- Bijna 40 procent van het onderzoeksbudget van de Amerikaanse farmaceutische industrie gaat naar klinisch onderzoek
- Slechts 6 procent van chronisch zieken schrijft zich in voor een klinische studie
- Kunstmatige intelligentie helpt patiënten bij het vinden van de juiste onderzoeken
- KI zorgt ook voor minder voortijdig uitval
- Bovendien maakt KI efficiëntere dataverzameling mogelijk
Klinische studies zijn essentieel voor de ontwikkeling van nieuwe geneesmiddelen. Ze zijn echter zeer kostbaar en tijdrovend. Bovendien zijn ze vaak niet efficiënt, waardoor potentieel levensreddende geneesmiddelen de markt niet bereiken. “De standaard klinische studie is zo’n beetje het enige dat in de geneeskunde niet is veranderd in de afgelopen 70 jaar”, zegt Don Berry, professor aan de afdeling Biostatistiek van de University of Texas MD Anderson Cancer Center en een van ’s werelds toonaangevende experts op het gebied van klinische studies.
Gebrek aan duidelijkheid, lage aanmeldings- en retentiepercentages van patiënten, slechte naleving van de regels en verouderde methoden voor het verzamelen en verifiëren van gegevens (met een sterke afhankelijkheid van subjectieve informatie die door de patiënten zelf wordt verstrekt), zijn nog maar een paar van de uitdagingen waar de huidige klinische onderzoeken mee te maken hebben. Daardoor ontstaan lange tijdlijnen en stijgen de kosten. Maar hier zou dankzij kunstmatige intelligentie in de toekomst verandering in kunnen komen.
Bijna 40 procent van het onderzoeksbudget van de Amerikaanse farmaceutische industrie gaat naar klinisch onderzoek
Er wordt in de VS elk jaar 7 miljard dollar gestoken in klinisch onderzoek. Onderzoeken naar geneesmiddelen bestaan over het algemeen uit drie fasen. In fase 1 testen onderzoekers de veiligheid van een nieuw geneesmiddel op een kleine groep mensen en bepalen ze de meest geschikte toedieningsmethode en de optimale dosering. In fase 2 wordt het geneesmiddel aan een groter aantal mensen gegeven om de werkzaamheid te bestuderen. Daarna gaat het naar Fase 3, waar de geneesmiddelen aan honderden of duizenden patiënten worden toegediend. Onderzoekers testen in deze fase continu de veiligheid en werkzaamheid van deze middelen en vergelijken de resultaten met een controlegroep die een placebo krijgt.
Voordat een geneesmiddel wordt goedgekeurd door de FDA, moet het meestal twee afzonderlijke onderzoeken doorstaan. Volgens een recent onderzoek van meer dan 7.000 klinische studies tussen 2006 en 2015, heeft een nieuw geneesmiddel minder dan 10 procent kans om goedgekeurd te worden door de FDA. Van de individuele fasen bleek fase 2 de fase met het laagste slagingspercentage, namelijk 30 procent. Fase 3, die 60 procent van alle kosten van klinische studies voor zijn rekening neemt, heeft een slagingspercentage van 58 procent. Gemiddeld duurt een klinisch onderzoeksproces voor één enkel geneesmiddel 7,5 jaar en kost het tussen de 161 miljoen en 2 miljard dollar.
Slechts 6 procent van chronisch zieken schrijft zich in voor een klinische studie
Er zijn momenteel bijna 20.000 open klinische studies in de VS, die revolutionaire nieuwe behandelingen voor een grote verscheidenheid aan ziekten beloven. Denk hierbij aan verschillende soorten kanker, HIV en Alzheimer. Maar de meeste slagen er niet in om voldoende mensen in te schrijven om het onderzoek af te ronden of zelfs maar te starten. Sterker nog – slechts 6 procent van de mensen die lijden aan een chronische ziekte melden zich aan voor een klinische studie.
De belangrijkste reden daarvoor is dat de meeste mensen gewoonweg niet weten dat deze studies bestaan of dat ze ervoor in aanmerking komen. Informatie over alle huidige klinische onderzoeken wordt bijgehouden in een nationaal register dat vrij toegankelijk is voor iedereen. Het probleem is echter dat het systeem voor een gemiddelde persoon niet erg gebruiksvriendelijke is. De meesten geven dan ook al snel op – vaak nog voordat ze gevonden hebben wat ze zochten. Maar dankzij het bedrijf Antidote komt daar binnenkort verandering in.
Kunstmatige intelligentie helpt patiënten bij het vinden van de juiste onderzoeken
Antidote gebruikt kunstmatige intelligentie om patiënten te helpen de juiste klinische studie voor hun aandoening te vinden. Om dat mogelijk te maken, verzamelde het bedrijf eerst informatie over duizenden klinische studies uit verschillende bronnen, waaronder ClinicalTrials.gov en de Wereldgezondheidsorganisatie. Deze informatie is meestal zeer ongeorganiseerd, met name de criteria om in aanmerking te komen zijn verwarrend. Antidote maakte gebruik van klinische experts om de informatie handmatig te structureren zodat het makkelijker doorzoekbaar is. Vervolgens creëerden ze het Match platform, waar patiënten een passend onderzoek kunnen vinden door hun aandoening, locatie, leeftijd en geslacht in te vullen. Patiënten kunnen de zoekopdracht verder verfijnen door aan te geven hoe ver ze willen reizen of meer details over hun aandoening toe te voegen. Zodra ze passende onderzoeken hebben gevonden, registreren ze hun e-mail bij Antidote, en krijgen ze informatie over de organisatoren van de onderzoeken.
Het bedrijf werkt ook samen met honderden health publishers en non-profit organisaties, waaronder het American Kidney Fund, de Lung Cancer Alliance en de Muscular Dystrophy Association, die de Antidote widget in hun websites kunnen integreren om bezoekers eenvoudig toegang te geven tot het Match platform. Antidote heeft inmiddels informatie over meer dan 55.000 klinische proeven uit bijna 170 landen verzameld. “Nu kunnen patiënten veel gerichter zoeken”, zegt Esther Schorr, de COO van PatientPower, een online kankernieuwssite en partner van Antidote. “Er is zo ontzettend veel informatie en met technologie kunnen we de zoektocht van een patiënt echt veel gemakkelijker maken”. Patiënten kunnen gratis gebruik maken van de dienst, terwijl farmaceutische bedrijven en klinische onderzoeksinstellingen een vergoeding moeten betalen voor beperkte toegang tot de gebruikersdatabase. Hoewel dat bepaalde privacyproblemen met zich meebrengt, is het waarschijnlijk iets waar de meeste patiënten graag mee instemmen – deze onderzoeken kunnen immers hun leven redden.
KI zorgt ook voor minder voortijdig uitval
De inschrijving van patiënten is het meest tijdrovende onderdeel van elke klinische studie. Het neemt maar liefst 30 procent van de tijdslijn in beslag en kost elk jaar bijna $6 miljard. Bovendien wordt haast 80 procent van alle klinische studies niet op tijd afgerond en daar komt nog eens bij dat 85 procent van de onderzoeken er niet in slaagt om voldoende patiënten te behouden. Niet elke patiënt die zich inschrijft voor een klinische studie blijft voor de volledige duur van het onderzoek; het uitvalpercentage is gemiddeld 30 procent. Er zijn vele redenen waarom patiënten ervoor kiezen om een onderzoek stop te zetten, waaronder eenvoudige logistiek en angst. Ook de invasiviteit van de behandeling en diagnostische procedures zijn redenen om de onderzoeken vroegtijdig de rug toe te keren, evenals moeilijkheden bij het volgen van de stappen in het protocol. Maar ook hier kan kunstmatige intelligentie een helpende hand bieden, bijvoorbeeld door patiënten herinneringen te sturen om hun medicatie in te nemen en ervoor te zorgen dat ze geïnteresseerd en betrokken blijven.
Bovendien maakt KI efficiëntere data-verzameling mogelijk
Een van de grootste problemen bij klinische onderzoeken is dat ze nog steeds sterk afhankelijk zijn van subjectieve, door de patiënt zelf verstrekte gegevens. Hoewel die informatie zeer waardevol kan zijn, is het ook zeer gevoelig voor onnauwkeurigheden die het succes van het onderzoek in gevaar kunnen brengen. Met draagbare technologie, zoals sensoren die aangesloten zijn op het IoT, zouden onderzoekers op een meer nauwkeurige en objectieve manier informatie kunnen verzamelen. Bijvoorbeeld over de hartslag, bloeddruk, glucosespiegels en slaappatronen van patiënten. Hiermee zouden ze ook kunnen monitoren hoe de medicijnen hun patiënten in real time beïnvloeden. Bovendien zou dit het risico op vroegtijdige uitval verminderen omdat patiënten met wearables voor controle niet meer naar onderzoeksfaciliteiten hoeven te reizen.
Techreus Apple is bijvoorbeeld bezig met het ontwikkelen van een eigen klinisch studie-ecosysteem waarin de iPhone en Apple Watch centraal staan. Het bedrijf werkt ook samen met tal van gezondheidsinstellingen en medische onderzoekers om hen toegang te geven tot een ongekende hoeveelheid real-time, door gebruikers gegenereerde health data. Daarnaast heeft Apple de ResearchKit en CareKit uitgebracht, twee open-source frameworks waarmee onderzoekers en ontwikkelaars hun eigen medische apps kunnen ontwikkelen voor de real-time monitoring van patiënten. Deze software is al door meer dan 500 artsen en medische onderzoekers gebruikt voor klinische onderzoeken van meer dan 3 miljoen deelnemers.
Klinische onderzoeken zijn essentieel voor de ontwikkeling van nieuwe medicijnen. Tegelijkertijd zijn het zeer dure en tijdrovende processen waar best het een en ander geïnnoveerd mag worden. Met kunstmatige intelligentie kan bijna elke fase van het klinische onderzoeksproces getransformeerd worden: patiënten vinden veel sneller de juiste onderzoeken, het komt aanmeldings- en retentiepercentages ten goede en het biedt betere methoden voor het verzamelen van data.
