Desarrollo de Fármacos

Área de la Ciencia:

• Bioestadística
• Diseño de Ensayos Clínicos
• Investigación de Enfermedades Neurodegenerativas

Sus antecedentes:

• La investigación de la enfermedad de Alzheimer (EA) enfrenta desafíos estadísticos debido al cambio hacia ensayos clínicos a más largo plazo y en etapas tempranas.
• La lenta progresión de la enfermedad en la EA temprana dificulta la detección de efectos del tratamiento, lo que supone un obstáculo importante para los ensayos clínicos.

Objetivo del estudio:

• Comparar los métodos estadísticos utilizados en los ensayos clínicos de la enfermedad de Alzheimer (EA) de hace 25 años con las metodologías actuales.
• Evaluar las direcciones futuras en los enfoques estadísticos para el desarrollo de fármacos y ensayos clínicos de EA.

Principales métodos:

• Comparación de planes de análisis estadístico (SAP) históricos (por ejemplo, ANCOVA, imputación de la última observación realizada) y contemporáneos para ensayos de EA.
• Evaluación de técnicas estadísticas modernas que incluyen el Modelo Mixto para Medidas Repetidas (MMRM), modelos de progresión de la enfermedad y métodos de imputación de principios.
• Evaluación de diseños de ensayos innovadores (por ejemplo, búsqueda de dosis adaptativa, reestimación del tamaño de la muestra) y puntos finales optimizados (por ejemplo, pruebas compuestas).

Principales resultados:

• Los SAP históricos de ensayos de EA carecían de claridad en los estimandos y análisis de sensibilidad robustos.
• Los métodos actuales ofrecen opciones analíticas de principios, estimandos claros, análisis de sensibilidad robustos y mayor precisión a través de diseños innovadores y puntos finales optimizados.
• Los conjuntos de datos estandarizados (CDISC) reducen la variabilidad y los resultados se expresan cada vez más en términos clínicamente relevantes (por ejemplo, tiempo ahorrado).

Conclusiones:

• Los avances estadísticos han hecho factibles los ensayos informativos de Fase 2 en la EA temprana.
• Los estadísticos desempeñan un papel crucial en el desarrollo de fármacos, incluida la validación de biomarcadores y las aplicaciones de IA.
• Los futuros ensayos de EA requerirán diseños optimizados para tratamientos combinados, dados los recientes aprobaciones de fármacos.