteam toonde aan dat AI kan worden gebruikt om hiaten in de indiening te identificeren en om baten-risicoposities systematisch te kwantificeren en te benchmarken met eerdere regelgevende beslissingen om een diepere, op feiten gebaseerde basis voor goedkeuringsstrategieën te bieden.
Voor een immunotherapietoepassing kan bijvoorbeeld het vergelijken van de baten-risicofactoren - zoals de ernst en prevalentie van de indicatie, onvervulde behoefte aan de behandeling, kracht en consistentie van de werkzaamheidsgegevens en risicoprofiel en risicobeperkende plannen - van eerdere goedkeuringen voor immunotherapie in een vergelijkbare therapeutische categorie aanzienlijk bijdragen aan het vaststellen van de relevantie van de aanvraag.
Een netto batenscore - gebaseerd op de ernst van de aandoening, de huidige beschikbaarheid van therapieën en werkzaamheidsgegevens van de NDA/BLA, gecombineerd met bijwerkingen en voorgestelde risicobeperkende plannen - werd gebruikt om de besluitvorming te ondersteunen. De AI-ondersteunde analyse wordt verder ondersteund door een gekwantificeerde prioriteitsdatabase om hiaten en afwijkingen in een indiening te beoordelen, wat kan helpen om de goedkeuringswaarschijnlijkheid van toekomstige aanvragen te voorspellen.
Een samenwerking tussen mens en AI
Het is belangrijk om te benadrukken dat hoewel het systeem geautomatiseerd en AI-ondersteund is, het wordt ondersteund door human-in-the-loop-validaties. Gezien de complexiteit van de baten-risicobeoordeling, vereist elke digitaal geleide applicatieanalyse een combinatie van diepgaande vakkennis - regelgeving, veiligheid, kwaliteit, enz. - en beheersing van AI-tools. De echte waarde ligt in de samenwerking tussen mens en AI - waarbij AI patroonherkenning en precedentanalyse schaalt, terwijl menselijke experts oordeel en context toepassen.
Het doel van voorspellende AI-tools is om goed geïnformeerde regelgevingstoepassingen te ondersteunen door moeizaam, door mensen geleid relevant prioriteitsonderzoek te vervangen door een intelligent assistentiesysteem dat de informatie snel en uitgebreid kan beoordelen en mogelijke hiaten in de inzendingen kan voorspellen. Een op maat gemaakte AI-tool kan niet alleen inzichten bieden door middel van richtlijnen, eerdere vragen en beslissingen van beoordelaars, volledige antwoordbrieven (CRL's) en andere informatie uit het publieke domein, maar ook een sterkere inzending opbouwen door gebruik te maken van de eigen productinformatie van het bedrijf - beperkt om geen toegang tussen bedrijven te garanderen.
In de toekomst is deze uitwisseling tussen AI en mens vergelijkbaar met het hebben van een AI-reviewer naast materiedeskundigen bij het voorbereiden van de dossierstrategie en -inhoud.
Door het voortouw te nemen vanuit een door AI gegenereerd regelgevingsinformatieperspectief, kunnen bedrijven beginnen met het verminderen van het risico op een CRL of niet-goedkeuring van hun indiening. Ze kunnen het goedkeuringsproces versnellen door de kans op vragen van de gezondheidsautoriteiten te verkleinen, en ze kunnen het belangrijke baten-risicobeoordelingsproces in een vroeg stadium verbeteren om hen te helpen die cruciale go/no-go-beslissingen te nemen.
Het doel van voorspellende AI-tools is om goed geïnformeerde regelgevingstoepassingen te ondersteunen door moeizaam, door mensen geleid relevant prioriteitsonderzoek te vervangen door een intelligent assistentiesysteem dat de informatie snel en uitgebreid kan beoordelen en mogelijke hiaten in de inzendingen kan voorspellen. Een op maat gemaakte AI-tool kan niet alleen inzichten bieden door middel van richtlijnen, eerdere vragen en beslissingen van beoordelaars, volledige antwoordbrieven (CRL's) en andere informatie uit het publieke domein, maar ook een sterkere inzending opbouwen door gebruik te maken van de eigen productinformatie van het bedrijf - beperkt om geen toegang tussen bedrijven te garanderen.
In de toekomst is deze uitwisseling tussen AI en mens vergelijkbaar met het hebben van een AI-reviewer naast materiedeskundigen bij het voorbereiden van de dossierstrategie en -inhoud.
Door het voortouw te nemen vanuit een door AI gegenereerd regelgevingsinformatieperspectief, kunnen bedrijven beginnen met het verminderen van het risico op een CRL of niet-goedkeuring van hun indiening. Ze kunnen het goedkeuringsproces versnellen door de kans op vragen van de gezondheidsautoriteiten te verkleinen, en ze kunnen het belangrijke baten-risicobeoordelingsproces in een vroeg stadium verbeteren om hen te helpen die cruciale go/no-go-beslissingen te nemen.
Over de auteurs:
Timm Pauli is VP, Digital Solution Lead bij Cencora en ondersteunt de business group Regulatory, Compliance and Pharmacovigilance met de juiste digitale tooling. Hij heeft ongeveer 25 jaar ervaring in verschillende functies binnen farmaceutische R&D, waaronder regelgevende zaken en regelgeving, geneesmiddelenbewaking en klinisch gegevensbeheer, en statistiek.
Shilpa Patil, PhD, is Senior Scientist in de digitale innovatiegroep van Cencora. Ze heeft meer dan acht jaar ervaring op het gebied van translationeel onderzoek en gezondheidszorg, gespecialiseerd in het ontdekken van geneesmiddelen, biomarkeronderzoek en AI-ondersteunde gepersonaliseerde geneeskunde in de oncologie. Shilpa en haar team werken aan het definiëren en bouwen van op AI gebaseerde oplossingen die gericht zijn op het toevoegen van waarde en efficiëntie aan de aangeboden regelgevingstoepassingen en adviesdiensten.
Shilpa Patil, PhD, is Senior Scientist in de digitale innovatiegroep van Cencora. Ze heeft meer dan acht jaar ervaring op het gebied van translationeel onderzoek en gezondheidszorg, gespecialiseerd in het ontdekken van geneesmiddelen, biomarkeronderzoek en AI-ondersteunde gepersonaliseerde geneeskunde in de oncologie. Shilpa en haar team werken aan het definiëren en bouwen van op AI gebaseerde oplossingen die gericht zijn op het toevoegen van waarde en efficiëntie aan de aangeboden regelgevingstoepassingen en adviesdiensten.
Bronnen:
i Richtlijnen voor de industrie inzake baten-risicobeoordeling voor nieuwe geneesmiddelen en biologische producten, FDA, 2023. https://www.fda.gov/media/152544/download
ii Baten-risicomethodologieproject, EMA, 2010. https://www.ema.europa.eu/en/documents/report/benefit-risk-methodology-project-work-package-2-report-applicability-current-tools-and-processes-regulatory-benefit-risk-assessment_en.pdf
i Richtlijnen voor de industrie inzake baten-risicobeoordeling voor nieuwe geneesmiddelen en biologische producten, FDA, 2023. https://www.fda.gov/media/152544/download
ii Baten-risicomethodologieproject, EMA, 2010. https://www.ema.europa.eu/en/documents/report/benefit-risk-methodology-project-work-package-2-report-applicability-current-tools-and-processes-regulatory-benefit-risk-assessment_en.pdf
Disclaimer:
De informatie in dit artikel vormt geen juridisch advies. Cencora, Inc. raadt lezers ten zeerste aan om de beschikbare informatie met betrekking tot de besproken onderwerpen door te nemen en te vertrouwen op hun eigen ervaring en expertise bij het nemen van beslissingen met betrekking tot deze onderwerpen.
