真实世界的数据如何为罕见病研究提供动力第1部分。RWD在北美的进展

核心观点与关键数据

• 罕见疾病挑战：罕见疾病虽影响小众，但全球患者达2.63亿至4.46亿，存在巨大未满足的医疗需求和高昂的医疗支出。传统临床试验因患者群体小、地域分散、疾病认知有限等困难难以开展。
• 真实世界数据（RWD）的作用：RWD成为突破罕见疾病研究瓶颈的关键，来源包括患者登记处、电子健康记录（EHR）、基因测序（NGS）等“组学”数据。RWD有助于理解疾病流行病学、识别药物靶点和生物标志物、设计临床试验和招募患者。
• 北美RWD应用现状：美国和加拿大拥有成熟的EHR基础设施和互操作性标准，推动RWD应用。美国《孤儿药法案》和NORD等框架加速罕见病药物研发。EHR数据成为重要资源，隐私法规相对宽松。

关键案例与进展

• ICGG Gaucher登记处：包含54个国家约280个研究点的6,900名患者，支持47篇同行评审出版物。
• Skyclarys获批：FDA基于开放标签自然史扩展试验数据批准Skyclarys（奥马洛酮）治疗弗里德里希共济失调症，成为RWD支持罕见病药物获批的里程碑，并获EMA基于相同数据的批准。
• Parexel与Invitae合作：利用去识别化基因和临床数据加速生物标志物发现、识别合适的试验人群，并改进可行性评估。

AI在罕见病研究中的应用前景

• AI驱动的RWD模型：预计到2030年，AI将缩短罕见病诊断时间、实现症状前患者招募、用数字孪生替代试验对照组，并加速基于真实世界数据和高预测分析能力的药物审批。
• AI应用案例：Volv Global利用AI检测未诊断和误诊的罕见病患者；Unlearn利用AI平台创建罕见病患者的数字孪生，用于临床试验。
• 监管挑战与机遇：FDA鼓励创新但受限于传统先例。罕见病研究被视为建立基于AI和预测分析的监管审批先例的理想领域。

未来展望

• AI赋能的临床开发：以亨廷顿病为例，展示了AI进行预测诊断、症状前招募、数字孪生对照和基于高质量RWD数据加速审批的未来图景。
• 技术驱动变革：需要测试和验证AI驱动模型，罕见病研究将率先实现突破，随后推广至乳腺癌等数据量大的疾病。关键在于建立首个基于这些先进方法的监管批准先例，从而推动广泛应用。
• 策略转变：未来将从谨慎渐进转向动态、数据驱动的策略，快速响应罕见病患者需求。