第25期 / 本文由奥来恩团队原创
奥来恩编者按
在药品的生命周期中，每个阶段都有大量的数据产生，而如何最大程度利用这些数据达到特定目标或协助决策制定始终是制药行业关注的热点之一。随着科技进步，人工智能（Artificial Intelligence，AI）与机器学习（Machine Learning，ML）技术逐渐成熟，在数据处理与利用方面逐步发挥着至关重要的作用，并能有效支持药品生命周期数据的获取、转化、分析和解释，从而极大提高药物开发效率。近年来，AI/ML正被愈来愈多地应用在靶点和药物发现、临床前和临床研究、产品上市后的活动中。鉴于这一领域的快速发展，EMA（欧洲药品管理局）在7月19日发布了“关于人工智能在药品生命周期中的应用”的思考性文件草案，概述了在整个药品生命周期和基于风险的背景下使用AI/ML开发与生产药物的考量，并针对AI/ML何时可以安全有效地开发、监管药物以及药物上市后使用等方面提供了建议。
药物发现与非临床研究阶段
从监管角度来说，在药物发现阶段应用AI的风险等级较低，因为该阶段的风险往往影响的是研发企业。在非临床阶段，研发企业不仅可以应用AI/ML来提高数据分析的性能与稳健性，还能利用其相关建模方法替代、减少和优化动物的使用。EMA建议在进行任何数据挖掘之前，所有可能与药品的获益-风险评估相关的临床前数据都应该根据预先指定的分析计划进行分析。
临床试验阶段
ICH E6中关于GCP（临床试验质量管理规范，Good Clinical Practice）的所有要求均适用于使用AI/ML的临床试验。在临床试验阶段，AI/ML系统可以支持根据某些疾病特征或其他临床参数选择患者，还可以用于数据收集与分析，这些数据将在药品上市申请时提交给药监机构。与药物发现类似，在临床试验的早期阶段使用AI/ML模型进行数据分析的风险通常很低，但也可能包含影响患者安全的高风险应用情况，例如临床试验治疗分组或给药剂量；在后期关键临床试验中，必须注意降低所有与过拟合（Overfitting）与数据泄露（Data Leakage）相关的风险。EMA建议在试验期间对模型的任何修改都需要与药监机构进行沟通。
药品上市申请与上市后阶段
模型开发、性能评估和生命周期管理应遵循质量风险管理原则，并考虑到患者的安全与数据完整性以及产品质量。EMA提出，在上市申请阶段，AI可在申请人的密切监督下应用于药品信息文件的起草、汇编、翻译或审查。由于生成语言模型容易包含可信但错误的输出，需要建立质量审查机制。在上市后阶段，AI/ML可以有效支持上市后相关活动，如药物上市后的有效性研究（Post-authorisation Efficacy Study，PAES）、安全性研究（Post-authorisation Safety Study，PASS）以及药物警戒活动。
申请人与开发人员需要对所有AI/ML应用程序进行监管影响和风险分析，并建议在没有明确适用的指导原则时咨询监管机构。这一系列的应用同时也带来了诸多挑战，从数据的采集、验证与测试，到模型的开发、评估与部署，再到数据的存储与保密等，EMA在技术方面均提出了相应的要求与建议。药物研发公司在应用时需要评估预期或潜在影响药物获益-风险的因素，并在过程中减少风险，以确保患者的安全与临床研究结果的完整性。此外，由于人工智能方法本质上是由数据驱动的，因此必须采取积极的措施，以避免将人类偏见整合到AI/ML应用程序中，从而加强人工智能的可信度。总的来说，AI/ML在加强药品生命周期管理方面展现出巨大潜力。
关于AI/ML在药品生命周期中的使用将在2023年11月20日至21日举行的HMA（欧盟成员国药品局总部）/EMA联合研讨会上进一步讨论，奥来恩将会为您持续关注后续进展，欢迎大家订阅药政前沿栏目。若您有任何问题欢迎与奥来恩咨询与交流（邮箱：bd@aleonpharma.com；手机：17761872613）。
参考来源：
[1]. EMA/CHMP/CVMP/83833/2023. Reflection paper on theuse of artificial intelligence in the lifecycle of medicines. July 2023.https://www.ema.europa.eu/en/news/reflection-paper-use-artificial-intelligence-lifecycle-medicines.
