Неудача — наиболее вероятный результат клинического испытания. Извлечение уроков из этих неудач путем понимания того, какие факторы увеличивают шансы на успешное испытание, поможет улучшить процесс разработки лекарств. Однако доступ к информации о неудачных клинических испытаниях затруднен, поскольку литература по разработке лекарств склоняется к публикации успешных результатов.

Представительным источником результатов испытаний являются остановленные испытания, то есть клинические испытания , которые были остановлены до запланированной конечной точки. Остановленные испытания, перечисленные на ClinicalTrials.gov , должны содержать причину остановки в свободной форме. Эта информация находится в открытом доступе и может быть извлечена, чтобы узнать, какие характеристики делают испытания более вероятными для неудачи. Это может дать информацию для будущих инициатив по поиску лекарств.

В исследовании , опубликованном в журнале Nature Genetics , исследователи из Open Targets и Европейского института биоинформатики EMBL (EMBL-EBI) разработали подход машинного обучения для анализа текстовых причин, объясняющих, почему остановились 28 842 клинических испытания.

Затем они оценили генетические доказательства , лежащие в основе взаимосвязей цели и заболевания в этих испытаниях. Их анализ показал, что клинические испытания, которые были остановлены по негативным причинам, таким как проблемы безопасности или эффективности, были менее подкреплены генетическими доказательствами. Фактически, исследование показывает, что генетические доказательства вдвое снижают вероятность ранней остановки.

«Результаты нашего анализа подчеркивают исключительную важность интеграции генетических данных в разработку лекарственных препаратов», — отметила Олеся Разуваевская, научный сотрудник по обработке естественного языка в Open Targets.

«Это потенциально снижает высокие показатели неудачных испытаний, что приводит к появлению более эффективных и безопасных методов лечения и закладывает основу для снижения рисков будущих клинических исследований ».

Подход машинного обучения с использованием открытых данных
Модель, созданная для этой работы, доступна для загрузки и интерактивного изучения, а актуальные прогнозы для новых клинических исследований доступны на платформе Open Targets Platform .

Команда создала модель обработки естественного языка для классификации причин остановки по 17 категориям. Для каждого клинического испытания они использовали 13 источников генетических доказательств, доступных на платформе Open Targets Platform, чтобы оценить силу связи между целевым препаратом и показанием к заболеванию.

В целом анализ показал, что остановленные испытания чаще терпят неудачу из-за ранних случайных факторов, которые не обязательно связаны с силой доказательств, связывающих целевое лекарство с заболеванием. Например, более трети испытаний прекращаются из-за недостаточного набора. Для 12,7% испытаний, которые не увенчались успехом по причинам безопасности или эффективности, авторы обнаружили корреляцию с отсутствием веских генетических доказательств, связывающих целевое лекарство с заболеванием.

Генетические идеи, лежащие в основе остановленных клинических испытаний
Почти половина остановленных испытаний, которые рассмотрела команда, были испытаниями рака, и они с большей вероятностью останавливались из-за безопасности или побочных эффектов. Авторы обнаружили несколько характеристик целей в этих испытаниях, которые коррелировали с проблемами безопасности : генетическое ограничение — мера того, насколько важен ген, — несколько известных физических взаимодействующих факторов и отсутствие тканевой специфичности.

Анализ этих неблагоприятных факторов может помочь предотвратить досрочное прекращение исследования по соображениям безопасности или из-за побочных эффектов, что позволит максимально повысить шансы на успех клинического исследования.

«Предыдущие ретроспективные анализы Open Targets показали, что вероятность одобрения препаратов выше, если связь между заболеванием и мишенью препарата подтверждается данными генетических и геномных исследований», — сказал Дэвид Очоа, координатор платформы Open Targets.

«Вместе с этим новым исследованием генетическая поддержка, несомненно, является как предсказательной для прогресса клинических испытаний, так и защитой от ранней остановки испытаний. Это весомая поддержка основополагающей цели Open Targets — использовать информацию, полученную в результате генетического секвенирования и геномных исследований, для систематического улучшения выбора целей для разработки лекарств ».