L'attrition aux stades avancés du développement de médicaments en oncologie représente une inefficacité scientifique et économique substantielle, avec des taux d'échec en phase III dépassant souvent 50 %[1].
Bien que les essais de phase précoce puissent donner des signaux initiaux prometteurs, ces résultats ne se traduisent fréquemment pas dans des populations de patients plus larges et hétérogènes.
La dépendance traditionnelle à l'extrapolation empirique de la phase II à la phase III est de plus en plus reconnue comme insuffisante. Cela a provoqué un changement de paradigme vers des méthodologies quantitatives, s'alignant sur les attentes réglementaires et des principes similaires à ceux discutés dans le FDA MIDD Paired Pilot Program[2].
Étiologie de l'attrition en phase III
Le taux d'échec élevé dans les essais pivots en oncologie découle de complexités biologiques et statistiques multifactorielles. Les principaux facteurs contribuant à l'attrition à un stade avancé comprennent :
- Une sélection sous-optimale de la dose entraînant une efficacité marginale ou des profils de toxicité intolérables[3].
- Une surestimation des tailles d'effet du traitement dérivées de cohortes de phase précoce homogènes et sous-dimensionnées[4].
- Une stratification inadéquate des patients et une dépendance excessive à des biomarqueurs prédictifs non validés[5].
- Une puissance statistique insuffisante pour détecter des différences cliniquement significatives par rapport aux comparateurs de la norme de soins en évolution[1].
Le rôle du développement de médicaments informé par la modélisation (MIDD)
Le développement de médicaments informé par la modélisation (MIDD) sert de cadre quantitatif critique pour atténuer ces risques de stade avancé. En intégrant la pharmacocinétique (PK), la pharmacodynamique (PD), la modélisation de la progression de la maladie et les données d'essais historiques, le MIDD permet aux développeurs d'évaluer systématiquement les hypothèses scientifiques avant d'initier des essais à grande échelle[6].
Au lieu de s'appuyer strictement sur des données d'observation issues de cohortes précoces, le MIDD facilite le calcul de la probabilité de succès technique (PTS) à travers diverses conceptions d'essais, doses et populations de patients[7].
Réduction des risques via la simulation d'essais cliniques (CTS)
Une application fondamentale du MIDD dans le développement à un stade avancé est la simulation d'essais cliniques (CTS). La CTS permet l'exécution in silico d'essais pivots sous divers scénarios, générant des preuves quantitatives solides pour soutenir les décisions de transition.
Plus précisément, la CTS soutient :
- La modélisation exposition-réponse (E-R) pour justifier la sélection de la dose pivot et optimiser les indices thérapeutiques[3].
- L'optimisation des tailles d'échantillon et des durées d'essai pour garantir une puissance statistique adéquate[6].
- Les stratégies d'enrichissement basées sur les biomarqueurs pour définir les sous-populations de répondeurs optimales[5].
- L'évaluation de conceptions d'essais adaptatives pour intégrer des analyses intermédiaires et minimiser le risque clinique[7].
Implications stratégiques et réglementaires
Au-delà de l'atténuation des risques, le MIDD améliore la valeur stratégique des actifs cliniques. Les conceptions optimisées de phase III produisent des dossiers de preuves plus solides, de plus en plus attendus par les agences réglementaires mondiales[8].
L'intégration de la modélisation quantitative s'aligne sur les initiatives réglementaires contemporaines visant à réduire les délais de développement, à optimiser l'allocation des ressources et à garantir que les thérapies offrent un bénéfice clinique maximal[2].
Le paysage du développement en oncologie passe d'une expansion clinique empirique à un stade avancé à une exécution d'essais prédictive et axée sur des modèles.
L'intégration solide du MIDD avant le lancement de la phase III est essentielle pour éviter les échecs à un stade avancé et établir une voie statistiquement fiable vers l'approbation réglementaire[8].
Discutons de votre stratégie MIDD en oncologie
Partagez votre stade de développement et vos données disponibles. Notre équipe vous propose une approche MIDD adaptée à votre programme.
Références
- Wong, C. H., Siah, K. W., & Lo, A. W. (2019). Estimation of clinical trial success rates and related parameters. Biostatistics, 20(2), 273-286.
- FDA (2018). Model-Informed Drug Development Pilot Program. U.S. Food and Drug Administration.
- Shah, D. K., et al. (2012). Model-based drug development of oncology therapeutic antibodies. Journal of Pharmacokinetics and Pharmacodynamics, 39(5), 453-469.
- Hwang, T. J., et al. (2016). Failure of Investigational Drugs in Late-Stage Clinical Development and Publication of Trial Results. JAMA Internal Medicine, 176(12), 1826-1833.
- Milligan, P. A., et al. (2013). Model-based drug development: a rational approach to efficiently accelerate drug development. Clinical Pharmacology & Therapeutics, 93(6), 502-514.
- Marshall, S. F., et al. (2016). Model-Informed Drug Discovery and Development: Current Industry Good Practice and Regulatory Expectations. CPT: Pharmacometrics & Systems Pharmacology, 5(2), 55-63.
- Lalonde, R. L., et al. (2007). Model-based drug development. Clinical Pharmacology & Therapeutics, 82(1), 21-32.
- Zineh, I. (2019). Quantitative Pharmacology and Model-Informed Drug Development in the Regulatory Setting. The Journal of Clinical Pharmacology, 59(S1), S5-S8.