硬核“黑科技”如何赋能创新药“出海”？
21世纪经济报道记者 季媛媛 实习生闫硕 上海报道过去十年，中国医药创新产业快速增长，一批具有全球竞争力的优质创新企业脱颖而出，加速布局创新药市场已然成为新趋势。值得一提的是，过去国内大型药企收入主要依赖中国市场，反观海外，成熟的跨国药企收入来源大部分来自国际市场，“出海”已成为中国药企必选项。
根据医药魔方数据，2023年，国内共发生近70笔创新药License-out（海外授权）交易，已披露交易总金额超350亿美元。2024年，国产创新药“出海”势头仍在延续，相关数据显示，2024年1月中国药企的License-out交易共计18笔，较2023年1月的5笔增长260%。
也有行业报告披露，尽管2021-2023中国生物医药投融资总额及数量下降明显，但医药企业积极开展外部BD合作，中国创新药“出海”迎来历史新高。不过，伴随中国创新药“出海”数量增多和药物研发的低成功率，未来可能迎来退货潮。“出海”爆发窗口期将于2-3年关闭。
实际上，创新药赛道从立项到新药获批上市需要经过临床前研究、临床试验、新药注册上市和售后监督等诸多环节，每一环节都有可能面临失败风险。创新药“出海”是非常复杂的过程，其中，在临床试验阶段更是异常复杂和缺少确定性，其试验设计、临床数据适用性等问题被逐渐摆在“台前”，如何解决相关问题走稳“出海”之路是众多药企的一大挑战。
“在临床试验领域，由于行业具有高监管性，以前整个行业对于技术的应用比较谨慎，非常依赖人力做很多工作，比如数据录入、数据核查等，但是今天，我们已经在利用AI帮助决策。我们可以通过AI在各个试验阶段的应用，推动创新药加速走向海外。”达索系统Medidata大中华区战略咨询及解决方案业务部高级经理燕晓明对21世纪经济报道记者表示。
达索系统Medidata大中华区高级解决方案专家宋乐也对21世纪经济报道表示，数字健康技术（Digital Health Technology，DHT）的应用能够在医药用品临床研究中，促进参与人员的远程数据采集，其应用场景可以是医疗行业的方方面面。这些数据主要来自临床研究的参与人员，包含患者、研究人员，未来一些运营人员也可能会直接贡献数据。用DHT对中国创新药成功“出海”其实是起到了决定性作用。
AI是破局的关键
2023年，中国创新药“出海”捷报频传，和记黄埔、君实生物、亿帆医药凭借创新疗法、独特的分子结构或给药方式成功进军海外市场，为行业发展注入了信心。
“但是我们知道，无论是过去还是现在，中国创新药‘出海’其实面临诸多难点，以国际多中心试验为例，从研究设计到研究计划，再到研究执行等诸多环节都有一些难题需要解决。”燕晓明说。
在研究设计方面，选择海外上市的赛道与国内大相径庭。比如同样的适应症，中国的标准治疗和海外的标准治疗可能不一样，这意味着在中国面对的可能是标准的化疗，但在美国、欧洲面对的是已经上市的靶向治疗。
对药企而言，需要事先了解未来要对标的治疗方案，包括其疗效和安全性大概到什么程度，根据早期数据和产品机制对成药概率做出判断，以及有多大把握超过已有方案。但实际情况是，相关部门只能高度依赖于有限的文献发表，做出几百甚至上千万美元的关键决策。
而在研究计划阶段，药企在“出海”时很难把握当地试验中心的招募速度。对于研究计划团队来说，很多是基于过往的临床经验，面对全球的试验中心往往缺乏经验，缺乏实际数据支撑入组计划，这会导致试验在入组阶段不及预期。
另外，在研究执行阶段，国内外也有较大差异。比如国内一般都会采用100%的SDV（源数据核查确认），即研究过程中，派CRA（临床监查员）到研究中心去核对相关数据是否与系统录入数据一致。而在国外，很多都已经采用了RBQM（基于风险的质量管理），对于重点数据做重点监查。
总体而言，在燕晓明看来，临床试验有两个关键节点，一是临床试验方案的设计，二是患者入组的速度。前者决定研究的方向，是成败的关键；后者则是决定临床试验速度的关键。有限的文献数据会带来诸多限制，企业在决策时会受到相应影响；另外，在精准医疗背景下，研究设计复杂度会大幅度提升，导致招募患者难度更大。根据研究机构数据及Medidata数据库，50%的临床研究中心没能按照计划入组患者，甚至有37%的研究中心在研究中一个患者都没招到，这对于研究的负面影响不言而喻。
AI可以赋能国际多中心临床试验的各阶段。比如，通过历史临床试验数据，结合AI算法，可以帮助药企找到细分领域以及竞争优势；通过AI及大数据的应用，企业能够在海外高效招募患者，并实现患者多样性；在精准医疗的大背景下，AI技术能够在无法进行随机对照分配的情况下合成外部对照组，进而如期推进试验；同时，AI技术还能给出试验洞察，帮助识别试验风险，提升试验数据质量，进一步提升试验成果。
无论如何赋能，高质量的数据都是AI底层逻辑中不可或缺的支撑要素。“AI的基础就是数据，没有数据，AI系统不可能搭建起来。同时，企业尤其需要重视数据的安全性和隐私性。”燕晓明表示，以Medidata平台为例，其数据都是临床试验的集合化数据，AI利用的只是患者在参与试验过程中提供的验证疗法的数据，平台会有很多规则保障患者隐私，从而保障其知识财产不会被分享或泄露。
“临床试验中AI技术是一个前景广阔且不断扩展的领域，AI 技术可能是克服当前创新药进军海外市场中面临瓶颈的关键，为可持续制药研发的新模式提供了创新动力，提供了更好、更快、更具成本效益地开展试验的可能性。”燕晓明说。
eCOA促进数据质量提升
当前，国内外应用最广泛的DHT技术当属eCOA/ePRO技术。在全球临床试验市场，包括美国FDA及欧洲EMA在内的多国数十项政策，都明确鼓励将COA数据作为支持新药上市申请的标签申明。随着临床试验的数字化发展，监管机构正逐步接受将eCOA数据纳入药物申请。
中国也相应出台多项政策明确鼓励使用 eCOA/ePRO工具。2021年，我国NMPA出台《患者报告结局在药物临床研发中应用的指导原则（试行）》，首次正式且全面地聚焦该项技术，去年，又陆续出台以患者为中心的三项指导原则。
“所谓eCOA，其实是电子临床结局评估，即通过电子化的方式，收集和分析临床试验中患者的感受、身体功能或生存状况的信息。而ePRO是指电子患者报告结局，ePRO可以被理解为包含在eCOA中的数据类型。”宋乐介绍道。
为什么以eCOA为代表的DHT会受到这么多的关注和重视？对此，宋乐认为，几乎所有国家都在不遗余力地推“以患者为中心”的概念，即以人为本。eCOA之所以受到监管与业界的重视，主要包含四方面原因，其中有两条都符合以人为本的趋势。
首先是患者参与体验好、负担轻，增强了技术的可行性；其次是患者用药安全得到监测，可以通过eCOA技术，持续不间断地采集患者用药后的反馈。“其实在临床试验阶段，对数据尤其是安全性数据的把控，各地监管要求都是非常高的，这也是新药上市的一个基础，eCOA可以保障一些重要数据不会丢失。”宋乐补充道。
再次，eCOA也可以帮助提升数据质量，由于这种数据采集模式是远程的，可以实时采集患者当下的体验和反馈，所采集到的数据无需转录，从而降低数据丢失或数据转录错误的风险，从而提高数据质量。
此外，投入使用eCOA可以降低临床试验费用。公开资料统计，从项目总体投入而言，eCOA相较纸质方式费用降低了67%。成本降低主要依托于数据质量提升、项目运营效率增加以及患者安全保障三方面所带来的隐性成本降低，电子系统的费用相较于这些隐性成本而言其实是微不足道的。
根据Healthcare IT的报告，2023年eCOA市场估值14亿美元，预计2031年eCOA的市场会达到47亿美元，复合年均增长率为15.8%，eCOA市场未来将呈良性发展趋势。不过，根据Medidata数据测算，中国面对的现实是eCOA渗透率较低，或仅为5%。而在美国这一数据高达80%。
“在我国，eCOA仍处于待开拓的蓝海市场。另外，我们也可以看到，中国药企一旦做一些‘出海’项目，使用eCOA的比例会出现飙升。我相信在未来5-10年，我们会看到eCOA更加蓬勃的发展。”宋乐说。