Brustkrebs war 2021 das am intensivsten untersuchte Krankheitsgebiet

Phesi Inc., ein datengesteuerter Anbieter von KI-gestützten Analysen und Lösungen für die klinische Entwicklung, hat heute die Ergebnisse seiner globalen Analyse aller im Jahr 2021 durchgeführten klinischen Studien veröffentlicht. Die Daten zeigen, dass Brustkrebs das am häufigsten untersuchte Krankheitsgebiet war, gefolgt durch COVID-19. Insgesamt dominierte die Onkologie die Top 5, zu denen auch nicht-kleinzelliger Lungenkrebs, solide Tumore und multiples Myelom gehörten (Abb. 1.). „Die Tatsache, dass die Onkologie vier der fünf besten Plätze für das am häufigsten untersuchte Krankheitsgebiet einnimmt, unterstreicht ihren Status als das Gebiet, in das nach wie vor die meisten Investitionen getätigt werden.“ Und es ist eine gute Nachricht für die Patienten, dass dies auch dann noch der Fall ist, wenn die größte öffentliche Gesundheitskrise seit 100 Jahren andauert nimmt immer noch den Spitzenplatz einâ, kommentierte Dr. Paul Chew, Chief Medical Officer, Phesi. „Brustkrebs betrifft jedes Jahr weltweit 2,2 Millionen Menschen und ist die zweithäufigste Krebsart bei Frauen in den Vereinigten Staaten, die jedes Jahr etwa 30 % aller neuen Krebserkrankungen bei Frauen ausmacht. In den letzten zehn Jahren haben Studien bei HER 2+ und dreifach negativem Brustkrebs zu signifikanten Fortschritten bei der Verlängerung des Überlebens bei diesen Patientinnen beigetragen. Unsere Analyse zeigt, dass viel mehr getan wird, um sicherzustellen, dass wir bessere Wege finden, um alle Krebsarten zu verhindern, zu erkennen und zu behandeln. Wir werden im Jahr 2022 weiterhin hohe Investitionen in die Onkologie verzeichnen und erwarten, dass die Sponsoren mehr Wert darauf legen, datengestützte Entscheidungen zu treffen, um erfolgreichere Studienergebnisse zu erzielen.“ Im Rahmen der klinischen Entwicklung von Brustkrebs wurden 25.000 Prüfzentren ausschließlich der Rekrutierung gewidmet Patienten seit 2017; dieser Trend wurde nicht durch COVID-19 beeinflusst (Abb. 2.); dazu gehören pharmazeutische und akademische Studien und dieselben Prüfzentren, die an mehreren Studien beteiligt sind. Dies bedeutet, dass durchschnittlich 5.000 bis 7.000 Menschen kontinuierlich an klinischen Studien zu Brustkrebs arbeiten, wobei das Modell von Phesi zeigt, dass dies wahrscheinlich so bleiben wird. Das ist nicht nur enorm kostspielig, sondern auch nicht nachhaltig. Die Analyse zeigt auch, dass die typische Studie zwischen 100 und 150 Patienten rekrutierte, wobei die optimale Anzahl von Zentren, um eine effiziente Aufnahmezeit zu erreichen, bei etwa 40 lag. Die typische Aufnahmezykluszeit betrug in diesem Fall etwa 650 Tage. Allerdings waren nur 14 % der analysierten Studien optimiert. Die Daten zeigen, dass weniger oder mehr Standorte als 40 die Registrierungszykluszeit verlängerten und daher Verzögerungen bei der gesamten Studie verursachten. Wenn man Brustkrebsstudien geografisch betrachtet, entspricht die Rekrutierung in den USA globalen Trends (Abb. 3.). In China ist sie von Januar 2013 bis Juli 2021 von 300 auf über 1.000 Standorte gestiegen (Abb. 4.). Dieser Trend könnte weiter zunehmen, aber ein Bereich, der Anlass zur Sorge gibt, ist der Mangel an gut ausgebildeten Ermittlern in China. Im Gegensatz dazu gab es in Großbritannien in den letzten drei Jahren einen Abwärtstrend bei den Rekrutierungsseiten (Abb. 5.). Live-Daten wie diese sind für Sponsoren bei der Planung neuer klinischer Studien unerlässlich. Die Annahme eines datengestützten Ansatzes ermöglicht es ihnen, Rekrutierungswettbewerbe dynamisch zu planen und zu verwalten. „Unsere Analyse zeigt, dass es in den Top-Investmentbereichen noch erheblichen Optimierungsspielraum bei der Proberekrutierung gibt. Es gibt einen starken Wettbewerb um Patienten in Krebsstudien. Unzureichende Planung und mangelndes Verständnis der aktuellen Studienlandschaft führen zu Verzögerungen bei der Patientenrekrutierung und verlängerten Zykluszeitenâ, kommentierte Dr. Gen Li, Präsident von Phesi. „Sponsoren müssen diese Probleme dringend angehen. Der Einsatz von Predictive Analytics hilft dabei, Einschluss-/Ausschlussprobleme in der Studienplanung und im Protokolldesign anzugehen, was Studien beschleunigt und die Effizienz verbessert, indem Innovationen schneller zu Patienten gebracht werden.