La modélisation & la simulation :
des approches essentielles à chaque développement clinique
Les bouleversements du secteur pharmaceutique et l’émergence des techniques de modélisation et de simulation appliquées ont profondément transformé l’organisation de la R&D. Plus que jamais, nous sommes un partenaire privilégié et fiable pour les biotechs qui souhaitent intégrer efficacement la pharmacométrie et la modélisation à leur développement de médicaments.
Une stratégie construite autour de 3 axes complémentaires
Aujourd’hui, PhinC Development est un acteur clé en Europe pour l’intégration des approches de modélisation & simulation tout au long du développement d’un candidat médicament. Notre force repose sur trois piliers qui sécurisent les décisions et accélèrent l’exécution.
Modèles avancés & simulations robustes
Nous développons les modèles les plus pertinents pour exploiter l’ensemble des données disponibles à chaque phase et produire des raports solides, alignées avec les attentes des agences (EMA et FDA).
Conseil & accompagnement sur-mesure
PhinC accompagne ses partenaires dès les premières phases, avec des conseils éclairés et une stratégie de modélisation pharmacométrique adaptée à chaque programme de développement.
Agilité & culture biotech
Notre organisation et modes de collaboration s’ajustent aux contraintes des biotechs. Nous intervenons très tôt sur la stratégie afin d'expliquer la valeur ajoutée de la modélisation.
Des modèles prédictifs pour lever les obstacles clés du développement
Face aux obstacles et défis majeurs du développement, PhinC mobilise son expertise en pharmacométrie, pharmacocinétique, pharmacologie et biostatistiques pour construire des modèles prédictifs innovants. Ces outils donnent aux biotechs un avantage décisif en permettant de répondre à une multitude de « challenges ».
1
Complexité croissante des protocoles
Complexité croissante des protocoles
Évaluer plusieurs paramètres simultanément, isoler des effets spécifiques et quantifier l’impact pharmacologique seul ou en interaction.
2
Multiplication des sources de données
Multiplication des sources de données
Intégrer littérature, in vitro, in vivo et données humaines, puis enrichir le modèle au fil des résultats obtenus pendant le développement.
3
Gestion des risques
Gestion des risques
Anticiper des risques de toxicité (cardiaque, rénale, hépatique) via l’exposition et des biomarqueurs (ex. troponine, QT), et aider au choix de la première dose chez l’humain grâce à l’extrapolation inter-espèces.
4
Exigences éthiques & réduction des coûts
Exigences éthiques & réduction des coûts
Prédire l’exposition systémique ou au site d’action avec une marge d’erreur maîtrisée pour réduire le nombre de doses testées et optimiser le nombre d’animaux, de volontaires ou d’échantillons.
5
« Derisking » du programme
« Derisking » du programme
Anticiper la marge thérapeutique (toxicité vs activité), éviter d’engager un développement trop risqué, et explorer tôt les risques d’interaction, d’effet nourriture, ou de populations spécifiques.
Notre objectif :
En pratique, nos approches contribuent à optimiser les designs d’études, à réduire les itérations inutiles, et à sécuriser les choix critiques (dose, schéma posologique, fenêtres thérapeutiques, interactions, variabilité).
Accélérez vos décisions avec la modélisation, dès aujourd’hui
Dites-nous où vous en êtes (Lead Optimization, préclinique, FIH, phases II/III, stratégie DDI, QT/QTc…). Nous vous aidons à cadrer la meilleure approche et les livrables attendus.