Artikkel
Den fagre nye verdenen av prediktiv AI: Redefinering av nytte-risiko-reisen
-
Timm Pauli
-
Shilpa Patil, PhD
Hvordan prediktiv AI bidrar til å riste opp i nytte-risikovurderinger, og omskrive tidligere regulatoriske innsendingsprosesser
Regulatorisk intelligens i beslutningsprosessen for nytte-risiko gjennomgår en digital revolusjon takket være kunstig intelligens (AI). Mange regulatoriske innleveringer mislykkes – eller blir forsinket – ikke på grunn av mangel på data, men fordi selskaper sliter med å forutse hvordan regulatorer vil tolke det. Prediktiv AI endrer den ligningen.
I den fagre nye verdenen av AI blir tidligere praksis for å administrere den regulatoriske innsendingsprosessen snudd på hodet. I stedet for å la reguleringsteam jakte på retningslinjene, gjette hva som er relevant og prøve å finne hullene før regulatorer gjør det, gjør prediktiv AI det tunge løftet. Den søker etter retningslinjene, gir den relevante forventningen, flagger potensielle hull før innlevering, og fremhever presedenser fra helsemyndighetene.
Når nytte-risiko-data, ustrukturerte regulatoriske fortellinger og presedensbasert intelligens er integrert i ett enkelt rammeverk, er det et reelt potensial for å redusere risikoen i innsendingsprosessen.
I den fagre nye verdenen av AI blir tidligere praksis for å administrere den regulatoriske innsendingsprosessen snudd på hodet. I stedet for å la reguleringsteam jakte på retningslinjene, gjette hva som er relevant og prøve å finne hullene før regulatorer gjør det, gjør prediktiv AI det tunge løftet. Den søker etter retningslinjene, gir den relevante forventningen, flagger potensielle hull før innlevering, og fremhever presedenser fra helsemyndighetene.
Når nytte-risiko-data, ustrukturerte regulatoriske fortellinger og presedensbasert intelligens er integrert i ett enkelt rammeverk, er det et reelt potensial for å redusere risikoen i innsendingsprosessen.
Riste opp i nytte-risikovurderinger med kunstig intelligens
Sentralt i enhver innsending er nytte-risiko-vurderingen. Regulatorer globalt forventer at selskaper balanserer fordelene med produktet med risikoen for pasienten før det kan vurderes for godkjenning eller for fortsatt bruk av pasienter.
US Food and Drug Administration (FDA) la tydelig frem sine forventninger til nytte-risiko i rammeverket for 2017 og utstedte veiledning for nye legemidler og biologiske legemidler i 2023.I På samme måte har Det europeiske legemiddelkontoret lagt frem sine metoder og forsøk på å kvantifisere nytte-risiko.II
Utfordringen for industrien har vært å forstå nytte-risikofaktorene og beslutningsbegrunnelsen til de ulike helsemyndighetene før de sender inn en ny legemiddelsøknad (NDA), Biologics License Application (BLA), eller, i Europa, en søknad om markedsføringstillatelse (MAA). Selskaper har stolt på god regulatorisk intelligens for å forstå hvordan helsemyndighetene bruker retningslinjer for beslutninger om nytte-risiko, og hvordan disse beslutningene kan variere globalt avhengig av helsemyndighetenes prioriteringer.
US Food and Drug Administration (FDA) la tydelig frem sine forventninger til nytte-risiko i rammeverket for 2017 og utstedte veiledning for nye legemidler og biologiske legemidler i 2023.I På samme måte har Det europeiske legemiddelkontoret lagt frem sine metoder og forsøk på å kvantifisere nytte-risiko.II
Utfordringen for industrien har vært å forstå nytte-risikofaktorene og beslutningsbegrunnelsen til de ulike helsemyndighetene før de sender inn en ny legemiddelsøknad (NDA), Biologics License Application (BLA), eller, i Europa, en søknad om markedsføringstillatelse (MAA). Selskaper har stolt på god regulatorisk intelligens for å forstå hvordan helsemyndighetene bruker retningslinjer for beslutninger om nytte-risiko, og hvordan disse beslutningene kan variere globalt avhengig av helsemyndighetenes prioriteringer.
Setter AI-aktivert regulatorisk vurdering på prøve
Som et eksempel har Cencoras legemiddelovervåking, statistikk og analyse og digitale innovatører satt en AI-aktivert database for nytte-risikovurdering på prøve. Målet var å demonstrere verdien av AI-støttet gapidentifikasjon og presedensanalyse i utarbeidelsen av velinformerte applikasjoner.
Det digitale teamet og analyseteamet demonstrerte at AI kan brukes til å identifisere innsendingshull og til systematisk å kvantifisere og sammenligne nytte-risiko-posisjoner mot tidligere regulatoriske beslutninger for å gi et dypere evidensbasert grunnlag for godkjenningsstrategier.
Det digitale teamet og analyseteamet demonstrerte at AI kan brukes til å identifisere innsendingshull og til systematisk å kvantifisere og sammenligne nytte-risiko-posisjoner mot tidligere regulatoriske beslutninger for å gi et dypere evidensbasert grunnlag for godkjenningsstrategier.
For en immunterapiapplikasjon kan for eksempel sammenligning av nytte-risikofaktorene – som indikasjonens alvorlighetsgrad og prevalens, udekket behov for behandlingen, styrke og konsistens av effektdataene og risikoprofil og risikoreduserende planer – fra tidligere immunterapigodkjenninger i en lignende terapeutisk kategori bidra betydelig til å fastslå søknadens relevans.
En netto fordelsscore – basert på alvorlighetsgraden av tilstanden, nåværende tilgjengelighet av behandlinger og effektdata for NDA/BLA, kombinert med uønskede hendelser og foreslåtte risikoreduserende planer – ble brukt for å støtte beslutningstaking. Den AI-assisterte analysen støttes videre av en kvantifisert presedensdatabase for å vurdere hull og avvik i en innsending, noe som kan bidra til å forutsi sannsynligheten for godkjenning av fremtidige søknader.
Et samarbeid mellom menneske og kunstig intelligens
Det er viktig å understreke at selv om systemet er automatisert og AI-støttet, understøttes det av human-in-the-loop-valideringer. Gitt kompleksiteten til nytte-risikovurdering, vil enhver digitalt ledet applikasjonsanalyse kreve en kombinasjon av dyp fagekspertise – regulatorisk, sikkerhet, kvalitet osv. – og mestring av AI-verktøy. Den virkelige verdien ligger i samarbeid mellom mennesker og AI – der AI skalerer mønstergjenkjenning og presedensanalyse, mens menneskelige eksperter bruker dømmekraft og kontekst.
Poenget med prediktive AI-verktøy er å støtte velinformerte regulatoriske applikasjoner ved å erstatte arbeidskrevende menneskeledet relevant presedensforskning med et intelligent assistansesystem som raskt og omfattende kan gjennomgå informasjonen og forutsi potensielle hull i innsendingene. Et skreddersydd AI-verktøy kan ikke bare gi innsikt gjennom veiledninger, tidligere korrekturleserforespørsler og beslutninger, fullstendige svarbrev (CRL) og annen informasjon i det offentlige domene, men også bygge en sterkere innsending ved å trekke på selskapets proprietære produktinformasjon – begrenset for å sikre ingen tilgang på tvers av selskapet.
I fremtiden er denne utvekslingen mellom AI og mennesker beslektet med å ha en AI-anmelder som sitter sammen med fageksperter mens de forbereder dossierstrategien og innholdet.
Ved å lede fra et AI-generert regulatorisk intelligensperspektiv, kan selskaper begynne å redusere risikoen for en CRL eller ikke-godkjenning av innsendingen. De kan fremskynde godkjenningsprosessen ved å redusere sannsynligheten for spørsmål fra helsemyndighetene, og de kan forbedre den viktige nytte-risikovurderingsprosessen tidlig for å hjelpe dem med å ta de avgjørende go/no-go-beslutningene.
Poenget med prediktive AI-verktøy er å støtte velinformerte regulatoriske applikasjoner ved å erstatte arbeidskrevende menneskeledet relevant presedensforskning med et intelligent assistansesystem som raskt og omfattende kan gjennomgå informasjonen og forutsi potensielle hull i innsendingene. Et skreddersydd AI-verktøy kan ikke bare gi innsikt gjennom veiledninger, tidligere korrekturleserforespørsler og beslutninger, fullstendige svarbrev (CRL) og annen informasjon i det offentlige domene, men også bygge en sterkere innsending ved å trekke på selskapets proprietære produktinformasjon – begrenset for å sikre ingen tilgang på tvers av selskapet.
I fremtiden er denne utvekslingen mellom AI og mennesker beslektet med å ha en AI-anmelder som sitter sammen med fageksperter mens de forbereder dossierstrategien og innholdet.
Ved å lede fra et AI-generert regulatorisk intelligensperspektiv, kan selskaper begynne å redusere risikoen for en CRL eller ikke-godkjenning av innsendingen. De kan fremskynde godkjenningsprosessen ved å redusere sannsynligheten for spørsmål fra helsemyndighetene, og de kan forbedre den viktige nytte-risikovurderingsprosessen tidlig for å hjelpe dem med å ta de avgjørende go/no-go-beslutningene.
Om forfatterne:
Timm Pauli er VP, Digital Solution Lead hos Cencora, og støtter forretningsgruppen Regulatory, Compliance and Pharmacovigilance med de riktige digitale verktøyene. Han har rundt 25 års erfaring i ulike funksjoner innen farmasøytisk FoU, inkludert regulatoriske anliggender og regulatoriske operasjoner, legemiddelovervåking og klinisk datahåndtering og statistikk.
Shilpa Patil, PhD, er seniorforsker i gruppen for digital innovasjon hos Cencora. Hun har mer enn åtte års erfaring innen translasjonsforskning og helsevesen, og spesialiserer seg på legemiddeloppdagelse, biomarkørforskning og AI-assistert persontilpasset medisin innen onkologi. Shilpa og teamet hennes jobber med å definere og bygge AI-baserte løsninger som tar sikte på å tilføre verdi og effektivitet til de regulatoriske applikasjonene og konsulenttjenestene som tilbys.
Shilpa Patil, PhD, er seniorforsker i gruppen for digital innovasjon hos Cencora. Hun har mer enn åtte års erfaring innen translasjonsforskning og helsevesen, og spesialiserer seg på legemiddeloppdagelse, biomarkørforskning og AI-assistert persontilpasset medisin innen onkologi. Shilpa og teamet hennes jobber med å definere og bygge AI-baserte løsninger som tar sikte på å tilføre verdi og effektivitet til de regulatoriske applikasjonene og konsulenttjenestene som tilbys.
Kilder:
i Nytte-risikovurdering for nye legemidler og biologiske produkter Veiledning for industrien, FDA, 2023. https://www.fda.gov/media/152544/download
ii Nytte-risiko-metodikkprosjekt, 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 Nytte-risikovurdering for nye legemidler og biologiske produkter Veiledning for industrien, FDA, 2023. https://www.fda.gov/media/152544/download
ii Nytte-risiko-metodikkprosjekt, 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
Ansvarserklæring:
Informasjonen i denne artikkelen utgjør ikke juridisk rådgivning. Cencora, Inc. oppfordrer leserne på det sterkeste til å gjennomgå tilgjengelig informasjon relatert til emnene som diskuteres og stole på sin egen erfaring og ekspertise når de tar beslutninger relatert til dette.
