Клиническое направление исследований: от пробирок к цифре

Между лабораторной гипотезой и назначением лекарства пациенту проходит длинная цепочка: доклинические испытания, фазы I–III, регистрационная оценка, а затем пострегистрационный фармаконадзор. На каждом этапе проверяют не только эффективность молекулы, но и качество данных, безопасность процедур и способность системы вовремя заметить проблему.

Сегодня эта цепочка быстро меняется. Бумажные формы уступают место электронным регистрационным картам, визиты в клинике дополняются телемедициной, а данные с носимых устройств попадают в аналитические платформы почти в реальном времени. Но цифровой интерфейс сам по себе не делает исследование научным или безопасным. Он лишь помогает точнее пройти путь от пробирки к доказательству, если за ним стоят корректный протокол, подготовленные специалисты и соблюдение надлежащей клинической практики.

Фундамент доказательной медицины: от пробирок к живым организмам

Любое новое лекарство сначала проходит доклинический этап. Исследователи изучают его свойства in vitro — на клеточных культурах, биологических образцах и других лабораторных моделях, — а затем in vivo, используя подходящие экспериментальные модели. На этом этапе оценивают предполагаемый механизм действия, токсичность, распределение вещества в организме и возможные риски для будущих участников.

Доклинические испытания не могут доказать, что препарат будет эффективен и безопасен для человека. Их задача скромнее и одновременно принципиальнее: не допустить перехода к клиническим испытаниям кандидатов с очевидно неприемлемым профилем. Если молекула не показывает нужного эффекта в лаборатории или демонстрирует токсичность, исследование прекращается до привлечения добровольцев.

Результаты доклинической работы становятся частью регистрационного досье и пакета документов для получения разрешения на клиническое исследование. Регуляторы оценивают воспроизводимость результатов, полноту описания методик, данные о фармакокинетике и токсикологии. Важную роль играют требования GLP (Good Laboratory Practice — надлежащая лабораторная практика): они задают правила организации исследований, ведения записей, работы с образцами и контроля качества.

После получения разрешения начинается уже собственно клиническое направление исследований — работа с людьми. Классическая последовательность выглядит так:

• Фаза I обычно проводится с участием небольшого числа добровольцев или пациентов, в зависимости от типа препарата и заболевания. Основной вопрос — как организм переносит исследуемое средство, какие дозы допустимы и как препарат всасывается, распределяется и выводится.
• Фаза II позволяет изучить предварительную эффективность у пациентов с соответствующим заболеванием и уточнить режим дозирования. Одновременно продолжается сбор информации о нежелательных явлениях.
• Фаза III охватывает более широкую группу участников. Здесь препарат сравнивают с плацебо, стандартной терапией или другим контрольным подходом, чтобы получить убедительные данные для регистрационного решения.
• Фаза IV начинается после выхода препарата на рынок. Она нужна для долгосрочного наблюдения, выявления редких нежелательных реакций и оценки применения лекарства в обычной медицинской практике.

Такой порядок не означает, что каждая разработка движется по одной и той же схеме без исключений. Протоколы клинических исследований могут предусматривать адаптивные решения, промежуточный анализ или объединение отдельных этапов. Но изменение дизайна не отменяет главного: каждый переход должен быть обоснован данными и согласован с регуляторными требованиями.

Цифровизация доклинического этапа не отменила лабораторные журналы, контроль образцов и работу с экспериментальными моделями. Она добавила к ним LIMS (Laboratory Information Management System — информационную систему управления лабораторными данными). Такая система помогает связывать результаты анализов, сведения об образцах и версии методик, а затем передавать структурированные данные в последующие рабочие процессы.

Доклинический этап — не формальность перед испытаниями на людях. Это первый фильтр, который должен остановить слабого кандидата до того, как риск перейдёт к участникам исследования.

Безопасность новых лекарств формируется не одним тестом и не одной системой. Она складывается из последовательных проверок: от лабораторной токсикологии до фармаконадзора после регистрации. Ошибка на раннем этапе может исказить последующие выводы, поэтому важны не только сами результаты, но и то, как они получены, зафиксированы и проверены.

Эволюция сбора данных: переход от бумажных протоколов к EDC и eCRF

Клиническое исследование строится вокруг протокола. В нём описывают, кого можно включать в исследование, какие визиты предусмотрены, какие анализы выполняются, как фиксируются исходы и по каким правилам оценивается эффективность. Раньше значительная часть этой информации существовала на бумаге: врач или координатор заполнял CRF (Case Report Form — индивидуальную регистрационную карту пациента), а затем данные вручную переносили в электронную базу.

Такая схема создавала задержку между визитом и появлением информации у исследовательской команды. Одни и те же сведения могли несколько раз переписываться, а исправления требовали дополнительных проверок. Ошибка в дате, дозировке или единице измерения способна повлиять не только на отдельную запись, но и на итоговый анализ.

EDC (Electronic Data Capture — электронный сбор данных) и eCRF изменили эту механику. Данные вносятся непосредственно в электронную форму, а система сразу применяет заложенные проверки: контролирует диапазоны, обязательные поля, последовательность визитов и логические связи между ответами. Если, например, значение не соответствует допустимому диапазону или в форме пропущен обязательный параметр, система формирует запрос на уточнение.

EDC не превращает плохой протокол в хороший. Если вопрос сформулирован некорректно, электронная форма будет собирать некорректные данные быстрее. Если сотрудник неверно трактует критерий включения, автоматическая проверка не всегда обнаружит содержательную ошибку. Поэтому электронный сбор данных требует обучения пользователей, валидации системы и понятного распределения ответственности между спонсором, исследовательским центром и поставщиком платформы.

Особое значение имеет аудиторский след. В клиническом исследовании нельзя просто заменить ошибочную запись так, чтобы от первоначального значения ничего не осталось. Система должна хранить историю изменений, данные о времени корректировки и пользователе, который её внес. Это важно для мониторинга, аудита и последующей оценки достоверности результатов.

Электронные данные также меняют работу мониторов. Вместо регулярной проверки всех записей на площадке команда может использовать централизованный мониторинг и удалённый анализ отклонений. Это не отменяет визитов и проверки первичной документации, но позволяет направлять внимание туда, где риск выше: на необычные значения, повторяющиеся нарушения протокола или задержки в предоставлении информации.

Децентрализованные клинические исследования как новый стандарт

DCT (Decentralized Clinical Trials — децентрализованные клинические исследования) переносят часть процедур из исследовательского центра ближе к участнику. Речь не обязательно идёт о полностью дистанционном проекте. На практике чаще используется гибридная модель: критически важные процедуры выполняются очно, а часть анкет, наблюдений и контрольных контактов проводится удалённо.

В инструментарий DCT входят:

• eConsent — электронное информированное согласие с подтверждением личности, контролем версии документа и фиксацией факта ознакомления;
• ePRO — электронные опросники, в которых пациент сообщает о симптомах, самочувствии и качестве жизни;
• телемедицинские визиты — дистанционные консультации и оценка состояния, если это допускают протокол и клиническая ситуация;
• выездные процедуры — например, визит медицинского работника к участнику для забора материала или выполнения измерений;
• носимые устройства — сенсоры, глюкометры и другие приборы, которые передают отдельные показатели в исследовательскую систему;
• доставка исследуемого препарата — модель, при которой лекарство и сопутствующие материалы направляются участнику по согласованной процедуре.

Для пациента это может означать меньше поездок и более удобное участие. Для спонсора — расширение географии набора и возможность включать людей, которым трудно регулярно посещать крупный исследовательский центр. Но удобство не должно подменять контроль.

Удалённый формат требует ответа на несколько практических вопросов. Как подтверждается личность участника? Кто отвечает за обучение работе с устройством? Что происходит, если связь прервалась или данные не передались? Каким образом фиксируется приём препарата? Может ли участник получить помощь при ухудшении состояния? Как защищаются медицинские сведения при передаче между платформами?

DCT особенно чувствительны к качеству пользовательского опыта. Сложная форма ePRO, нестабильное приложение или непонятная инструкция могут привести к пропускам и систематическим ошибкам. Участник будет реже заполнять дневник не потому, что симптомов нет, а потому, что инструмент неудобен. В результате цифровая модель создаст иллюзию более частого наблюдения, хотя качество данных окажется ниже ожидаемого.

Децентрализация также не отменяет очных процедур. Скрининг, введение препарата, оценка тяжёлых нежелательных явлений и сложные диагностические манипуляции часто требуют присутствия в клинике. Конкретное распределение визитов определяется заболеванием, способом введения лекарства, профилем риска и требованиями регулятора.

DCT делает исследование доступнее, но не проще. Чем больше процедур уходит за пределы клиники, тем тщательнее нужно проектировать контроль данных, маршрутизацию помощи и защиту участника.

В основе любого формата остаются GCP (Good Clinical Practice — надлежащая клиническая практика), информированное согласие, защита персональных данных и возможность быстро сообщить о нежелательном явлении. Цифровая платформа должна поддерживать эти требования, а не использоваться как аргумент сама по себе.

Экономика eClinical: почему рынок вырастет до 35,3 млрд долларов к 2034 году

Рост рынка eClinical Solutions связан не только с тем, что фармацевтические компании заменяют бумагу электронными формами. Современное исследование собирает данные из нескольких источников: EDC, лабораторных систем, систем рандомизации и управления поставками, электронных дневников, носимых устройств и медицинских информационных систем. Чем больше источников, тем выше требования к интеграции, сопоставимости и контролю происхождения данных.

Объём мирового рынка электронных клинических решений в 2024 году оценивался в 11,1 млрд долларов США. Прогноз до 2034 года — 35,3 млрд долларов при среднегодовом темпе роста 12,1%. Эти значения показывают не просто интерес к медицинским технологиям, а перестройку операционной модели отрасли.

На спрос влияют несколько факторов.

1. Сложность протоколов растёт. Таргетные препараты и подходы precision medicine требуют отбора пациентов по биомаркерам, работы с несколькими подгруппами и более детального анализа. Электронная система помогает управлять версиями протокола, визитами и наборами данных, но требует грамотной настройки.

2. Участники ожидают более гибкого формата. Для человека с хроническим заболеванием регулярные поездки в клинику могут стать существенным барьером. Удалённые контакты и домашние измерения способны снизить нагрузку, если они клинически оправданы и технически надёжны.

3. Регуляторные требования к данным становятся строже. Недостаточно представить итоговую таблицу. Нужно показать, откуда взялось значение, кто его внёс, какие изменения происходили и каким образом система защищала данные от несанкционированного вмешательства.

4. Спонсоры стремятся раньше видеть отклонения. Задержка в несколько недель может повлиять на набор, поставки препарата, работу площадки и оценку безопасности. Чем раньше команда замечает проблему, тем меньше вероятность, что она распространится на значительную часть исследования.

При этом электронная инфраструктура сама создаёт расходы. Платформу нужно валидировать, интегрировать с другими системами, поддерживать, обновлять и защищать. Сотрудников приходится обучать, а изменения в протоколе — корректно отражать во всех связанных формах и процессах. Поэтому экономический эффект нельзя сводить к простому сравнению стоимости бумаги и лицензии на программное обеспечение.

Рынок растёт там, где eClinical-инструменты сокращают число ручных операций и одновременно повышают прозрачность исследования. Если же компания получает несколько изолированных платформ, дублирующий ввод и несогласованные справочники, цифровизация добавляет сложности вместо того, чтобы её убрать.

Аналитика данных и роль self-service решений в работе фармкомпаний

В клиническом исследовании важен не только объём собранных данных, но и скорость, с которой команда может понять их смысл. Спонсору нужно видеть темп набора, распределение участников по площадкам, пропуски визитов, отклонения от протокола и сигналы безопасности. Исследовательскому центру — быстро получать запросы и исправлять ошибки. Медицинской команде — отличать реальное изменение состояния пациента от технического сбоя или неполной записи.

Self-service аналитика позволяет клиническим и операционным специалистам самостоятельно работать с визуализациями, фильтрами и заранее определёнными показателями без постоянной передачи каждой задачи программистам. Это не означает свободное редактирование регуляторного анализа или отказ от биостатистики. Речь идёт о доступе к оперативной информации в пределах утверждённых ролей и правил.

Практическая ценность self-service особенно заметна в нескольких сценариях:

• команда видит, какие исследовательские центры отстают по набору и где проблема связана не с числом пациентов, а с задержками в регистрации данных;
• медицинский мониторинг может быстрее изучить необычное сочетание симптомов или лабораторных значений;
• менеджеры получают единый обзор статуса исследования вместо ручного сведения файлов из разных источников;
• специалисты по качеству отслеживают повторяющиеся отклонения и оценивают, на каких площадках требуется дополнительное обучение;
• руководители принимают решения на основе актуальной информации, а не отчёта, подготовленного через несколько недель.

В исследовании Tufts CSDD 2019 года, в котором участвовали более 140 фармацевтических и биотехнологических компаний, 90% респондентов назвали self-service аналитику важной для работы с множественными источниками и растущим объёмом клинических данных. Такой результат отражает очевидную проблему: данных становится больше, а время на реакцию сокращается.

Но у self-service есть границы. Операционная панель и финальный статистический отчёт — разные продукты с разными требованиями. Регуляторный анализ строится по заранее утверждённому SAP (Statistical Analysis Plan — план статистического анализа), проходит проверку программ, контроль версий и документирование всех решений. Визуализация для рабочей команды может измениться быстрее, однако её происхождение и логика расчёта всё равно должны быть понятны.

Важен и вопрос доступа. В клиническом исследовании разные пользователи не должны видеть больше, чем необходимо для их роли. Анонимизация, разграничение прав, шифрование и журналирование действий относятся не к дополнительным функциям, а к базовым условиям работы с медицинскими данными.

Что цифровизация меняет в клиническом направлении исследований

Переход от пробирок к цифре не является заменой одного этапа другим. Лабораторная модель, клинический протокол, работа врача, контроль регулятора и последующее наблюдение соединяются в единую систему. Цифровые инструменты делают эту систему более связной, но не убирают биологическую неопределённость.

Меняется прежде всего скорость обращения данных:

• результаты лабораторных и инструментальных исследований быстрее становятся доступными команде;
• отклонения от протокола можно обнаружить до закрытия базы;
• участник получает больше вариантов взаимодействия с исследовательским центром;
• мониторинг частично переносится с регулярных выездов на анализ данных и оценку рисков;
• сведения из разных источников можно сопоставлять в единой аналитической среде.

Одновременно повышается цена ошибок в архитектуре исследования. Если не согласованы идентификаторы участника, единицы измерения или сроки передачи данных, автоматизация будет масштабировать несогласованность. Если протокол перегружен необязательными процедурами, цифровой интерфейс не сделает его удобнее для пациента. Если поставщик не объясняет, где хранятся данные и как формируется аудиторский след, красивый дашборд не заменяет надёжную инфраструктуру.

Поэтому оценивать современные клинические исследования нужно не по числу приложений и датчиков. В центре остаются три вопроса: насколько корректно поставлена научная задача, защищён ли участник и можно ли доверять данным, на которых будет основано решение о препарате.

Клиническое направление исследований действительно движется от пробирок к цифре. Но цифровая часть начинается не с приложения и не заканчивается электронной формой. Она проходит через весь жизненный цикл разработки: от фиксации доклинических результатов и настройки протокола до анализа нежелательных явлений после регистрации. В этой системе технология ценна только тогда, когда помогает сохранить научную строгость, снизить операционные ошибки и быстрее заметить риск для пациента.