利用模擬加速新藥物開發 (Accelerating Drug
Development with Simulation)
目前,美國食品藥物管理局(Food and Drug
Administration, FDA)推薦在藥物開發和監管評估中運用建模與模擬,例如用於預測臨床結果、指導臨床試驗設計、支持效果證明、確定研究對象,以及預測安全性。然而,要充分利用模擬,需高效使用可用的模擬預算,並確保電腦模擬(in-silico)的結果與體外(in-vitro)和體內(in-vivo)的結果一致。此次線上研討會將探討現代實驗設計和機器學習工具,如統計校正 (Statistical
Calibration),在驗證和從藥物模擬中獲得知識的最大化過程中的作用。
製藥行業的不確定性量化 (Uncertainty Quantification
in Pharmaceutical Industry)
在開發新藥和尋求監管批准時,科學家、藥劑師和工程師可能會面臨多種挑戰。其中一個挑戰是理解圍繞新藥開發的不確定性以及法規遵從性的證據。由於不同患者間的差異,科學家和工程師需要以可接受的置信度 (Acceptable
Confidence Level) 理解藥物在多種操作條件下的功能。其他不確定性可能來自劑量變化或原始化學配方的改變。這些變化可能導致性能不確定,甚至可能導致部分損壞或使用壽命縮短。其他挑戰包括進行臨床試驗或滿足嚴格的政府法規的成本。
面對這些挑戰時,模擬成為一股強大動力。透過模擬,科學家和工程師可以在無需大量昂貴的臨床試驗的情況下確定特定人群的最佳劑量,並更深入理解敏感性和不確定性。但模擬本身也存在風險和挑戰。
此外,在COVID-19大流行期間,建模和模擬一直處於新聞報導的前沿。對公共衛生組織來說,建模和模擬在預測COVID-19傳播方面至關重要。對製藥公司而言,建模和模擬則是加速疫苗開發的關鍵。
FDA模擬與建模 (FDA Simulation and
Modeling)
美國食品藥品監督管理局建議在藥物和醫療器械的開發及監管評估中運用建模與模擬。FDA建議使用模擬和建模的領域包括:
預測臨床結果 (Predicting Clinical Outcomes)
指導臨床試驗設計 (Guiding Clinical Trial Design)
支持效果證明 (Supporting Efficacy Evidence)
確定研究對象 (Identifying Relevant Patients)
預測產品安全 (Predicting Product Safety)
FDA持續與業界合作,開發新的建模和模擬方法,為創新和迅速將新的救生技術引入公眾提供途徑。
藥物模擬挑戰 (Challenges in Drug
Simulation)
儘管模擬和建模具有許多優勢,但在藥物開發和監管決策中使用模擬仍面臨諸多挑戰。這包括開發模型時使用的數據質量,對關鍵藥物開發和監管決策的一致應用,以及如何處理來自不同來源的數據,例如體內和臨床試驗。主要挑戰之一是考慮到給定總體中的許多變數並建立模擬模型的有效性所需的計算成本。
SmartUQ解決方案 (SmartUQ Solutions)
統計校準 (Statistical Calibration) 是在模擬中調整校準參數以更好地適應實際情況的過程,同時還可以量化模型中的不確定性,並指出改進的領域以減少總體不確定性。使用SmartUQ的工具集,此過程從建立用於校準和驗證的有效人類臨床設計開始。SmartUQ提供專門的DOE,例如將模擬的DOE與臨床試驗的DOE結合,以建立互補的臨床試驗設計。
模型驗證 (Model Validation) 是從模型的預期用途角度確定模型對現實世界的準確表示程度的過程。理想的驗證是預測驗證,在不確定性下可能難以實現。這涉及確定解釋來自輸入不確定性分佈,差異圖和模擬器方差中不確定性的所有不確定性資訊的最佳方法。例如,藥代動力學模擬 (Pharmacokinetic
Simulation, PBPK) 可用於預測藥物的吸收速率。實驗的體內數據可以與模擬結合使用,以確定模擬在哪些情況下能可靠地預測數據,並量化預測的不確定性。這有助於確定即使在不確定的條件下,新藥配置是否也符合體內與體外相關性標準 (IVIVC)。此外,在整個驗證過程中,可執行靈敏度分析 (Sensitivity
Analysis) 作為驗證的“健全性檢查”,以觀察局部和全域靈敏度如何影響目標輸出。