Cloud-Rückblick | „Expertenkonsens zur intelligenten klinischen Forschung“

Quelle: EClinCloud. Autor: EClinCloud.

In den letzten Jahren ist die behördliche Aufsicht über klinische Prüfungen durch die zuständigen nationalen Stellen mit dem Erstarken der chinesischen Forschung und Entwicklung innovativer Arzneimittel, dem Beitritt Chinas zum ICH sowie dem offiziellen Inkrafttreten des neuen Arzneimittelverwaltungsgesetzes und der neuen Fassung der GCP zunehmend strenger geworden. Angesichts des enormen Projektbedarfs und der strengen Qualitätsanforderungen sind die herkömmlichen Durchführungsformen klinischer Studien und Prüfungen den Anforderungen nicht mehr gewachsen, sodass dringend digitale und intelligente technische Mittel eingeführt werden müssen, um sowohl die Qualität als auch die Effizienz klinischer Prüfungen zu steigern und eine sprunghafte Entwicklung der chinesischen Industrie für innovative Arzneimittel voranzutreiben. Allerdings sind Anwendung und Verbreitung digitaler und intelligenter klinischer Forschung in China bislang noch nicht hoch, und es bestehen weiterhin Lücken bei Erfahrung und Verständnis sowie uneinheitliche Vorgaben und Standards.
Um die Anwendung intelligenter klinischer Forschung in China zu fördern und eine Referenzgrundlage für deren Umsetzung und Qualitätsaufsicht zu schaffen, beriet sich Dr. Qin Long, CEO von EClinCloud, als Mitglied der Expertengruppe gemeinsam mit Experten des Fachausschusses für klinische Arzneimittelforschung der Shanghai Pharmaceutical Association, der Arzneimittelaufsichtsbehörden, von Branchenverbänden, Forschungseinrichtungen sowie Sponsoren und Auftragsforschungsinstituten (CROs). Daraus ging der „Expertenkonsens zur intelligenten klinischen Forschung“ (im Folgenden „Expertenkonsens“) als Orientierungshilfe für die klinische Forschungsbranche hervor; der vollständige Text wurde offiziell in der Juni-Ausgabe 2020 des „Chinese Journal of New Drugs and Clinical Remedies“ (中国新药与临床杂志) veröffentlicht.

Schlüsselwörter:
Intelligentisierung
·
Worin konkret zeigt sich intelligente klinische Forschung? Welche Merkmale weist sie auf?
Zum Anzeigen auf die freie Fläche klicken
Intelligente klinische Forschung ist ein neuartiges, prüfungsteilnehmerzentriertes Modell der klinischen Forschung, das intelligente Geräte und Telekommunikationstechnologien einsetzt und unter anderem eine integrierte Plattform für klinische Forschung, elektronische Einwilligung nach Aufklärung, elektronische Erfassung von Gesundheitsquelldaten, Direktlieferung von Prüfpräparaten an die Prüfungsteilnehmer, Datenüberwachung über vernetzte Geräte sowie Nachbeobachtung in der Gemeinde oder im häuslichen Umfeld umfasst. Die Intelligentisierung baut auf der Informatisierung auf und nutzt neue Technologien wie Big Data, Cloud-Computing und künstliche Intelligenz, um Aufgaben wie das geschlossene Management, die Überwachung und die Steuerung der Regelkonformität für Teil- oder Gesamtprozesse der klinischen Forschung umzusetzen.
Dieses Modell zeichnet sich unter anderem durch die Verbesserung der Zugänglichkeit und des Komforts für Prüfungsteilnehmer, die Steigerung von Qualität und Effizienz der klinischen Forschung, die Optimierung der Verteilung medizinischer Ressourcen sowie die Senkung der Forschungskosten aus.
Zum Anzeigen nach oben oder unten scrollen
Schlüsselwörter:
Intelligente Systeme
·
Was genau umfassen intelligente Systeme für die klinische Forschung?
Zum Anzeigen auf die freie Fläche klicken

Zum Vergrößern klicken
Schlüsselwörter:
Anwendung intelligenter Systeme
·
Intelligente innovative Praxis bei der Patientenrekrutierung und Patientendatenerfassung
Zum Anzeigen auf die freie Fläche klicken
Rekrutierungswege für Studienteilnehmer: Die Rekrutierung wird von der herkömmlichen Rekrutierung ausschließlich über Prüfzentren auf zwei Quellen ausgeweitet: Patientengruppen sowie Ärztinnen und Ärzte, die Studienteilnehmer empfehlen. Aufseiten der Patientengruppen umfassen diese Rekrutierungswege unter anderem Analysen großer Datenmengen aus Laborergebnissen, die Veröffentlichung von Studieninformationen über elektronische Medien, die für die Zielpatienten leicht zugänglich sind, sowie Aufklärungs- und Informationsmaßnahmen über Patientenverbände.
Fernvisiten: Neben der routinemäßig eingesetzten telefonischen Nachbeobachtung von Studienteilnehmern kann das klinische Forschungspersonal viele verschiedene Arten von Kommunikationssystemen nutzen – etwa Messaging-, Telemedizin- oder Videokonferenzsysteme –, um während der klinischen Studie mit den Studienteilnehmern zu kommunizieren. Das klinische Forschungspersonal kann die während dieser Kommunikation gewonnenen studienbezogenen Informationen oder Daten in den medizinischen Unterlagen der Studienteilnehmer dokumentieren.
Datenmanagement und statistische Analyse: Um die Systemfragmentierung und Informationssilos bei verschiedenen elektronischen Quelldaten zu beheben und eine einrichtungs-, regions- und bereichsübergreifende Interoperabilität klinischer Datenressourcen aus elektronischen Quelldaten zu erreichen, sollte möglichst vor der Studiendurchführung ein einheitliches System klinischer Datenstandards aufgebaut werden, um zusätzlichen Aufwand für die Datenzuordnung zu vermeiden und so die Datenqualität zu erhöhen.
Zum Anzeigen nach oben oder unten scrollen
Schlüsselwörter:
Prüfplangestaltung für intelligente klinische Studien
·
Worauf sollte bei der Prüfplangestaltung für intelligente klinische Studien geachtet werden?
Zum Anzeigen auf die freie Fläche klicken
Bei der Prüfplangestaltung sollten die Eignung und die Anwendungsszenarien intelligenter technischer Verfahren umfassend berücksichtigt und die Auswahl auf die klinischen Merkmale der Zielindikation abgestimmt werden.
Chronische Erkrankungen (wie Diabetes mellitus oder Hypertonie) zählen aufgrund ihrer hohen Inzidenz, ihres langen Krankheitsverlaufs, der geringen Therapietreue sowie relativ ausgereifter Methoden zur Erfassung von Wirksamkeits- / Sicherheitsdaten derzeit zu den Schwerpunkt-Therapiegebieten für die Umsetzung ortsunabhängiger, intelligenter klinischer Studien.
Bei seltenen Erkrankungen fehlt es häufig an Studien zum natürlichen Krankheitsverlauf hinsichtlich ihrer Entstehungsmechanismen und Entwicklungsverläufe, weshalb sich die Gestaltung klinischer Studien oft nur auf sehr begrenzte Vorstudiendaten stützen kann. Durch ortsunabhängige, intelligente Datenerfassungsmethoden – etwa elektronische Verfahren wie ePRO-Systeme oder am Körper tragbare Geräte – lässt sich jedoch der Kreis potenzieller Studienteilnehmer erweitern, die Generierung klinischer Studiendaten bereichern und eine umfassendere Grundlage für die abschließende Beurteilung der Wirksamkeit und Sicherheit des Prüfpräparats schaffen.
Im Bereich Onkologie gibt es viele klinische Studien mit schwieriger Rekrutierung und langer Nachbeobachtung; ein (teilweiser) Einsatz intelligenter klinischer Studien ist machbar, etwa für kommunale oder häusliche Nachbeobachtungen zu Langzeitsicherheit und Überlebensdaten. Bei der Planung sind die Visitentypen zentraler Studienmaßnahmen (wie bildgebender Wirksamkeitsbeurteilung) vorrangig zu berücksichtigen; zugleich sollte bedacht werden, ob bei onkologischen Prüfungsteilnehmern eine psychologische Abhängigkeit von „Diagnostik und Behandlung im persönlichen Kontakt“ besteht und was ihre Kernanliegen sind.
Zum Anzeigen nach oben oder unten scrollen
Cao Guoying (Huashan Hospital, Fudan University),
Fu Haijun (Shanghai Renzhi Data Technology Co., Ltd.),
He Wei [Pfizer (China) Research and Development Co., Ltd.],
Jiang Weiwei (Ruijin Hospital, Shanghai Jiao Tong University School of Medicine),
Li Huafang (Shanghai Mental Health Center),
Li Jin (Shanghai East Hospital, Tongji University),
Lin Feng (Shanghai Jiexin Medical Technology Co., Ltd.),
Lu Jing [IQVIA Medical Technology (Shanghai) Co., Ltd.],
Ma Yan [IQVIA Medical Technology (Shanghai) Co., Ltd.],
Qin Long [EClinCloud (Shenzhen) Technology Co., Ltd.],
Ruan Xiufang (Drug Registration Division, Shanghai Municipal Medical Products Administration),
Shen Yifeng (Shanghai Mental Health Center),
Song Yi (Shanghai Jiexin Medical Technology Co., Ltd.),
Wang Fangmin (Shanghai Center for Drug Evaluation and Inspection),
Wu Rong (Huashan Hospital, Fudan University),
Xu Ying (Shanghai Center for Drug Evaluation and Inspection),
Yuan Weian (Shuguang Hospital, Shanghai University of Traditional Chinese Medicine),
Zhang Jing (Huashan Hospital, Fudan University),
Zhang Ruiwen (Shanghai Center for Biotechnology and Pharmaceutical Industry Promotion),
Zhang Xiaomin (Shanghai Pharmaceutical Association)
Halten Sie den QR-Code gedrückt und scannen Sie ihn, um die vollständige Fassung des „Expertenkonsens zur intelligenten klinischen Forschung“ anzuzeigen.

| EClinCloud |
EClinCloud bietet eine integrierte All-in-One-Cloud-Plattform (einschließlich Lösungen wie CTMS, eTMF, EDC, RTSM, eCOA, eConsent u. a. sowie Beratungsleistungen wie Skalenmanagement, sprachliche Validierung, Rater-Schulung, Studienaufbau und -konfiguration, Datenqualitätsanalyse u. a.) sowie Technologien zur Bewertung von Endpunkten in klinischen Studien für verschiedene Therapiegebiete (darunter Onkologie, Neurologie, Kardiologie, Pneumologie, Dermatologie u. a.) und verbindet Spitzentechnologie mit Lebensdaten zum Aufbau einer weltweit führenden „patientenzentrierten“ SaaS-Cloud-Plattform zur Unterstützung klinischer Evidenz, um in- und ausländischen Pharmaunternehmen sowie Forschungseinrichtungen dabei zu helfen, die F&E-Effizienz zu steigern, die Markteinführung von Arzneimitteln/Medizinprodukten zu beschleunigen und unzähligen Patienten zugutezukommen.



