Фарма меняет логику клинических исследований: анализ реального «пути пациента» превращается в ключевой инструмент снижения рисков провала набора
 |
| Протокол КИ без привязки к реальному пути пациента — это инвестиция в «фантомную популяцию», обрекающая проект на дорогостоящие правки и срыв сроков. |
Исторические данные больше не работают
Традиционная модель планирования клинических исследований строится на исторической статистике: где раньше быстро набирали пациентов, там и запускают новые исследования. Генеральный директор Maya Zlatanova из FindMeCure указывает, что эта логика игнорирует ключевой фактор — динамику стандартов лечения. За несколько лет клинический ландшафт может радикально измениться.
Классический пример — феномен «дрейфа стандарта терапии». Если в момент старого исследования препарат еще не был доступен, пациенты активно шли в клинические испытания. Но после появления и возмещения терапии набор резко падает: пациенты выбирают стандартное лечение. В результате исторические показатели рекрутинга превращаются в ложный ориентир.
Система Patient Journey Intelligence отслеживает не только одобрение лекарств, но и реальные параметры доступа: возмещение, клинические рекомендации, фактические назначения врачами и поведение пациентов. Это позволяет прогнозировать набор пациентов на уровне страны еще до запуска исследования.
Одобрение препарата не означает доступность
Одна из самых дорогих ошибок планирования — предположение, что одобренный препарат автоматически доступен пациентам. В реальности между регистрацией и реальным применением находится целая цепочка фильтров: оценки HTA, решения страховых фондов и ограничения возмещения.
Например, препарат может быть зарегистрирован для лечения рака легкого, но система возмещения может ограничить оплату только пациентами с метастатическим NSCLC. Если протокол исследования требует пациентов, ранее получавших эту терапию, но она не покрывается страховкой, нужной популяции фактически не существует.
Такие несоответствия становятся главной причиной провалов рекрутинга. По данным Tufts Center for the Study of Drug Development, именно ошибки в критериях включения и исключения формируют значительную долю изменений протоколов клинических исследований.
Ловушка идеального протокола для несуществующих пациентов
Еще один системный сбой разработки — создание протоколов для теоретического пациента. Генеральный директор Maya Zlatanova из FindMeCure описывает это явление как проблему «Unicorn Patient»: критерии включения формируются научно корректно, но в реальной клинической практике пациенты с такой комбинацией характеристик практически не встречаются.
Типичный пример — исследования, требующие пациентов с третьей линией терапии рака поджелудочной железы после неудачи лечения pembrolizumab. Но такая популяция существует только в странах, где этот препарат реально применяется на ранних линиях терапии.
Без анализа последовательности лечения, доступности препаратов и маршрутов пациентов протоколы создают популяции, которые невозможно найти.
Операционные «узкие места» клинических исследований
Patient Journey Intelligence выявляет не только терапевтические, но и логистические барьеры набора пациентов. В некоторых странах пациенты с хроническими заболеваниями лечатся преимущественно у врачей общей практики, а не у профильных специалистов.
Если исследование открывается только в специализированных центрах без системы направления пациентов, рекрутинг проваливается — пациенты просто не попадают в нужные клиники.
Другой фактор — временное окно между диагнозом и началом лечения. Если стандарт терапии начинается через 2–3 недели после постановки диагноза, у исследователей физически нет времени на скрининг и получение информированного согласия пациента.
Пациентская экономика клинических исследований
В ряде случаев на участие в исследованиях влияет не медицинская логика, а бытовая экономика пациента. Один из крупных фармспонсоров описал кейс с исследованиями генной терапии гемофилии. До появления нового препарата пациенты были готовы участвовать в рискованных испытаниях. После выхода удобной терапии пациенты начали массово отказываться: заболевание стало «достаточно контролируемым».
Этот фактор радикально меняет мотивацию участия в исследованиях и должен учитываться на этапе дизайна протокола.
Новый KPI клинических операций
Ключевой вывод, который делает Генеральный директор Maya Zlatanova из FindMeCure: данные о пути пациента уже существуют внутри фармкомпаний, но часто остаются изолированы. Команды маркетинга и market access анализируют маршруты пациентов перед запуском препарата, однако клинические подразделения редко используют эти данные при проектировании исследований.
В мировой практике начинается интеграция этих аналитических массивов. Например, компании Real Chemistry и WhizAI развивают аналитические платформы для картирования пути пациента и прогнозирования поведения участников исследований, используя real-world data и генеративный AI.
Параллельно фармкомпании внедряют более широкую концепцию patient-driven разработки. В Roche заявляли, что традиционная «patient centricity» должна эволюционировать в модель постоянного партнерства с пациентами при разработке лекарств.
Стратегический вывод для руководителей фармы
Клинические исследования становятся операционной задачей управления системами здравоохранения, а не только биостатистикой. Patient Journey Intelligence превращается в новый стандарт планирования НИОКР: он определяет страны запуска, критерии включения пациентов и реальную вероятность рекрутинга.
Жесткий вывод для топ-менеджмента фармкомпаний: без интеграции данных о реальном пути пациента протоколы будут продолжать создавать «идеальных пациентов», которых невозможно найти. В индустрии, где каждый месяц задержки разработки может стоить сотни миллионов долларов будущих продаж, игнорирование этой аналитики превращается в стратегическую ошибку.