Как исследователи в области офтальмологии применяют реальные данные для получения новых инсайтов

Во всех областях медицины исследователи все чаще обращаются к реальным данным (RWD) для поддержки клинических исследований и разработок: от планирования исследования до вывода продукта на рынок и его коммерциализации после одобрения.

Новые тенденции в офтальмологии

Разнообразие способов применения RWD исследователями для продвижения и ускорения офтальмологических исследований не только демонстрирует потенциал преобразования необработанных клинических данных в действенные реальные доказательства (RWE), но и приводит примеры проверенных применений и стратегий для повышения вероятности успешных результатов.

Использование IRIS® Registry (Intelligent Research in Sight)

В офтальмологии исследователи имеют уникальную возможность использовать обширный IRIS® Registry (Intelligent Research in Sight) Американской академии офтальмологии — один из крупнейших источников RWD в мире.

IRIS Registry представляет собой лонгитюдный актив, включающий данные 90 миллионов уникальных пациентов, 962 миллиона визитов и 12 лет наблюдений от более чем 15 000 клиницистов из различных систем электронных медицинских карт (EHR).

Реестр охватывает данные двух третей офтальмологов страны, представляя почти 3000 практик, которые соответствуют плотности населения в США, что обеспечивает репрезентативный набор данных с высоким уровнем охвата.

Являясь партнером Американской академии офтальмологии в области данных и технологий, компания Verana Health курирует необработанные данные из записей EHR в IRIS Registry для формирования наборов данных, готовых к исследованию.

Для получения более полной картины пути пациента данные реестра могут быть связаны с дополнительными наборами данных, например, с офтальмологическими изображениями, генетической информацией или данными о страховых случаях, с использованием деидентифицированных токенов, специфичных для пациента.

Дурга Боркар (Durga Borkar), MD MMCi, хирург-витреоретиналог и доцент кафедры офтальмологии глазного центра Университета Дьюка, отмечает, что путь пациента при многих из этих заболеваний крайне сложен, а возможность объединить всю эту информацию имеет огромное значение.

Боркар указывает на такие заболевания, как наследственные дегенерации сетчатки или увеит, при которых пациенты получают второе или третье мнение, проходят генетическое тестирование, а снимки делаются в разные моменты времени. По ее словам, способность объединить все эти различные источники данных действительно дает полную картину.

Изучение практических применений и клинических случаев

Исследователи применяют богатые, целевые модули данных, специфичных для конкретных заболеваний, для продвижения исследований в области различных офтальмологических патологий. Применение RWD на разных этапах исследования иллюстрирует их широкую ценность и значительный потенциал для повышения эффективности исследований.

Рассмотрим клинический случай с географической атрофией (GA), поздней стадией возрастной макулярной дегенерации (ВМД). До недавнего времени не существовало одобренных методов лечения GA; из-за отсутствия стимулов для клиницистов кодировать это заболевание предполагалось, что многие диагностированные пациенты оставались неучтенными и, следовательно, не могли быть выявлены на основе структурированных данных, таких как данные страховых случаев. Извлекая диагностическую информацию из клинических записей RWD, а не полагаясь исключительно на коды МКБ-10, исследователи смогли более чем удвоить размер идентифицируемой когорты пациентов с GA для проведения исследования.

Еще одним заболеванием, при котором важная информация скрыта в записях EHR, является тиреоидная офтальмопатия (TED). Отсутствие специфического кода МКБ-10 для TED затрудняет идентификацию пациентов: только около 30% пациентов с болезнью Грейвса имеют TED, а 10% пациентов с TED не имеют болезни Грейвса. Для оценки тяжести случаев TED исследовательская группа извлекла клиническую информацию из записей, чтобы определить конкретные переменные, такие как измерения экзофтальма и баллы клинической активности (CAS).

RWD также эффективны для регуляторных целей и оценки безопасности. В одном из примеров FDA потребовалось провести анализ безопасности наиболее распространенных процедур при педиатрической катаракте, а именно операции по удалению катаракты с последующей имплантацией интраокулярной линзы (ИОЛ). Используя RWD из IRIS Registry, исследователи смогли проанализировать результаты операций по поводу педиатрической катаракты и исходы применения ИОЛ, предоставив критически важные реальные данные о безопасности для популяции, которая часто исключается из традиционных клинических испытаний.

Мальвина Эйдельман (Malvina Eydelman), ранее работавшая в Центре устройств и радиологического здоровья FDA, отметила, что данное исследование представляет собой важный шаг в понимании проблем, с которыми сталкивается уникальная популяция педиатрических пациентов с катарактой.

RWD также доказали свою эффективность в поддержке набора участников для клинических испытаний. Для исследования фазы II организации Syneos и EyePoint сотрудничали с поставщиком RWD для выявления подходящих центров и пациентов с влажной формой ВМД.

По словам Боркар, рынок пациентов с ВМД для исследований перенасыщен. В любом центре всегда проводится несколько исследований, многие из которых имеют схожие критерии включения и исключения, из-за чего бывает сложно найти пациентов для отдельных испытаний, а спонсоры и контрактные исследовательские организации (CRO) иногда не успевают выполнить целевые показатели по набору.

Применяя данные из IRIS Registry и алгоритмические инструменты, команда смогла достичь целевых показателей по набору всего за 5 недель.

Специалист подчеркивает, что при ограниченных ресурсах и наличии ряда центров, потенциально готовых к сотрудничеству, критически важно определить, какие из них будут наиболее продуктивными для привлечения дополнительных ресурсов.

RWD продолжают играть важную роль и после одобрения FDA. В одном из примеров спонсор интересовался схемами лечения и результатами у пациентов, получавших интравитреальный препарат фариксимаб (faricimab) при диабетическом макулярном отеке (ДМО) в период вскоре после одобрения FDA, когда J-code еще не был доступен.

Боркар пояснила, что исследование удалось начать практически с первого дня, до широкого внедрения J-code, благодаря использованию поиска по свободному тексту и созданию собственного кода для выявления пациентов, принимающих фариксимаб. Цель состояла в том, чтобы понять характеристики пациентов, их реакцию на препарат и интервалы дозирования, а также результаты лечения, включая остроту зрения.

Помимо записей EHR, другие типы RWD, в частности изображения, могут быть важны для исследователей. В исследовании, представленном в Retina Society, разработали конвейер на основе машинного обучения и искусственного интеллекта для выявления GA с использованием реальных изображений автофлуоресции глазного дна и инфракрасной рефлектометрии (IR), связанных с IRIS Registry. Этот подход оказался эффективным даже при переменном качестве изображений из рутинной клинической практики.

По мнению Боркар, подобный алгоритм может быть действительно полезен для скрининга пациентов для испытаний GA, а также для быстрого выявления в клинической практике кандидатов на будущие одобренные методы лечения GA.

Первые шаги

Разнообразие применений RWD иллюстрирует, как отрасль использует их для продвижения разработки лекарств: будь то выявление пациентов, которые являются кандидатами на определенные терапевтические методы, или оценка эффективности лечения в реальных условиях.

Для организаций, начинающих применять RWD при планировании клинических испытаний, критически важно привлекать партнеров по RWD на ранних этапах процесса. Это позволяет спонсорам лучше понять реальные популяции пациентов и предпринять упреждающие шаги для обеспечения того, чтобы требования протокола (например, конкретные интервалы тестирования или оборудование) соответствовали рутинной клинической практике.

Критерии включения, которые на бумаге кажутся незначительными, могут создать трудности при поиске пациентов.

Боркар отмечает, что при изучении протоколов предлагаемых испытаний часто выясняется, что они слишком сложны и требуют множества инвазивных тестов, не проводимых регулярно, что может стать бременем для участия в них. Если протокол слишком далек от нормы или требует оборудования, отсутствующего в большинстве центров, это создает дополнительные трудности.

Заблаговременное привлечение RWD и использование данных EHR для стратегического проектирования протокола исследования повышают шансы исследователей на эффективный процесс набора и проведения испытаний, что в конечном итоге улучшает качество помощи и жизни пациентов.