DE112012001902T5

DE112012001902T5 - Vorrichtung, System und Verfahren zur Beurteilung der Wirksamkeit von Arzneistoffen anhand holistischer Analyse und Visualisierung von pharmakologischen Daten

Info

Publication number: DE112012001902T5
Application number: DE112012001902.4T
Authority: DE
Inventors: Zhongmin Lin; Gopal B. Avinash; Rick Wascher; Ananth Mohan
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2011-04-28
Filing date: 2012-04-27
Publication date: 2014-02-06
Also published as: CN103635907A; US20120078521A1; US20140195170A1; WO2012149380A1; JP2014519076A; EP2702521A1

Abstract

Bestimmte Beispiele schaffen Systeme und Verfahren zur holistischen Betrachtung, um eine vergleichende Analyse und Entscheidungshilfe in einem Arzneistoffentwicklungsprozess zu liefern. Ein Beispiel für ein Verfahren beinhaltet ein computerimplementiertes Verfahren zur Beurteilung der Wirksamkeit eines Arzneistoffs, das umfasst: Zugreifen auf einen ersten Datensatz, der mit der Leistung eines in Frage stehenden Arzneistoffs für eine bestimmte Indikation in Beziehung steht; Zugreifen auf einen zweiten Datensatz, der eine Kontrolle für die Indikation betrifft; Vergleichen der Daten für den in Frage stehenden Arzneistoff und der Daten für die Kontrolle auf mindestens einer von einer Mehrzahl verschiedener Metriken unter Verwendung einer holistischen Analyse, wobei die mindestens eine Metrik einem Ergebnis entspricht, das mit der Indikation assoziiert ist, und Erzeugen eines entsprechenden Berichts. Ein Beispiel für eine Vorrichtung/ein System beinhaltet ein holistisches Analyse- und Betrachtungssystem, mit dem die Beurteilung der Wirksamkeit eines Arzneistoffs unterstützt werden soll, wobei das System aufweist: einen Standardisierer, um Daten in Bezug auf die Arzneistoffentwicklung zu standardisieren und/oder zu normalisieren; einen Abweichungsanalysator, um die Daten auf Basis von mindestens einer aus einer Mehrzahl von unterschiedlichen Wirksamkeitsmetriken zu analysieren, wobei eine quantifizierte Variation in einem ersten Ergebnisdatensatz einem identifizierten Target-Arzneistoff entspricht, und in einem zweiten Ergebnisdatensatz einer Kontrolle entspricht, wobei der erste Ergebnisdatensatz zum Vergleich mit dem zweiten Ergebnisdatensatz bereitgestellt wird und die Abweichung zwischen beiden mit der mindestens einen Wirksamkeitsmetrik verglichen wird.

Description

HINTERGRUND
Die Entwicklung von pharmazeutischen Arzneistoffen beinhaltet eine erhebliche Anfangsinvestition für einen langen Entwicklungs- und Testzyklus, der zu einer neuen Verbindung führt, die zwei bis zwölf Jahre nach ihrer Entdeckung auf den Markt kommt. Die Entwicklung von Arzneistoffen beinhaltet typischerweise eine Mehrzahl von Phasen wie eine sondierende Forschung, eine Erforschungsphase, eine vorklinische Erforschungs- und Entwicklungsphase, eine klinische Erforschungs- und Entwicklungsphase, eine Produktregistrierungs- und Produktzulassungsphase und (möglicherweise) eine Post-Marketing-Phase, wenn die Verbindung bereits im Handel erhältlich ist.
Die Entwicklung von Arzneistoffen beinhaltet eine große Menge an Daten und die Analyse und Bewertung der Wirkung einer Verbindung auf einen Probanden in vorklinischen Studien und klinischen Prüfungen. Es kann sein, dass mehrere Proben von Bevölkerungsgruppen und/oder Wechselwirkungen unter verschiedenen Bedingungen getestet werden. Resultierende vorklinische und klinische Daten werden in einen Antrag auf Zulassung eines neuen Arzneistoffs (NDA) integriert, welcher einer Regulierungsbehörde vorgelegt wird, beispielsweise der Food and Drug Administration (FDA).
Im Allgemeinen kann man die „Entdeckung” und die Vermarktung von Arzneistoffprodukten wie folgt zusammenfassen: (Die verschiedenen Zwischenüberschriften sollen definierbare Schritte oder Aspekte des Gesamtverfahrens vorschlagen oder aber angeben.)
Sondierungsforschung – Identifizierung von Treffern
Die Hypothese wird anhand von biochemischen Verfahren und in-vivo-Tests validiert, um sicherzustellen, dass der wissenschaftliche Ansatz für die Krankheit relevant ist, die im Mittelpunkt steht. Die relevante Biologie wird untersucht, und es werden Arzneistoff-Ausgangspunkte identifiziert.
Erforschungsphase – Leitentdeckung und Leitoptimierung
Die am Anfang stehenden Moleküle werden weiter in einem größeren Rahmen biochemischer oder anderer Modelle getestet, um nachzuweisen, dass die Leitverbindungen Arzneistoffpotential haben. Die Leitmoleküle werden ferner optimiert und charakterisiert, um zu bestimmen, wie der bestmögliche in Frage kommende Arzneistoff hergestellt werden könnte. Während dieser Zeit können Tiermodelle entwickelt werden, welche die Krankheit beim Menschen so nahe wie möglich reflektieren, um die Verbindung zu testen.
Vorklinische Phase – Herstellung
Herstellung.
Der Herstellungsprozess für den neuen Arzneistoff wird initiiert und entwickelt, um diesen in Mengen herzustellen, die für die Zwecke von vorklinischen Tests und die klinische Erprobung ausreichen. Der neue Arzneistoff muss produktionsreif sein, bevor die Erprobung im Rahmen der Phase III beginnt. Diese Phase dauert während der gesamten Entwicklung an.
Vorklinische Entwicklung
Die vorklinische Entwicklung beginnt bevor die klinische Erprobung oder Tests an Menschen beginnen, und in ihrem Verlauf werden wichtige Daten in Bezug auf Sicherheit und Pharmakologie gesammelt. Die Hauptziele von vorklinischen Studien bestehen in der Bestimmung der Pharmakodynamik, der Pharmakokinetik, der ADME und der Toxizität des neuen Arzneistoffs anhand von Blut und Gewebe. Die vorklinische Entwicklung kann fortgesetzt werden, während der neue Arzneistoff die klinische Erprobung durchläuft.
Antrag auf Zulassung eines neuen Arzneistoffs zur Prüfung
Ein Antrag auf Zulassung eines IND wird bei der FDA, EMEA und/oder bei anderen Regulierungsbehörden gestellt, um eine Erlaubnis zur Verabreichung eines neuen Arzneistoffs an Menschen im Rahmen der klinischen Erprobung zu erhalten.
Klinische Entwicklung
Phase I
Eine Erprobung im Rahmen der Phase I wird in erster Linie durchgeführt, um die Wirkungsweise des neuen Arzneistoffs beim Menschen und sein Sicherheitsprofil zu bestimmen und um seinen Dosierungsbereich voraussagen zu können. Typischerweise sind daran zwischen fünfzig und einhundert gesunde Freiwillige beteiligt. Es kann sein, dass eine Pre-Marketing-Strategie bereits während der Erprobung im Rahmen der Phase I begonnen wird, um sicherzustellen, dass die Bedürfnisse des Marktes in die gesamte Entwicklung des neuen Arzneistoffs einbezogen werden, aber es ist üblicher, dass dies während der späteren Phasen stattfindet, wenn auf internationalen Symposien mit klinischen Ergebnissen geworben wird, um die Aufmerksamkeit von Medizinern zu wecken, die das neue Produkt schließlich verschreiben werden. Vertriebskräfte werden geschult und starten eine intensive Verkaufs- und Marketing-Kampagne bereits vor der Markteinführung.
Phase II
Die Erprobung im Rahmen der Phase II testet die Wirksamkeit sowie die Sicherheit und die Nebenwirkungen an einer Gruppe von einhundert bis dreihundert Patienten mit der Kondition bzw. den Beschwerden, gegen die der neue Arzneistoff entwickelt wird.
Phase III
An der Erprobung im Rahmen der Phase III ist eine wesentlich größere Gruppe von Patienten beteiligt, nämlich mehrere Hundert bis mehrere Tausend, um besser bestimmen zu können, ob der neue Arzneistoff als sowohl sicher als auch wirksam betrachtet werden kann. Dies beinhaltet üblicherweise eine Kontrollgruppe, die zu Vergleichszwecken eine Standardbehandlung oder ein Placebo erhält.
Produktregistrierung und -zulassung
Marketing und Markteinführung
Es kann sein, dass eine Pre-Marketing-Strategie bereits während der Erprobung im Rahmen der Phase I begonnen worden ist, um sicherzustellen, dass die Bedürfnisse des Marktes in die gesamte Entwicklung des neuen Arzneistoffs einbezogen werden, aber es ist üblicher, dass dies während der späteren Phasen stattfindet, wenn auf internationalen Symposien mit klinischen Ergebnissen geworben wird, um die Aufmerksamkeit von Medizinern zu wecken, die das neue Produkt schließlich verschreiben werden. Vertriebskräfte werden geschult und starten eine intensive Verkaufs- und Marketing-Kampagne bereits vor der Markteinführung.
Antrag auf Zulassung eines neuen Arzneistoffs (new drug application, NDA)
Wenn ein Produkt als Ergebnis der Erprobung im Rahmen der Phase III als sicher und wirksam betrachtet wird, muss es in jedem Land eigens zugelassen werden, bevor es auf den Markt gebracht werden kann. Sämtliche Daten, die über das Molekül in Erfahrung gebracht worden sind, werden gesammelt und den Zulassungsbehörden in den USA (FDA), der Europäischen Union (EMEA) und Japan (PMDA) sowie anderen Ländern vorgelegt, die eigene nationale Zulassungen verlangen können.
Erprobung im Rahmen der Phase IV
Die Erprobung im Rahmen der Phase IV wird vorgenommen, nachdem ein neuer Arzneistoff lizenziert, zugelassen und auf den Markt gebracht worden ist. Für diese Studien wird der neue Arzneistoff in einem alltäglichen medizinischen Umfeld verschrieben, wobei eine viel größere Gruppe an Teilnehmern (zwei- bis fünftausend Patienten) einbezogen wird. Dadurch können neue Möglichkeiten für die therapeutische Verwendung des neuen Arzneistoffs entwickelt werden, es können Vergleiche mit anderen Methoden der Behandlung derselben Kondition durchgeführt werden, und die klinische Wirksamkeit des neuen Arzneistoffs kann an einer größeren Vielfalt von Patiententypen bestimmt werden und es können gegebenenfalls mehr seltene Nebenwirkungen erkannt werden.
Die pharmazeutische Medizin nutzt alle wissenschaftlichen und klinischen Erkenntnisse, die von Ärzten an medizinischen Hochschulen und in der weiterführenden Ausbildung erworben werden – in Kombination mit zusätzlichen regulatorischen und ökonomischen Fähigkeiten – und bietet anspruchsvolle und lohnende Karrierechancen. Anders als die klinische Medizin ist die pharmazeutische Medizin Teil einer Industrie mit riesigen Anfangsinvestitionen, die sich erst Jahre später rentieren, wenn überhaupt. Die Entwicklung neuer Arzneistoffe ist äußerst langwierig – 2 bis 12 Jahre vergehen von der Entdeckung bis zur Markteinführung- und die Kosten sind überaus hoch. Es kostet etwa $ 1,8 Milliarden, um eine neue Verbindung auf den Markt zu bringen, und der Erfolg ist relativ begrenzt. Nur eine von 10.000 Verbindungen erlangt jemals die Marktreife. Davon bringt nur ein Drittel die Entwicklungskosten irgendwann einmal wieder herein. In der Tat ein beträchtliches Risiko! Die Entwicklung von Arzneistoffen ist ein wissenschaftliches Unterfangen, das aufgrund von berechtigten Sorgen um die Gesundheit der Bevölkerung stark reguliert wird. Daher besteht ein Bedarf an einem Verfahren und einer Vorrichtung, mit denen der gesamte Prozess verschlankt werden kann und in jedem Stadium reproduzierbare und zuverlässige Ergebnisse möglich sind. Die vorliegende Erfindung trägt dazu bei, diese Möglichkeit zu schaffen.
Die vorklinische Phase beinhaltet Labor(in vitro)-Tests und anschließend Tierversuche, welche die Kinetik, die Toxizität und die Karzinogenität einbeziehen. In den USA wird ein neu angemeldeter Arzneistoff (IND), der untersucht werden soll, der Food and Drug Administration vorgelegt, um eine Erlaubnis zum Start des stark regulierten Prozesses der klinischen Erprobung an menschlichen Probanden zu erhalten. Die Phase der klinischen Erforschung (IND) – die die Zeit ab dem Beginn der Erprobung am Menschen bis zum Antrag auf Zulassung des neuen Arzneistoffs, mit dem eine Erlaubnis zur Vermarktung des Arzneistoffs beantragt wird, darstellt – ist bei weitem der längste Abschnitt des Arzneistoff-Entwicklungszyklus und kann 2 bis 10 Jahre dauern.
Die Erprobung im Rahmen der Phase I, manchmal auch als „erstmals am Menschen” durchgeführte Erprobung bezeichnen, wird im Allgemeinen an relativ kleinen Gruppen von (typischerweise 10 bis 30) gesunden Freiwilligen in spezialisierten Einrichtungen mit 20 bis 50 überwachten Betten, die kleinen Kliniken ähneln, durchgeführt (außer im Fall von onkologischen Arzneistoffen oder anderen möglicherweise toxischen Verbindungen). Der „am Patienten durchgeführte” Teil der Erprobung im Rahmen der Phase I dauert üblicherweise ein bis zwei Tage bis zu einer Woche (jedoch kann die Nachüberwachung bis zu einem Monat dauern) und ist dafür ausgelegt, die Sicherheit einer Verbindung zu beurteilen und ihre Pharmakokinetik (Pk – was mit dem Arzneistoff im Körper passiert) und Pharmakodynamik (Pd – was der Arzneistoff mit dem Körper macht) zu untersuchen.
In manchen Fällen kann sich der Metabolismus des Menschen deutlich von dem von Tieren unterscheiden, so dass ein Arzneistoff, der bei Hunden eine Halbwertszeit von nur wenigen Stunden hat, beim Menschen eine Halbwertszeit von mehreren Tagen zeigt, oder es kann sein, dass eine Verbindung, die bei Tieren nicht toxisch ist, beim Menschen zu einer Erhöhung der Leberfunktion oder einer Verlängerung des QT-Intervalls führt. Eine ungefähre Vorstellung von der sicheren oder tolerierbaren höchsten Dosis sowie ein allgemeines Nebenwirkungsprofil werden während der Erprobung im Rahmen der Phase I erhalten.
Viele Verbindungen kommen nie über die Phase I hinaus, da festgestellt wird, dass sie unannehmbare Nebenwirkungen haben. Wenn eine Verbindung sich als sicher für gesunde Probanden erwiesen und die Phase I überstanden hat, schreitet die Entwicklung zu einer Reihe von Prüfungen im Rahmen der Phase II fort. An diesen Prüfungen sind typischerweise etwa 20 oder 30 Patienten bis zu höchstens einige hundert beteiligt. Diese Patienten weisen üblicherweise eine relativ „reine” Form der Krankheit auf, auf die der Arzneistoff abzielt. Anders ausgedrückt leiden sie so wenig wie möglich an anderen gleichzeitig auftretenden Krankheiten, und die Liste von Medikamenten, die sie gleichzeitig einnehmen dürfen, ist üblicherweise beschränkt. Zum Beispiel würden Patienten mit neu diagnostiziertem, noch unbehandeltem Diabetes ohne Anzeichen für Endorganschädigungen herangezogen, um einen neuen Wirkstoff gegen Diabetes zu testen.
Die Erprobung im Rahmen der Phase II dauert wenige Wochen bis höchstens einige Monate. Die ersten Untersuchungen im Rahmen der Phase II (manchmal als IIa bezeichnet), sind Pilotversuche, mit denen Dosierungsbereiche bestimmt werden. Sie werden normalerweise in spezialisierten Zentren, wie universitären medizinischen Zentren, von spezialisierten Forschern, beispielsweise einer medizinischen Hochschulfakultät, durchgeführt. Die anschließende Erprobung der Phase II (häufig als IIb bezeichnet) zielt auf die Gewinnung von Erkenntnissen über die Dosis-Antwort-Beziehungen, die Sicherheit und erstmals auch die Wirksamkeit der Verbindung, mit der die zu bekämpfende Krankheit oder Kondition behandelt werden soll.
Arzneistoffwechselwirkungen werden während der Phase II ebenfalls sorgfältig untersucht, ebenso wie Pk und Pd in erkrankten Patienten, die sich manchmal von dem, das bei gesunden Freiwilligen beobachtet wird, deutlich unterscheiden. Die Phase II kann einige wenige und bis zu 20 oder mehr klinische Prüfungen beinhalten, und das „Aus” für die Entwicklung kann nach jeder einzelnen davon kommen – was auch häufig der Fall ist. Wiederum unter der Voraussetzung, dass der Arzneistoff ausreichende Hinweise auf seine Wirksamkeit liefert und keine erheblichen Sicherheitsbedenken hervorruft – unabhängig davon, ob sich diese rein auf Wirkungen des Arzneistoffs oder auf Wechselwirkungen des Arzneistoffs gründen – wird dann eine Entscheidung darüber getroffen, ob zur Phase III übergegangen werden soll oder nicht.
Die Phase III ist dann der „Praxistest”. Mindestens zwei Schlüsselstudien im Rahmen der Phase III, mit denen die Wirksamkeit und die Sicherheit an einer großen Anzahl von Patienten demonstriert wird, was spezielle Bevölkerungsgruppen mit allen Formen der zu behandelnden Krankheit oder Kondition, die mehrere andere Medikamente einnehmen können, einschließt, sind für eine Zulassung in den USA erforderlich. Es gibt nur wenige Arzneistoffe, die aufgrund von Daten aus weniger als zwei Schlüsselstudien zugelassen worden sind, und in diesen Fällen sind generell Post-Marketing-Verpflichtungen zum Nachweisen der Sicherheit und der Wirksamkeit nach der Markteinführung erforderlich. Diese Studien sind randomisiert, üblicherweise Placebo-kontrolliert (es sei denn, die Verwendung eines Placebos wäre unethisch) und beinhalten häufig einen Vergleichswirkstoff. Sie werden weltweit von weniger spezialisierten Forschern durchgeführt. Tausende von Patienten können teilnehmen, und jede dieser Studien kann einem Auftraggeber $ 50 Millionen bis $ 100 Millionen kosten. Außer den zwei erfolgreichen Schlüsselstudien im Rahmen der Phase III, die nötig sind, bevor ein NDA zur Zulassung angemeldet werden kann, werden von den Regulierungsbehörden üblicherweise weitere spezielle Studien im Verlauf der klinischen IND-Entwicklungsperiode, welche die Phasen I bis III umfasst, gefordert.
Einige wenige Beispiele für spezielle Studien würden folgendes bewerten: Bestimmte Bevölkerungsgruppen, Niereninsuffizienz, Leberinsuffizienz, Ältere gegenüber Jüngeren, Frauen in der Stillphase und andere/Beispiele für Wechselwirkungen sind: Nahrungsmittel oder Getränke, andere Arzneistoffe, die bei derselben Indikation verwendet werden, Arzneistoffe, die in den Metabolismus oder die Proteinbindung eingreifen, Arzneistoffe oder Substanzen, die eine pharmakodynamische Reaktion modifizieren (z. B. Alkohol, Beruhigungsmittel), Arzneistoffe oder Substanzen, die eine kardiale Repolarisation verzögern, d. h. ein QT-Intervall verlängern (derzeit ein „rotes Tuch” für die FDA, nachdem mehrere Arzneistoffe aufgrund von Sicherheitsbedenken zurückgenommen wurden). Ebenso gehören zu Beispiele für „spezielle Konditionen”: Auswirkungen auf die Fahrtüchtigkeit oder die Fähigkeit, Maschinen zu bedienen, Auswirkungen auf die Durchführung von Aktivitäten, die Wachheit oder Konzentrationsvermögen verlangen, Auswirkungen auf psychometrische oder physiologische Tests, Auswirkungen abrupter Arzneimittelabsetzung. Einige Beispiele für „spezielle Toxizitäten” sind: Okular, Onkotoxizität, Rhabdomyolysis, Allergie/Anaphylaxe, Hormonell (z. B. Prolaktin), Kardiovaskulär (QT-Verzögerung), Abhängigkeitspotential usw.
Wenn die Schlüsselstudien die Wirksamkeit (üblicherweise dadurch, dass sie einen vordefinierten statistischen „p-Wert” für einen primären Wirksamkeitszielpunkt erreichen oder übertreffen) und die Sicherheit belegen und keine von den speziellen Studien, die von Regulierungsbehörden verlangt werden, irgendwelche ernsten Probleme aufdeckt, werden alle Daten – vorklinische und klinische – zu einem NDA zur Vorlage bei den Regulierungsbehörden zusammengestellt.
Der NDA beinhaltet eine integrierte Zusammenfassung der Wirksamkeit (ISE) und der Sicherheit (ISS). Es ist nicht unüblich, dass ein NDA mehrere hunderttausend Seiten umfasst und der FDA in einem oder mehreren großen Lastwagen zur Durchsicht und Prüfung vorgelegt wird. Bei der Bewertung eines NDA achten die Regulierungsbehörden auf folgendes: Validität von Schlüsselstudien, Reproduzierbarkeit von Schlüsselstudien (Konsistenz zwischen mehreren Studien), Verallgemeinerbarkeit zwischen Bevölkerungsgruppen (demographische Gruppen, gleichzeitig eingenommene Medikamente, gleichzeitig auftretende Krankheiten, geographische Regionen und sogar kulturelle Gruppen), Nachweis von vertretbaren Dosierungen und Erstellung von Dosierungsvorgaben, klinische Relevanz von Wirksamkeitsergebnissen, klinische Bedeutung von Sicherheitsprofilen (im Kontext der Schwere des behandelten Zustands), allgemeine Nützlichkeit des Arzneistoffs (Risiko/Nutzen-Verhältnis).
In den USA lässt die FDA den Arzneistoff an sich nicht zum Verkauf zu. Sie lässt die Kennzeichnung – den Beipackzettel – zu. Die Gesetze der USA verlangen, dass die Kennzeichnung wahrheitsgemäß ist, und die FDA versichert, dass ein Arzneistoff, von dem behauptet wird, dass er für die Behandlung einer bestimmten Krankheit oder Kondition sicher und wirksam ist, dies auch unter Beweis gestellt hat. Alle verschreibungspflichtigen Arzneistoffe müssen eine Kennzeichnung haben, und ohne Nachweis, dass die kennzeichnenden Angaben der Wahrheit entsprechen, darf in den USA kein Arzneistoff verkauft werden.
Die FDA braucht durchschnittlich etwa ein Jahr, oder ein paar Monate weniger oder mehr, um einen typischen, nicht beschleunigten NDA zu prüfen. Sie kann die vorgeschlagene Kennzeichnung zulassen, eine modifizierte Kennzeichnung zulassen, dem Antragsteller aufgeben, weitere spezielle oder sogar Schlüsselstudien durchzuführen, oder sie kann die Zulassung rundheraus verweigern (jedoch wird sie üblicherweise den Antragsteller vorwarnen, wenn sich dies abzeichnet, und ihm die Möglichkeit geben, den NDA zurückzuziehen). Manchmal erteilt die FDA eine bedingte Zulassung, verlangt aber weitere Post-Marketing-Studien, um bestimmte zusätzliche Fragen über die Wirksamkeit oder Sicherheit zu beantworten. Zusätzlich zu angeordneten Studien im Rahmen einer bedingten Zulassung durch die Behörde oder im Rahmen von Überwachungen nach der Markteinführung können Gründe, aus denen ein Antragsteller Post-Marketing-Studien durchführt, beispielsweise die folgenden sein: Vergleich mit Mitbewerbern (Beweis der Ebenbürtigkeit oder Überlegenheit), Hinzunahme von Bevölkerungsgruppen (pädiatrisch), Änderung der Formulierung oder der Dosierungsvorschriften (antihypertensive-diuretische Kombination, oder jederzeit neuer erweiterter Arzneistoff aus dem Markt), Beantragung einer Erweiterung der Kennzeichnung (beispielsweise einer Erweiterung der Indikation).
Auch wenn einem NDA ohne Einschränkungen stattgegeben wird, bleibt der Arzneistoffs weiter auf dem behördlichen Prüfstand. In den meisten Ländern müssen den zuständigen Zulassungsbehörden jährliche Sicherheitsberichte vorgelegt werden, solange ein Arzneistoff auf dem Markt ist, und diese Behörden überwachen die Arzneistoffsicherheit unabhängig. Wenn sich Sicherheitsbedenken einstellen, kann die FDA jederzeit verlangen, dass ein Arzneistoff vom Markt genommen wird.
Nochmal – es besteht ein Bedarf an einem Verfahren und einer Vorrichtung, mit denen der gesamte Prozess verschlankt werden kann und in jedem Stadium reproduzierbare und zuverlässige Ergebnisse möglich sind.
Die vorliegende Erfindung trägt dazu bei, diese Möglichkeit zu schaffen.
KURZFASSUNG
Bestimmte Beispiele schaffen Systeme und Verfahren zur holistischen Betrachtung, um eine vergleichende Analyse und Entscheidungshilfe in einem Arzneistoffentwicklungsprozess zu liefern. Ein Verfahrensbeispiel beinhaltet das Zugreifen auf Daten im Zusammenhang mit der Arzneistoffentwicklung; das Vorverarbeiten der Daten, um die Daten für eine Messung und Analyse vorzubereiten; und das Analysieren der Daten auf Basis mindestens einer von mehreren unterschiedlichen Metriken. Jede Metrik entspricht einer quantifizierten Variation in einem ersten Ergebnisdatensatz, der einer Kategorie im Arzneistoffentwicklungsprozess entspricht. Der erste Ergebnisdatensatz wird für einen Vergleich mit einem zweiten Ergebnisdatensatz bereitgestellt, welcher mindestens einer anderen Kategorie im Arzneistoffentwicklungsprozess entspricht. Zumindest einige von den mehreren Metriken werden zusammengefasst, um eine visuelle Darstellung zu erzeugen, die eine integrierte vergleichende Visualisierung der identifizierten Kategorie darstellt.
Ein Beispiel für ein holistisches Analyse- und Betrachtungssystem zur Unterstützung der Entwicklung von pharmazeutischen Arzneistoffen beinhaltet einen Standardisierer, einen Abweichungsanalysator und eine Ausgabe. Der Standardisierer dient dazu, Daten in Bezug auf die Arzneistoffentwicklung zu verarbeiten (z. B. zu standardisieren und/oder zu normalisieren, usw.). Der Abweichungsanalysator dient dazu, die Daten auf Basis von mindestens einer von einer Mehrzahl von verschiedenen Metriken zu analysieren. Jede Metrik entspricht einer quantifizierten Variation in einem ersten Ergebnisdatensatz, der einer identifizierten Kategorie im Arzneistoffentwicklungsprozess entspricht. Der erste Ergebnisdatensatz wird für einen Vergleich mit einem zweiten Ergebnisdatensatz bereitgestellt, welcher mindestens einer anderen identifizierten Kategorie im Arzneistoffentwicklungsprozess entspricht. Die Ausgabe dient dazu, zumindest einige von den mehreren Metriken zusammenzufassen, um eine visuelle Darstellung zu erzeugen, die eine integrierte vergleichende Visualisierung der identifizierten Kategorie darstellt. Die integrierte vergleichende Visualisierung soll einen Anwender dazu befähigen, ein Ergebnis zu betrachten, das von zumindest einigen von der Mehrzahl von verschiedenen Metriken dargestellt wird, die gemeinsam berücksichtigt werden, um einen visuellen Bericht zu erzeugen.
Ein Beispiel für ein greifbares, computerlesbares Speichermedium beinhaltet ausführbare Befehle, die anhand eines Prozesses ausgeführt werden. Wenn die Befehle ausgeführt werden, stellen sie ein holistisches Analyse- und Betrachtungssystem bereit, um einen Arzneistoffentwicklungsprozess zu unterstützen. Das System beinhaltet einen Standardisierer, einen Abweichungsanalysator und eine Ausgabe. Der Standardisierer dient dazu, Daten im Zusammenhang mit der Arzneistoffentwicklung zu verarbeiten (z. B. zu standardisieren und/oder zu normalisieren, usw.). Der Abweichungsanalysator dient dazu, die Daten auf Basis von mindestens einer von einer Mehrzahl von verschiedenen Metriken zu analysieren. Jede Metrik entspricht einer quantifizierten Variation in einem ersten Ergebnisdatensatz, der einer identifizierten Kategorie im Arzneistoffentwicklungsprozess entspricht. Der erste Ergebnisdatensatz wird für einen Vergleich mit einem zweiten Ergebnisdatensatz bereitgestellt, welcher mindestens einer anderen identifizierten Kategorie im Arzneistoffentwicklungsprozess entspricht. Die Ausgabe dient dazu, zumindest einige von den mehreren Metriken zusammenzufassen, um eine visuelle Darstellung zu erzeugen, die eine integrierte vergleichende Visualisierung der identifizierten Kategorie darstellt. Die integrierte vergleichende Visualisierung soll einen Anwender dazu befähigen, ein Ergebnis zu betrachten, das von zumindest einigen von der Mehrzahl von verschiedenen Metriken dargestellt wird, die gemeinsam berücksichtigt werden, um einen visuellen Bericht zu erzeugen.
Die vorliegende Erfindung kann auf verschiedene Weise zusammengefasst werden, unter anderem als computerimplementiertes Verfahren zur Beurteilung der Wirksamkeit eines Arzneistoffs, das umfasst: Zugreifen auf einen ersten Datensatz der die Leistung eines untersuchten bzw. Target-Arzneistoffs für eine bestimmte Indikation betrifft; Zugreifen auf einen zweiten Datensatz, der eine Kontrolle für die Indikation betrifft; Vergleichen der Daten für den Target-Arzneistoff und der Daten für die Kontrolle auf mindestens einer von einer Mehrzahl verschiedener Metriken unter Verwendung einer holistischen Analyse, wobei die mindestens eine Metrik einem Ergebnis entspricht, das mit der Indikation assoziiert ist, und Erzeugen eines entsprechenden Berichts.
Ein Satz von quantifizierten Variationsdaten kann aus dem Unterschied zwischen den ersten und zweiten Datensätzen erzeugt werden, wobei die Variationsdaten einer identifizierten Arzneistoffkategorie entsprechen. In einem bevorzugten Verfahren ist auch das Analysieren der Variation auf Basis von mindestens einer aus einer Mehrzahl von Gruppenmetriken, wobei jede Gruppenmetrik der identifizierten Arzneistoffkategorie entspricht, und das Miteinbeziehen der Variation in den Bericht gewünscht. Ebenso ist es bevorzugt, zumindest einige von der Mehrzahl von Metriken zusammenzufassen, um eine visuelle Darstellung zu erzeugen, mit der ein visueller Bericht erstellt wird.
Zumindest einige von der Mehrzahl von Gruppenmetriken können zusammengefasst werden, um eine visuelle Darstellung zu erzeugen, die einen Anwender dazu befähigt, ein Ergebnis zu betrachten, das von zumindest einigen von der Mehrzahl von unterschiedlichen Gruppenmetriken dargestellt wird, und um einen visuellen Bericht über die visuelle Darstellung zu erzeugen und einen Bericht anzuzeigen. Die Mehrzahl von Wirksamkeitsmetriken beinhaltet eine pharmakodynamische Metrik und eine pharmakokinetische Metrik, um ein klinisches Design darauf zu modellieren.
Die vorliegenden Erfindungen können auch als holistisches Analyse- und Betrachtungssystem definiert werden, mit dem die Beurteilung der Wirksamkeit eines Arzneistoffs unterstützt werden soll, wobei das System aufweist: einen Standardisierer, um Daten in Bezug auf die Arzneistoffentwicklung zu standardisieren und/oder zu normalisieren; einen Abweichungsanalysator, um die Daten auf Basis von mindestens einer aus einer Mehrzahl von unterschiedlichen Wirksamkeitsmetriken zu analysieren, wobei eine quantifizierte Variation in einem ersten Ergebnisdatensatz einem identifizierten Target-Arzneistoff entspricht, und in einem zweiten Ergebnisdatensatz einer Kontrolle entspricht, wobei der erste Ergebnisdatensatz zum Vergleich mit dem zweiten Ergebnisdatensatz bereitgestellt wird und die Abweichung zwischen beiden mit der mindestens einen Wirksamkeitsmetrik verglichen wird. Eine Ausgabe, die der Abweichung entspricht, ist bevorzugt.
Zumindest einige von der Mehrzahl von Wirksamkeitsmetriken werden verwendet, um eine visuelle Darstellung einer integrierten vergleichenden Visualisierung für die Abweichung eines Target-Arzneistoffs und einer Kontrolle in Bezug auf mindestens eine von den Wirksamkeitsmetriken zu erzeugen. Außerdem ist auch eine Anwenderschnittstelle vorgesehen, um Eingaben eines Anwenders in Bezug auf die Auswahl einer Klasse, die am besten auf die vergleichenden Visualisierungsdaten in Bezug auf die mindestens eine Wirksamkeitsmetrik passt, anzunehmen.
In einer bevorzugten Ausführungsform umfasst der zweite Ergebnisdatensatz Placebotestergebnisse, und der erste Ergebnisdatensatz umfasst Arzneistofftestergebnisse, und wobei mindestens eine von der Mehrzahl von Wirksamkeitsmetriken eine Separationsmetrik ist, um eine Trennung zwischen Placeboergebnissen und Arzneistoffergebnissen zu visualisieren. Eine oder mehrere Visualisierungszeitansichten für eine langfristige Analyse der ersten oder zweiten Datensätze ist bzw. sind erwünscht.
KURZE BESCHREIBUNG MEHRERER DARSTELLUNGEN IN DEN ZEICHNUNGEN.
1 ist ein Blockschema eines Beispiels für ein System zur Analyse normalisierter pharmazeutischer Test- oder Erprobungsdaten.
2 stellt ein Ablaufschema eines Beispiels für den Ablauf eines Data Mining und einer Lernmaschinenanalyse dar.
3 stellt ein Ablaufschema eines Beispiels für einen holistischen, betrachteraktivierten Analyseablauf dar.
4 stellt ein Ablaufschema eines Beispiels für ein Verfahren zur Arzneistoffklassifizierung anhand einer holistischen Betrachtungseinrichtung dar.
5 stellt ein Beispiel für eine generische Abbildung einer holistischen Datenklassifikationsschnittstelle dar.
6 zeigt ein mehr spezifisches Beispiel für eine Klassifikationsschnittstelle.
7 stellt ein Beispiel für eine Schnittstelle dar, mit der holistische Ansichten und ein Clustering für eine Mehrzahl von Patienten geschaffen werden
8 stellt ein Beispiel für zeitbasierte Ansichten dar, die für eine Langzeitanalyse bereitgestellt werden.
9 stellt ein Beispiel für eine pharmakokinetische Kurve unter Verwendung einer holistischen Betrachtung und Analyse dar.
10 stellt ein Beispiel für eine holistische Ansicht von Arzneistoff-Bezugsparametern über einer Mehrzahl von Testläufen anhand einer kontinuierlichen, codierten Darstellung für eine Visualisierung dar.
11 ist ein Blockschema eines Beispiels für ein Prozessorsystem, das verwendet werden kann, um die hierin beschriebenen Systeme, Vorrichtungen und Verfahren zu implementieren.
Die obige Kurzfassung sowie die folgende ausführliche Beschreibung bestimmter Ausführungsformen der vorliegenden Erfindung werden besser verständlich, wenn sie im Zusammenhang mit den beigefügten Ansprüche gelesen werden. Um die Erfindung zu erläutern, sind in den Zeichnungen bestimmte Ausführungsformen dargestellt. Man beachte jedoch, dass die vorliegende Erfindung nicht auf die Anordnungen und die Instrumentierung beschränkt ist, die in den beigefügten Zeichnungen darstellt sind.
AUSFÜHRLICHE BESCHREIBUNG VON BESTIMMTEN BEISPIELEN
Auch wenn nachstehend Beispiele für Verfahren, Systeme, Erzeugnisse und Vorrichtungen offenbart sind, die unter anderen Komponenten Software beinhalten, die auf Hardware ausgeführt wird, sei klargestellt, dass diese Verfahren und Vorrichtungen nur der Veranschaulichung dienen und nicht als Beschränkungen aufzufassen sind. Zum Beispiel wird in Betracht gezogen, dass irgendwelche oder alle von diesen Hardware- und Software-Komponenten ausschließlich in Hardware, ausschließlich in Software, ausschließlich in Firmware oder in irgendeiner Kombination aus Hardware, Software und/oder Firmware verkörpert werden können. Obwohl im Folgenden Beispiele für Verfahren, Systeme, Erzeugnisse und Vorrichtungen beschrieben werden, sind daher die angegebenen Beispiele nicht die einzige Möglichkeit, diese Verfahren, Systeme, Erzeugnisse und Vorrichtungen zu implementieren.
Wenn irgendwelche von den beigefügten Ansprüchen so zu lesen sind, dass sie eine rein aus Software und/oder Firmware bestehende Implementierung abdecken, wird hiermit zumindest eines von den Elementen in zumindest einem Beispiel ausdrücklich so definiert, dass es ein greifbares Medium, wie einen Hauptspeicher, eine DVD, eine CD, eine Blu-ray, usw. aufweist, auf dem bzw. der die Software und/oder Firmware gespeichert ist.
Bestimmte Beispiele liefern eine holistische Analyse und Visualisierung von pharmakologischen Daten. Bestimmte Beispiele liefern eine holistische Visualisierung und Analyse von lokalen Merkmalen, die aus klinischen Regionen von Interesse extrahiert werden, die von einem Anwender ausgewählt werden. Bestimmte Beispiele liefern eine holistische Visualisierung von Daten und damit im Zusammenhang stehende Anwendungen in einer pharmakologischen Betrachtungseinrichtung.
Eine holistische Herangehensweise an Daten, beispielsweise pharmakologische Daten, kann verwendet werden, um diverse Arten von Daten in einer Anwendung zur Betrachtung und Analyse zusammenzubringen. Eine holistische Betrachtung und Analyse kann als Teil eines pharmazeutischen Test- und Arzneistoffabgabeverfahrens verwendet werden. Die holistische Betrachtung und Analyse kann verwendet werden, um eine Data-Mining-Strategie zu ersetzen und/oder zu ergänzen.
1 ist ein Blockschema eines Beispiels für ein System (100) zur Analyse normalisierter pharmazeutischer Test- oder Erprobungsdaten. Beispielsweise sammelt das System (100) pharmazeutische Daten und erzeugt Deskriptoren, die einen Normalzustand oder ein Ergebnis darstellen, der bzw. das verwendet werden kann, um anomale Zustände und/oder unterschiedliche Ergebnisse für eine(n) oder mehrere chemische Verbindung(en), Patienten, Probanden und/oder andere Forschungs-/Untersuchungsbedingungen zu identifizieren.
Das System 100 beinhaltet pharmazeutische Testdaten 102 in Bezug auf einen „normalen”, Kontroll-, Bezugs- oder Erwartungswert. Die normalen pharmazeutischen Testdaten 102 werden aus einem oder mehreren Tests oder einer oder mehreren Projektionen ermittelt, die Arzneistoffverbindungen, Probanden usw. beinhalten, wobei gewünschte Wirkungen, Konzentrationen, Beschränkungen usw. in einem vorgeschlagenen Arzneistoff identifiziert werden.
Die pharmazeutischen Testdaten 102 werden von einem Standardisierer 104 empfangen, der die pharmazeutischen Testdaten 102 normalisiert und/oder standardisiert und somit normalisierte und/oder standardisierte pharmazeutische Daten 106 von einer Mehrzahl normaler Probanden erzeugt. Das System 100 weist außerdem eine statistische Maschine 108 auf, die Statistiken 110 der normalisierten und standardisierten Metadaten 106 von den normalen Probanden bestimmt. Die Statistikmaschine 108 arbeitet mit den normalisierten und/oder standardisierten Metadaten 106 jedes einzelnen pharmazeutischen Tests.
Das System 100 erzeugt Deskriptoren, die einen normalen, Bezugs- oder Kontrollzustand definieren, der verwendet werden kann, um anomale Zustände/Ergebnisse in Arzneistoffentwicklungsdaten zu identifizieren. Das System 100 beinhaltet Arzneistoffentwicklungstestdaten 112 und/oder andere Daten, die auf einen pharmazeutischen Arzneistoffentwicklungsprozess bezogen sind. Die Arzneistoffentwicklungstestdaten 112 werden von einem Standardisierer 104 empfangen, der die Arzneistoffentwicklungstestdaten 112 normalisiert und/oder standardisiert und somit normalisierte und/oder standardisierte Arzneistoffentwicklungstestdaten 106 erzeugt.
In bestimmten Beispielen können Daten 106 und/oder 112 für einen oder mehreren Probanden standardisiert und normalisiert werden. Dann wird ein Durchschnitt der Daten bestimmt. Eine Datenbank oder ein anderer Datensatz aus Kontroll- und/oder Bezugsdaten kann für eine spezielle, abgestimmte Gruppe aus Probanden/Kriterien erzeugt werden. Der Datensatz kann kriteriumspezifisch sein und Mittelwerts- und Standardabweichungsdaten für normale/erwartete/Kontroll-Probandendatensätze beinhalten. Eine gut definierte „normale” Kohorte kann verwendet werden, um einen Datensatz aus normalen/Kontroll-/Bezugsdaten zu erzeugen. Der Satz aus einer normalen Kohorte werden klinisch getestet, um die normalen Dateninformationen zu bestimmen. Im standardisierten Raum kann jedem Label bzw. Bezeichner ein Mittelwert und eine assoziierte Standardabweichung auf Basis der Datenproben aus der Kohorte normaler Fälle zugewiesen werden. Arzneistoffentwicklungstestdaten können auf ähnliche Weise standardisiert und normalisiert werden. Danach wird ein Vergleich von jedem von einer Anzahl von Bezeichnern im normalisierten Probandendatensatz und im Arzneistoffentwicklungstestdatensatz durchgeführt. Eine visuelle Ausgabe des Vergleichs wird erzeugt.
Somit kann ein normaler/Bezugs-/Kontroll-/Erwartungsdatensatz unter Verwendung einer Standardisierungs-/Normalisierungstransformation individueller Datenwerte in Bezug auf alle Bezeichner in allen Achsen durchgeführt werden. Außerdem kann eine statistische Metrik aufgestellt werden, die verwendet wird, um individuelle, bezeichnerbasierte Anomalien zu bestimmen. Eine Abweichung von einem Bezugs-, Kontroll- oder Erwartungswert kann auf visuelle Weise dargestellt werden, um eine holistische Ergebnisbetrachtung zu erleichtern.
Das System 100 weist außerdem einen Abweichungsanalysator 116 auf, der (eine) Abweichung(en) 118 zwischen (der) Bezugs- oder Steuerstatistik(en) (110) und den Arzneistoffentwicklungstestdaten 114 für jeden pharmazeutischen Test bestimmt.
In einem Beispiel kann eine Abweichung bzw. können Abweichungen zwischen Datensätzen gemäß der folgenden Gleichung bestimmt werden:
In Gleichung 1 ist α_i der i^te Bezeichner der Achse „a” und μ_ai und σ_ai. Die Gleichung 1 wird auf alle Bezeichner in allen Achsen angewendet, und das Ergebnis ist ein Abweichungsdaten-”Vektor”. Gleichung 1 wird beispielsweise auch als Z-Score, Standard-Score oder Normal-Score bezeichnet.
In bestimmten Beispielen werden zur Bestimmung einer Abweichung bzw. von Abweichungen in pharmakologischen Daten verfügbare Daten in eine übliche Messeinheit umgewandelt (z. B. vom Standardisierer 104). Wenn die Daten, die analysiert werden, in verschiedenen Messeinheiten dargestellt werden, beinhaltet das Bestimmen einer Abweichung das Umwandeln der Daten in eine bestimmte Messeinheit, um eine mathematisch ungültige Abweichung zu vermeiden.
In bestimmten Beispielen beinhaltet eine Abweichungsanalyse einen Vergleich jedes Bezeichners für einen klinischen Test in den Arzneistoffentwicklungsdaten mit einem entsprechenden Bezeichner für einen klinischen Tests beim Vergleichen der Arzneistoffentwicklungstestdaten und der Kontroll- oder Bezugsprobandendaten, und zwar für jeden einzelnen Bezeichnerwert. Beispielsweise gehört jeder Bezeichner eines klinischen Tests zu einer klinischen Kategorie in den Arzneistoffentwicklungstestdaten.
In bestimmten Beispielen wird ein Abweichungsdatenvektor bestimmt, der beschreibt, wie weit die Arzneistoffentwicklungstestdaten von den Daten abweichen, mit denen sie verglichen werden.
Eine Ausgabe, beispielsweise eine Anzeige, kann eine visuelle grafische Darstellung der Abweichung(en) 118 für jeden einzelnen pharmazeutischen Test erzeugen. Somit hilft das System 100 bei der Identifizierung und Bestimmung von Arzneistoffkennwerten, Arzneistoffwirkungen, einer Arzneistoffdosierung, einer Wirkung auf einen Patienten und/oder anderer Daten, die für eine Entwicklung von pharmazeutischen Arzneistoffen relevant sind, wenn man sie unter Verwendung eines strukturierten Ansatzes, der auf umfassenden Daten basiert, mit einer Kohorte von normalen Kontrollen vergleicht.
In bestimmten Beispielen liefert eine visuelle Darstellung einer Abweichung für jeden Arzneistoffentwicklungstest eine Arzneistoffentwicklungsbewertung in einer holistischen und visuellen Form. Abweichungsdaten können in einem konsistenten und visuell annehmbaren Sinn angezeigt werden, der eine verbesserte Arzneistoffentwicklung ermöglicht, da die Informationen dem visuellen Kortex des Gehirns für einen Mustervergleich vorgelegt werden, statt Erinnerungen auf Basis von computergenerierten Datenerhebungen hervorzurufen.
Bei einem veranschaulichenden Beispiel werden alle Daten in einer konsistenten Form geordnet (eine Ordnung anhand von klinischer Relevanz ist am besten), wo die Zeilen die Achsen darstellen und die Spalten die einzelnen Bezeichner in dieser Achse darstellen. Jedem aktiven Pixel dieses Graphen wird eine Farbe aus einer Farbskala zugewiesen, die den Abweichungswert des Bezeichners auf einen augenfälligen Besorgniswert abbildet. Ein Fachmann kann ein Abweichungsmuster im Zusammenhang mit einem relativen Besorgnisgrad in einer Momentaufnahme für verschiedene Achsen und Daten sehen. Die visuelle Darstellung hilft beispielsweise dabei, eine schnellere und konsistentere Bewertung zu erreichen.
In bestimmten Beispielen beinhaltet eine Visualisierung von Datenabweichungen die Erzeugung von Z-Score-Tabellendarstellungen der Arzneistoffentwicklungsabweichungsdaten. Eine Darstellung im Tabellenformat zeigt eine Abweichung von Normal-/Kontroll-/Bezugswerten und Z-Scores. Die Tabelle kann auch im grafischen Bildformat dargestellt werden, um eine Momentaufnahme sämtlicher Abweichungsdaten für einen raschen Überblick zu liefern, um anomale Zustände/Ergebnisse zu identifizieren.
In bestimmten Beispielen werden nicht die Arzneistoffentwicklungstestergebnisse mit Bezugs-, Kontroll- oder Erwartungswerten verglichen, sondern eine Gruppe oder Kohorte von Arzneistoffentwicklungstestergebnissen wird mit einer anderen Gruppe von Arzneistoffentwicklungstestergebnissen verglichen, um die Konformität(en) und/oder die Abweichung(en) zwischen zwei Sätzen von Testergebnissen zu visualisieren.
Bestimmte Beispiele können Variationen in verfügbaren Daten, beispielsweise pharmazeutischen Arzneistoffentwicklungsdaten, identifizieren und einen Anwender in die Lage versetzen, die Daten mit Bezug auf eine Bezugsgröße zu visualisieren (beispielsweise anhand des oben genannten Systems 100). Aufgrund der Verwendung der Visualisierung von Datenabweichungen muss ein Anwender kein Experte sein, um eine Abweichung von einem Normal- oder Bezugswert als Hinweis auf ein anomales Ergebnis zu sehen.
In bestimmten Beispielen können Arzneistoffentwicklungsdaten und die damit assoziierte Verarbeitung/Analyse farbig kodiert und/oder anderweitig voneinander werden, damit ein Anwender Bereiche, die sich von „normalen”, erwarteten oder Bezugswerten unterscheiden, besser visualisieren kann. Muster, wie Verdichtungen oder „Hot Spots” der Daten, können von einem Anwender beispielsweise schnell visualisiert und erkannt werden. Außerdem können zwar in manchen Beispielen Muster und/oder Anomalien visualisiert werden, aber andere Details gehen nicht verloren, wenn einem Anwender verfügbare Daten angezeigt werden.
In bestimmten Beispielen kann eine Ansicht von zeitabhängigen Arzneistoffentwicklungsdaten bereitgestellt werden. Eine Ansicht kann eine Darstellung von langfristigen Trends in den Daten im Verlauf der Zeit liefern. Zum Beispiel kann eine Abweichung in den langfristigen Trends eines Patienten oder Probanden aus einer Bezugspopulation oder -kohorte im Verlauf der Zeit nachverfolgt und visualisiert werden.
In bestimmten Beispielen kann eine Verteilung (z. B. einmalig und/oder langfristig) von Arzneistoffdaten dadurch verarbeitet und visualisiert werden, dass man eine Gruppe von Patienten, Kandidaten usw. nimmt und die Gruppe insgesamt vergleicht. Kennwerte, wie Arzneistoffkennwerte, Krankheitsanzeichen, Symptome, Nebenwirkungen usw. können betrachtet werden, um zu bestimmen, wie sie von einer Kontrollgruppe abweichen. Muster, die anhand dieser Ansicht(en) identifiziert werden, können beispielsweise in den Arzneistoffentwicklungsprozess zurückgeführt werden. Kennwerte einer Bezugsgröße gegen ein Target können beispielsweise auf Basis von Individuen und/oder Gruppen visualisiert und evaluiert werden.
Für eine pharmakologische Analyse kann jede überprüfte Metrik Target-Daten beispielsweise mit einer Bezugsgröße vergleichen. Eine Mehrzahl von Metriken können kombiniert und in einem einzigen Bericht vorgelegt werden. Eine Analyse kann während jeder Phase des Arzneistoffentwicklungsprozesses durchgeführt werden. Zum Beispiel können potentielle Kandidaten für die klinische Erprobung oder für Studien über eine holistische Visualisierung und Betrachtung identifiziert werden. Subjektive Reaktionen von Kandidaten können ebenfalls betrachtet und analysiert werden. Klinische Versuchsergebnisse können verarbeitet und visuell dargestellt werden, so dass ein Anwender sie begutachten kann. Außerdem können beispielsweise für eine gruppen- oder populationsbasierte Analyse Arzneistoffverbindungstestdaten, Arzneistoffkenndaten usw. in Bezug auf eine Bezugsgröße oder Kontrolle visuell dargestellt und analysiert werden. In bestimmten Beispielen kann das Data Mining, das für die pharmazeutische Arzneistoffentwicklung angewendet wird, durch holistische Betrachtungssysteme und die hierin beschriebenen Verfahren ergänzt oder ersetzt werden.
2–4 sind Ablaufschemata, die Beispiele für maschinenlesbare Befehle darstellen, die ausgeführt werden können, um hierin als Beispiel beschriebene Systeme und Verfahren und/oder Teile eines oder mehrerer von diesen Systemen (z. B. der Systeme 100 und 1100) und Verfahren zu implementieren. Die als Beispiel angegebenen Prozesse von 2–4 können unter Verwendung eines Prozessors, eines Controllers und/oder einer anderen geeigneten Verarbeitungsvorrichtung durchgeführt werden. Zum Beispiel können die als Beispiel angegebenen Prozesse von 2–4 unter Verwendung von kodierten Befehlen (z. B. computerlesbaren Befehlen), die auf einem greifbaren computerlesbaren Medium, beispielsweise einem Flash-Speicher, einem Nur-Lese-Speicher (ROM) und/oder einem Schreib-Lese-Speicher (RAM) gespeichert sind, implementiert werden. Wie hierin verwendet, ist der Begriff greifbares computerlesbares Medium ausdrücklich so definiert, dass er jede Art von Computerspeicher einschließt und sich fortpflanzende Signale ausschließt. Zusätzlich oder alternativ dazu können die als Beispiele angegebenen Prozesse von 2–4 unter Verwendung von kodierten Befehlen (z. B. computerlesbaren Befehlen) implementiert werden, die auf einem nicht-flüchtigen computerlesbaren Medium gespeichert sind, beispielsweise einem Flash-Speicher, einem Nur-Lese-Speicher (ROM), einem Schreib-Lese-Speicher (RAM), einem Cache oder irgendeinem anderen Speichermedium, in dem Informationen für irgendeinen Zeitraum gespeichert werden (z. B. für längere Zeiträume, dauerhaft, für kurze Zeit, zur vorübergehenden Zwischenspeicherung und/oder für das Caching der Informationen). Wie hierin verwendet, ist der Begriff nicht-flüchtiges computerlesbares Medium ausdrücklich so definiert, dass er jede Art von computerlesbarem Medium einschließt und sich fortpflanzende Signale ausschließt.
Alternativ dazu können einige oder alle von den als Beispiele angegebenen Prozessen von 2–4 unter Verwendung irgendeiner Kombination bzw. irgendwelcher Kombinationen aus (einer) anwendungsspezifischen integrierten Schaltung(en) (ASIC(s)), programmierbaren logischen Vorrichtung(en) (PLD(s)), vor Ort programmierbaren logischen Vorrichtung(en) (FPLD(s)), diskreter Logik, Hardware, Firmware usw. implementiert werden. Ebenso können alle von den als Beispiel angegebenen Prozessen von 2–4 manuell oder als (eine) beliebige Kombination(en) aus irgendwelchen der oben angegebenen Verfahren implementiert werden, beispielsweise irgendeine Kombination aus Firmware, Software, diskreter Logik und/oder Hardware. Obwohl die als Beispiel angegebenen Prozesse von 2–4 mit Bezug auf die Ablaufschemata von 2–4 beschrieben werden, können auch andere Verfahren zur Implementierung der Prozesse von 2–4 verwendet werden. Zum Beispiel kann die Reihenfolge der Ausführung der Blöcke verändert werden, und/oder einigen von den beschriebenen Blöcken können geändert, eliminiert, unterteilt oder kombiniert werden. Außerdem können irgendwelche oder alle von den als Beispiel angegebenen Prozessen von 2–4 nacheinander oder parallel durchgeführt werden, beispielsweise durch separate Verarbeitungsketten, Prozessoren, Vorrichtungen, diskrete Logik, Schaltungen usw.
2 stellt ein Ablaufschema eines Beispiels für einen Ablauf von Data Mining und einer Lernmaschinenanalyse dar. Bei 205 wird auf gespeicherte Daten zugegriffen, die mit einer pharmazeutischen Arzneistoffentwicklung assoziiert sind. Zum Beispiel kann zur Verarbeitung, Betrachtung und Analyse auf Daten zugegriffen werden, die ein oder mehrere pharmazeutische Verbindungsmodelle; pharmakodynamische Daten; pharmakokinetische Daten; Absorptions-, Verteilungs-, Verstoffwechselungsund Ausscheidungsdaten (ADME); Toxizitätsdaten; Arzneistoffsicherheitsprofildaten; Nebenwirkungsdaten usw. beinhalten.
Bei 210 wird eine Vorverarbeitung der abgerufenen Daten durchgeführt. Die Vorverarbeitung kann beispielsweise Datenkorrekturen, das Auswählen eines oder mehrerer Datenuntersätze, die Normalisierung von Daten in Bezug auf eine Bezugsgröße oder einen Schwellenwert usw. beinhalten. Bei 215 werden die Daten gemessen. Zum Beispiel werden die vorverarbeiteten Daten gemessen, um quantitative Informationen in Bezug auf einen oder mehrere der abgerufenen Daten zu extrahieren.
Bei 220 werden die gemessenen Daten analysiert. Zum Beispiel kann die Datenanalyse bei 225 das Extrahieren von Merkmalsvektoren aus den gemessenen Daten beinhalten. So kann ein Arzneistoff durch einen Vektor dargestellt werden, der für eine chemische Struktur steht, einschließlich der Häufigkeit von kleinen Fragmenten und/oder der Häufigkeit von bezeichneten Wegen, um chemische Verbindungen zu klassifizieren. Bei 230 kann eine Analyse die Projizierung der Merkmalsvektoren in einen Raum einer höheren Dimension (z. B. unter Verwendung einer Support Vektor Machine (SVM) beinhalten. Bei 235 kann die Analyse auch das Einspeisen der Merkmalsvektoren in eine Data Mining(DM)-Maschine beinhalten. Bei 240 kann die Analyse eine Zusammenführung der verfügbaren Informationen beinhalten. In bestimmten Beispielen könne Merkmale auf Basis von relevantem Fachwissen (z. B. Kenntnissen auf dem Gebiet der pharmazeutischen Daten) gewichtet werden.
Bei 245 wird die Analyse der pharmazeutischen Daten genähert. Die Annäherung beinhaltet beispielsweise bei 250 das Bilden einer Merkmalzusammenführungs-Kernelmatrix aus einer Mehrzahl von verfügbaren Merkmal-Kernels (z. B. (einem) Merkmalvektor(en), (einer) SVM-Ausgabe(n), DM-Ausgabe(n) usw. Bei 255 werden kernelbasierte Klassifizierer (z. B. SVM, lineare diskriminante Analyse (LDA), Hauptkomponentenanalyse (PCA), nächster Nachbar (NN) usw.) auf die Merkmalzusammenführungs-Kernelmatrix angewendet. In bestimmten Beispielen kann eine Kernelfunktion auf Basis von einer oder mehreren Präferenzen, Parametern, Prioritäten und/oder Umständen ausgewählt werden, um einen besseren oder optimierten Zusammenführungs-Kernel zu verarbeiten oder zu erhalten. Bei 260 beinhaltet die Annäherung die Erzeugung eines Ergebnisses oder einer Entscheidung auf Basis der kernelbasierten Klassifizierung.
In bestimmten Beispielen können Parameter unter Verwendung eines oder mehrerer Trainingsalgorithmen verbessert oder optimiert werden. Trainings- und pharmazeutische Testdatensätze können beispielsweise getrennt werden. Ein Training vor dem Data Mining hilft bei der Auswahl des richtigen Klassifizierers für die verfügbaren pharmazeutischen Daten.
Jedoch können Data-Mining-Verfahren zu Schwierigkeiten führen, wenn eine integrierte quantifizierbare vergleichende Analyse und eine Entscheidungshilfe während eines pharmazeutischen Arzneistoffentwicklungsprozesses durchgeführt bzw. geleistet wird. Außerdem können automatische Data-Mining-Techniken und -anwendungen zwar nützliche Ergebnisse bringen, aber in einer Beschränkungen unterworfenen Umgebung nur schwer auf angemessene Weise zu beweisen sein. Automatische Data-Mining-Techniken können auch an ihre Grenzen stoßen, wenn sie auf Proben mit fehlenden Daten, Rauschen in den Daten und Datensätze treffen, die zu klein sind für eine statistische Signifikanz oder Konfidenz.
Es werden mehrere Unterschiede zwischen einem holistischen Betrachtungsansatz (HV) und einem Data-Mining- oder Lernmaschinen(DM/LM)-Ansatz aufgezeigt. Zum Beispiel ist eine Datentransformation zwischen Data Mining und einem holistischen Ansatz verschieden. Bei DM/LM wird die Transformationen an einem Merkmalsvektorraum durchgeführt. Bei HV wird die Transformation an einem homogenisierenden Raum durchgeführt, beispielsweise eine Abweichung von einem Bezugswert.
Das Training unterscheidet sich ebenfalls zwischen HV und DM/LM. Zum Beispiel beinhaltet das Training bei DM/LM das manuelle Einstellen von Parametern oder Klassifizierern durch einen Wissenschaftler/Techniker. Bei HV ist kein Training erforderlich. Ferner ist bei einer holistischen Betrachtung keine Datenreduktion nötig. Bei DM/LM wird das Testen von einer trainierten Klassifizierermaschine durchgeführt. Bei HV wird das Testen dadurch durchgeführt, dass ein Anwender in die Lage versetzt wird, Gesamtmuster, die in den Daten angezeigt werden, zu erkennen. Während ein Endanwender bei DM/LM nur die Ergebnisse betrachtet, ist ein Endanwender (z. B. ein Klinikmitarbeiter) bei HV direkt an der Analyse von Ergebnissen und Mustern in den Daten beteiligt.
HV liefert eine Ausgabe in visueller Form, wobei Beziehungen unter verschiedenen Variablen angezeigt und vom Anwender direkt verstanden werden können. Alle Formen von Daten werden in eine gemeinsame, konsistente visuelle Form transformiert. Ein holistischer Betrachtungsansatz liefert eine alternative oder ergänzende Technik, die einen Anwender in den Prozess der Analyse von pharmakologischen Daten einbezieht und ihn daran teilnehmen lässt.
Bestimmte Beispiele verwenden holistische Betrachtungen, um eine Anomalie in medizinischen (z. B. pharmazeutischen) Daten sichtbar zu machen, indem sie Rohergebnisse in Bezug auf Bezugsdatensätze transformieren (beispielsweise eine Abweichung von „normalen” Kohorten). Eine individuelle Standardisierung und Normalisierung klinischer Ergebnisse ermöglicht die gleichzeitige Visualisierung von disziplinübergreifenden medizinischen Daten und deckt charakteristische Krankheitsanzeichen und Anomaliemuster bei bestimmten betrachteten Patienten oder Patientenpopulationen auf. Die Verwendung einer holistischen Betrachtungseinrichtung hilft dabei, den Prozess der Entwicklung eines pharmazeutischen Arzneistoffs zu verbessern, zu verstärken und ermöglicht weitere Vergleichsanalysen während verschiedener Stadien, was beispielsweise die Entdeckung, die klinische Entwicklung und Aktivitäten nach der Markteinführung beinhaltet.
3 stellt ein Ablaufschema eines Beispiels für einen holistischen, betrachteraktivierten Analyseablauf 300 dar. Bei 305 wird auf gespeicherte Daten zugegriffen, die mit einer pharmazeutischen Arzneistoffentwicklung assoziiert sind. Zum Beispiel kann zur Verarbeitung, Betrachtung und Analyse auf Daten, die ein oder mehrere pharmazeutische Verbindungsmodelle beinhalten; auf pharmakodynamische Daten; pharmakokinetische Daten; Absorptions-, Verteilungs-, Verstoffwechselungsund Ausscheidungsdaten (ADME); Toxizitätsdaten; Arzneistoffsicherheitsprofildaten; Nebenwirkungsdaten usw. zugegriffen werden.
Bei 310 wird eine Vorverarbeitung der abgerufenen Daten durchgeführt. Die Vorverarbeitung kann beispielsweise Datenkorrekturen, das Auswählen eines oder mehrerer Datenuntersätze, die Normalisierung von Daten in Bezug auf eine Bezugsgröße oder einen Schwellenwert usw. beinhalten. Die Vorverarbeitung kann Daten aufbereiten, die beispielsweise Data-Mining- und automatischen Analyseprozessen zugeführt werden.
Bei 315 werden die Daten gemessen. Beispielsweise werden die vorverarbeiteten Daten gemessen, um quantitative Informationen zu extrahieren. Bei 320 werden die gemessenen Daten analysiert. Beispielsweise kann eine Datenanalyse bei 325 (gegebenenfalls) einen Zugriff auf Bezugsdaten beinhalten. Bei 330 wird eine Datentransformation erzeugt. Beispielsweise kann eine Transformation eine Verteilungsanalyse (z. B. eine einmalige Verteilung, eine langfristige Verteilung usw.), eine Abweichung in Bezug auf eine Bezugsgröße usw. beinhalten.
Bei 335 wird eine integrierte vergleichende Visualisierung der analysierten Daten bereitgestellt. Beispielsweise kann einem Anwender ein Abweichungskennfeld (z. B. ein auf Farben basierendes oder „Wärme”-Kennfeld) von vergleichenden Arzneistoffentwicklungsdaten zur Begutachtung vorgelegt werden. Anhand der Datenvisualisierung kann ein Anwender beispielsweise zu einem Ergebnis kommen und/oder eine Entscheidung treffen. Durch die Verwendung eines holistischen Ansatzes für die Analyse von pharmakologischen Daten und einer Visualisierung der Ergebnisse bleibt der Anwender interessiert und wird beispielsweise auf einen Bereich von Test- und/oder anderen Ergebnissen aufmerksam gemacht.
In bestimmten Beispielen werden ein visueller Bericht anhand von (einer) Methoden) und/oder (einem) Systemen) für eine integrierte quantifizierbare Analyse und eine Entscheidungshilfe im Prozess der Entwicklung von pharmazeutischen Arzneistoffen erzeugt. Der Bericht nutzt und beinhaltet eine Mehrzahl unterschiedlicher Metriken. Jede Metrik entspricht einer quantifizierten Variation in einem ersten Ergebnisdatensatz, der einer identifizierten Kategorie im Arzneistoffentwicklungsprozess entspricht. Der erste Ergebnisdatensatz wird für einen Vergleich mit einem zweiten Ergebnisdatensatz bereitgestellt, welcher mindestens einer anderen, unterschiedlichen Kategorie entspricht. Zumindest einige von den mehreren Metriken werden zusammengefasst, um eine visuelle Darstellung zu erzeugen, die ein Gesamtergebnis für die identifizierte Kategorie darstellt. Zumindest einige von der Mehrzahl von Metriken werden verwendet, um ein Gesamtergebnis zu betrachten, das von der Mehrzahl von verschiedenen Metriken dargestellt wird, wenn diese gemeinsam berücksichtigt werden, um daraus einen visuellen Bericht zu erstellen.
Eine holistische Ansicht kann in einer Mehrzahl von Stadien in einem Arzneistoffentwicklungsprozess verwendet werden. Zum Beispiel kann eine holistische Betrachtungseinrichtung während der Arzneistoffsuche angewendet werden. Eine Klassifizierung von pharmazeutischen Daten kann unter Verwendung der holistischen Betrachtungseinrichtung erleichtert werden. Eine holistische Klassifizierung kann beispielsweise beim Finden von Arzneistoffen, in klinischen Studien und/oder für die Analyse der Produktwirksamkeit verwendet werden.
4 stellt ein Ablaufschema eines als Beispiel dienenden Verfahrens 400 zur Arzneistoffklassifizierung anhand einer holistischen Betrachtungseinrichtung dar. Bei 405 wird auf pharmazeutische Testergebnisse zugegriffen.
Bei 410 werden Testergebnisse verarbeitet, um die Daten zu standardisieren und/oder zu normalisieren. Zum Beispiel können Ergebnisse gemäß einem Bezugswert, einem Schwellenwert, einem Bereich usw. standardisiert und/oder normalisiert werden. Bei 415 wird eine holistische Ansicht der Testergebnisse bereitgestellt. Bei 420 wird eine Klassifizierung auf Basis der holistischen Ansicht durchgeführt.
Bei 425 werden Beispiele zur Veranschaulichung von Klassen, die den einzelnen gewünschten Gruppen entsprechen, bereitgestellt. Beispielsweise können Gruppen für pharmazeutische Fälle Patientenkohorten, Arzneistoffe, Tests, Krankheitstypen, die Schwere von Krankheiten usw. beinhalten. Zum Beispiel können Klassen für einen Krankheitstyp der Alzheimerkrankheit Normal, In geringem Umfang kognitiv eingeschränkt (MCI), Alzheimererkrankung usw. beinhalten. Klassen für eine Arzneistoffentwicklung können eine(s) oder mehrere Ergebnisse, Reaktionen, Konzentrationen usw. beinhalten.
Bei 430 werden die zur Veranschaulichung dienenden Beispiele visuell mit einem aktuellen Objekt verglichen. Als Beispiel ist in 5 eine generische Ansicht 500 dargestellt. Eine Ansicht 600 eines spezifischen Beispiels ist in 6 dargestellt. Bei 435 wird eine Klasse der am besten passenden repräsentativen Beispiele als Klasse des aktuellen Objekts ausgewählt.
5 stellt ein Beispiel für eine generische Abbildung einer holistischen Datenklassifizierungsschnittstelle dar. Die Schnittstelle 500 weist eine Objektansicht 510, eine oder mehrere Klassifizierungen 520–522 und eine Anwenderschnittstelle 530 auf. Die Objektansicht 510 liefert eine Ansicht von verfügbaren Daten, die von einem Anwender mit einer oder mehreren Klassen 520–522 von repräsentativen Daten verglichen werden können. Die Anwenderschnittstelle 530 befähigt einen Anwender beispielsweise dazu, die Daten und/oder die Klassifizierungen zu manipulieren und/oder eine Diagnose und/oder einen weiteren Befehl auszugeben. Über die Anwenderschnittstelle 530 kann ein Anwender angeben, welche Klasse 520–522 am besten für die Daten passt, die in der Objektansicht 510 dargestellt werden.
6 zeigt ein mehr spezifisches Beispiel für eine Klassifizierungsschnittstelle 600. In der Schnittstelle 600 werden verfügbare klinische Daten 611 und Bilddaten 612 in einem Fenster einer Objektansicht 610 dargestellt. Verfügbare Klassifizierungen 620 beinhalten eine Normal-Klassifizierung 621, eine Klassifizierung 622 für eine mäßige kognitive Einschränkung und eine Alzheimererkrankung-Klassifizierung 623, die über die Schnittstelle 600 angezeigt werden. Ein Anwender kann eine geeignete Klassifizierung 620 beispielsweise auf Basis von klinischen Informationen 611, Bildinformationen 612 und/oder einer Kombination aus klinischen und Bildinformationen 611, 612 auswählen. Ebenso kann ein Anwender eine Arzneistoffreaktion auf Basis einer Darstellung verfügbarer Daten im Vergleich zu Klassifikationen von Arzneistoffreaktionen, Krankheitsmerkmalen, anderen relevanten Indikatoren usw. auswählen.
Bestimmte Beispiele können verwendet werden, um eine Clusterbildung unter Verwendung einer holistischen Betrachtungseinrichtung bereitzustellen. Eine Clusterbildung ist einer Klassifizierung ähnlich, aber es gibt einige Unterschiede. Zum Beispiel gibt es in einem Clusterbildungsverfahren keine vorbestimmten Klassen, sondern es besteht die Möglichkeit, spontan so viele vermutlich relevante Klassen zu erzeugen wie nötig. Zum Beispiel können Testergebnisse auf Basis eines oder mehrerer vorbestimmter Themen zu Gruppen zusammengefasst werden.
In dem Beispiel, das in 7 dargestellt ist, ermöglicht eine Schnittstelle 700 holistische Ansichten 701–704 und eine Clusterbildung 720–723 für eine Mehrzahl von Patienten auf Basis einer Patientenzahl. Unter Verwendung der Schnittstelle kann ein Anwender holistische Ansichten (HVs) 701–704 von elf (11) Patienten auf Basis von einem oder mehreren Kriterien in vier (4) Gruppen 720–723 zusammenfassen. Zum Beispiel sind die Patienten 1, 4 und 5 in einem anderen Cluster als die Patienten 2, 3 und 8. Wie in 7 dargestellt ist, können HV(s) 701–704 Informationen bereitstellen, um einen Schluss bzw. Schlüsse ziehen und (eine) weitere Aktion(en) auf Basis einer Verbildlichung der Informationen und der Beziehung(en) innerhalb der Informationen (z. B. Patienten-Clusterbildung) bestimmen zu können. Die Clusterbildung in holistischen Ansichten kann beispielsweise auch für eine ad hoc-Gruppierung von Objekten, was Patienten, Arzneistoffe, Krankheiten, Schweregrade usw. einschließt, während der Arzneimittelfindung und/oder klinischer Studien verwendet werden.
In vielen Fällen einer Arzneistoffentdeckung können Tests bewertet werden, um eine Trennung zwischen einem Placebo und einem oder mehreren zu bewertenden Arzneistoffen bestimmen. Eine Verteilungsanalyse (Z. B. eine einmalige Verteilung, eine langfristige Verteilung usw.), die von einer holistischen Betrachtungseinrichtung gezeigt wird, kann verwendet werden, um (einen) Placebo/Arzneistoff-Unterschied(e) zu visualisieren. Die holistische Verteilungsbetrachtungseinrichtung kann nicht-numerische Datenformen in ihren nativen Datenformen darstellen, und Krankheitsanzeichen können für diese Tests ermittelt werden.
Zum Beispiel kann eine Placebogruppe mit einer Arzneistoffgruppe verglichen werden, um einen komparativen Effekt zu bewerten. Eine Separationsmetrik zeigt die Ergebnisse, die eine bestmögliche Trennung mit Bildgebungs- und Nicht-Bildgebungstests für einen bestimmten Patienten, einen bestimmten Arzneistoff und/oder andere Beschränkungen liefern. Beispielsweise können Ergebnisse, die aus der Separationsmetrik und/oder anderen Metriken im Vergleich abgeleitet werden, als Feedback verwendet werden, um die Arzneistoffentwicklung zu befördern und/oder weiter zu verfeinern. Kennwerte eines Placebos gegen ein Target können beispielsweise auf Basis von Individuen und/oder Gruppen visualisiert und evaluiert werden.
In bestimmten Beispielen können, wie in 8 dargestellt ist, neue Zeitansichten für eine langfristige Analyse bereitgestellt werden. Die Entdeckung von Arzneistoffen kann von neuartigen Darstellungen eines zeitabhängigen Trends profitieren. Wie beispielsweise in 8 dargestellt ist, können langgezogene oder Z-Ansichten in einem „Streifenmodus” 810 und/oder einem „Filmmodus” 820 dargestellt werden. In manchen Beispielen können diese Darstellungen beispielsweise unter Verwendung eines Filters an Teilergebnissen und/oder an einem gesamten Datensatz durchgeführt werden.
Die Ansichten 810, 820, die in 8 gezeigt sind, liefern alternative Ansichten für Langzeitdaten, die im Laufe der Zeit nachverfolgt werden. Zum Beispiel beinhaltet die Streifenmodusansicht 810 eine Betrachtungseinrichtung 830, einschließlich einer Mehrzahl von Langzeitdatenansichten 831–833 im Verlauf der Zeit. Die Filmmodusansicht 820 beinhaltet eine Betrachtungseinrichtung 840, die eine Langzeitdatenansicht 841 und eine Steuerung 845 (z. B. einen Schieberegler) bereitstellt, um die Ansicht 841 zu ändern. Die Steuerung 845 kann verwendet werden, um die Ansicht 841 manuell, automatisch mit einer vordefinierten oder eingestellten Geschwindigkeit usw. zu ändern.
In bestimmten Beispielen können eine holistische Analyse und Ansicht auf Pharmakokinetik und/oder Pharmakodynamik angewendet werden. Pharmakokinetik (PK) kennzeichnet Absorptions-, Distributions-, Verstoffwechselungs- und Ausscheidungseigenschaften eines Arzneistoffs. Pharmakodynamik (PD) definiert eine physiologische und biologische Antwort auf einen verabreichten Arzneistoff. Eine PK/PD-Modellierung erstellt eine mathematische und theoretische Verknüpfung zwischen diesen beiden Prozessen und hilft dabei, die Wirkung eines Arzneistoffs besser vorauszusagen. Eine integrierte PK/PD-Modellierung und ein computerunterstütztes Studiendesign mittels Simulierung werden vielen Arzneistoffentwicklungsprogrammen einverleibt und haben einen wachsenden Einfluss auf die Arzneistoffentwicklung und -prüfung.
PK/PD-Tests werden typischerweise in jedem Stadium des Arzneistoffentwicklungsprozesses durchgeführt. Da die Entwicklung immer komplexer, zeitaufwändiger und kostenintensiver wird, streben Unternehmen danach, PK/PD-Daten besser zu nutzen, um mangelhafte Kandidaten zu Beginn zu eliminieren und diejenigen zu identifizieren, die die besten Aussichten auf klinischen Erfolg haben.
Eine PD/PK-Analyse beinhaltet die Bestimmung einer maximalen Arzneistoffkonzentration (Cmax), einer Zeit bis zur maximalen Konzentration (Tmax), einer minimalen Arzneistoffkonzentration oder von Rückständen (Cmin) usw. Je nach Arzneistoffkomponente kann eine Wechselwirkung mit einem menschlichen Körper anders sein. Mehrere „Durchgänge” können unter Verwendung von einem oder mehreren Attributen durchgeführt werden, wozu die folgenden gehören: 1) über in Frage kommende Verbindungen hinweg, 2) über Verbindungstypen hinweg, 3) über die Zeit hinweg, 4) in betrachteten von einer Krankheit betroffenen Organen, 5) Verteilung im Körper, 6) in bestimmten Organen, die verletzt sein könnten usw.
Zum Beispiel kann eine holistischer Betrachtungseinrichtung für Arzneistoffwechselwirkungsstudien verwendet werden. Ein Ziel der Wechselwirkungsstudie ist die Bestimmung, ob eine Zunahme oder eine Abnahme der Beeinflussung eines Substrats in Anwesenheit eines wechselwirkenden Arzneistoffs gegeben ist. Wenn eine Wechselwirkung gegeben ist, werden Implikationen der Wechselwirkung durch das Verstehen von PK/PD-Beziehungen beurteilt. Zum Beispiel kann eine holistische Betrachtungseinrichtung verwendet werden, um auffällige Versuchsdurchläufe durch Analysieren und Visualisieren der Parameter in Bezug auf eine oder mehrere Bezugsgrößen herauszufinden. Parameter zum Analysieren können Zeit bis zum Maximum (Tmax), maximale Konzentration (Cmax), durchschnittliche Konzentration, Verweildauer, Rückstände (Cmin), Fläche unter der Kurve (AUC) beinhalten. Die Einwirkung von Arzneistoffen, ausgedrückt anhand von AUC (Fläche unter einer Arzneistoffplasmakonzentration-Zeit-Kurve) und/oder eines alternativen Parameters, kann mit Arzneistoffdosisspiegeln und damit assoziierten toxikologischen Ergebnissen in Beziehung gesetzt werden. Auf Basis von toxikokinetischen Daten bei einer Dosis, bei der kein toxischer Effekt zu beobachten ist, kann eine annehmbare Belastungsgrenze bei Menschen definiert werden.
Cmax gibt eine maximale oder „Spitzen”-Konzentration eines Arzneistoffs an, die nach dessen Verabreichung beobachtet wird. Cmin stellt eine minimale oder „Senken”-Konzentration eines Arzneistoffs dar, die nach dessen Verabreichung und unmittelbar vor der Verabreichung einer folgenden Dosis beobachtet wird. Für Arzneistoffe, die durch Kinetik erster Ordnung aus einem Einkammersystem eliminiert werden, kann Cmax nach n gleichen Dosen, die mit gleichen Abständen gegeben werden, beispielsweise dargestellt werden durch C0(1 – fn)/(1 – f)= Cmax, und Cmin = Cmax – C0.
Eine Fläche unter einem Graphen aus Plasmakonzentrationen eines Arzneistoffs (kein Logarithmus der Konzentration) gegen die Zeit nach der Arzneistoffverabreichung wird durch AUC dargestellt. Die Fläche kann beispielsweise anhand der „Trapezregel” bestimmt werden. Gemäß der Trapezregel werden Datenpunkte durch gerade Liniensegmente verbunden; senkrechte Strukturen verlaufen von der Abszisse nach oben zu jedem Datenpunkt; und die Summe der Flächen der so konstruierten Dreiecke und Trapezoide wird berechnet. Wenn die zuletzt gemessene Konzentration (Cn, zum Zeitpunkt tn) nicht null ist, wird die AUC von tn bis unendlich durch Cn/kel geschätzt. Eine Ausscheidungsratenkonstante (kel) ist eine Konstante erster Ordnung, die eine Arzneistoffausscheidung aus dem Körper beschreibt. Kel ist eine Gesamt-Ausscheidungsratenkonstante, die die Entfernung des Arzneistoffs durch sämtliche Ausscheidungsprozesse, einschließlich von Exkretion und Metabolismus, beschreibt. Beispielsweise ist die Ausscheidungsratenkonstante die Proportionalitätskonstante, welche die Rate der Änderung von Arzneistoffkonzentrationen oder die Rate der Ausscheidung des Arzneistoffs und die Menge des Arzneistoffs, die noch auszuscheiden ist, in Beziehung setzt.
Die AUC ist von besonderem Nutzen bei der Einschätzung der Bioverfügbarkeit von Arzneistoffen und der Einschätzung der vollständigen Arzneistofffreiheit (CIT). Im Anschluss an einzelne intravenöse Dosen gilt AUC = D/CIT, und zwar für Einzelkammersysteme, die der Ausscheidungskinetik erster Ordnung folgen; alternativ gilt AUC = C0/kel. Bei anderen als intravenösen Routen gilt für solche Systeme AUC = F × D/CIT, wobei F die Bioverfügbarkeit des Arzneistoffs ist. Das Verhältnis von AUC nach oraler Verabreichung einer Arzneistoffformulierung zu nach intravenöser Verabreichung der gleichen Dosis an denselben Probanden kann während der Arzneistoffentwicklung verwendet werden, um beispielsweise eine orale Bioverfügbarkeit eines Arzneistoffs zu beurteilen.
9 stellt eine Beispiels-PK-Kurve 900 dar, einschließlich von Parametern, die oben erörtert worden sind. Wie im Graphen von 9 dargestellt ist, wird die Kurve 900 auf Basis einer Plasmakonzentration 910 gegen die Zeit 920 aufgetragen Bei einem Zeit bis zum Maximum (Tmax) 930 wird eine maximale Konzentration (Cmax) 940 identifiziert. Bevor Cmax 940 bei Tmax 930 erreicht wird, durchläuft ein Arzneistoff eine Absorptionsphase 950 in einem Patienten. Nach Tmax 930 durchläuft der Arzneistoff eine Ausscheidungsphase 960, die einen Arzneistoffrest oder -rückstand (Cmin) 970 ergibt. Auf Basis dieser Informationen kann eine Fläche unter der Kurve (AUC) 980 bestimmt werden.
Holistische Ansichten können auf mehrere verschiedene Arten erzeugt werden. Wie beispielsweise in 10 dargestellt ist, kann ein Arzneistoff als Bezugsgröße ausgewählt werden, um einen oder mehrere Parameter 1010–1014 einer Wechselwirkung eines anderen Arzneistoffs mit dem Körper zu analysieren, was Zeit bis zum Maximum, maximale Konzentration, Fläche unter der Kurve und Rückstände beinhaltet. Die Parameter 101–1014 können beispielsweise als kontinuierliche, farbig kodierte Darstellung 1020 präsentiert werden, um die Visualisierung zu vereinfachen. Die Parameter 1010–1014 können beispielsweise über mehrere Testdurchläufe 1030–1034 bewertet werden. Im Laufe der Arzneimittelentwicklung und klinischen Erprobung können beispielsweise das Bezugsarzneimittel und die Schlüsselparameter für eine nächste Runde der klinischen Erprobung und eine Arzneimittelverbesserung aktualisiert werden. Ein bevorzugter oder „idealer” Kandidat kann beispielsweise durch visuellen Vergleich und/oder durch ein geeignetes Kriterium (z. B. eine Punktegewichtung) ausgewählt werden.
11 ist ein Blockschema eines Beispiels für ein Prozessorsystem 1110, das verwendet werden kann, um die hierin beschriebenen Systeme, Vorrichtungen und Verfahren zu implementieren. Wie in 11 dargestellt ist, weist das Prozessorsystem 1110 einen Prozessor 1112 auf, der mit einem Anschlussbus 1114 verbunden ist. Der Prozessor 1112 kann jeder geeignete Prozessor, jede geeignete Verarbeitungseinheit oder jeder geeignete Mikroprozessor sein. Auch wenn dies in 11 nicht dargestellt ist, kann das System 1110 ein Mehrprozessorsystem sein und somit einen oder mehrere zusätzliche Prozessoren beinhalten, die dem Prozessor 1112 gleich oder ähnlich sind und die kommunikationstechnisch mit dem Anschlussbus 1114 verbunden sind.
Der Prozessor 1112 von 11 ist mit einem Chipsatz 1118 verbunden, der einen Memory-Controller 1120 und einen Eingabe/Ausgabe(I/O)-Controller 1122 beinhaltet. Bekanntlich liefert ein Chipsatz typischerweise I/O- und Memory-Verwaltungsfunktionen, ebenso wie eine Mehrzahl von allgemeinen und/oder speziellen Registern, Zeitnehmer usw., die von einem oder mehreren, mit dem Chipsatz 1118 verbundenen Prozessoren aus zugänglich oder verwendbar. Der Memory-Controller 1120 führt Funktionen aus, die den Prozessor 1112 (oder die Prozessoren, wenn mehrere Prozessoren vorhanden sind), befähigen, auf ein System-Memory 1124 und ein Massenspeicher-Memory 1125 zuzugreifen.
Das System-Memory 1124 kann jede gewünschte Art von flüchtigem und/oder nicht-flüchtigem Speicher beinhalten, wie beispielsweise einen statischen Schreib-Lese-Speicher (SRAM), einen dynamischen Schreib-Lese-Speicher (DRAM), einen Flash-Speicher, einen Nur-Lese-Speicher (ROM) usw. Das Massenspeicher-Memory 5 kann jede geeignete Art von Massenspeichervorrichtung beinhalten, wozu Festplattenlaufwerke, optische Laufwerke, Bandspeichervorrichtungen usw. gehören.
Der I/O-Controller 1122 führt Funktionen aus, die den Prozessor 1112 befähigen, über einen I/O-Bus 1132 mit peripheren Eingabe/Ausgabe(I/O)-Vorrichtungen 1126 und 1128 und einer Netzschnittstelle 1130 zu kommunizieren. Die I/O-Vorrichtungen 1126 und 1128 können zu jeder gewünschten Art von I/O-Vorrichtung gehören, beispielsweise eine Tastatur, eine Videoanzeige oder ein Monitor, eine Maus usw. sein. Die Netzschnittstelle 1130 kann beispielsweise eine Ethernetvorrichtung, eine Vorrichtung im asynchronen Übertragungsmodus (ATM), eine 802.11-Vorrichtung, ein DSL-Modem, ein Kabelmodem, ein zellulares Modem usw. sein, die bzw. das das Prozessorsystem 1110 befähigt, mit einem anderen Prozessorsystem zu kommunizieren.
Auch wenn der Memory-Controller 1120 und der I/O-Controller 1122 in 11 als separate Blöcke innerhalb des Chipsatzes 1118 dargestellt sind, können die Funktionen, die in diesen Blöcken ausgeführt werden, in eine einzige Halbleiterschaltung integriert sein oder unter Verwendung von zwei oder mehr separaten integrierten Schaltungen implementiert sein.
Somit stellen bestimmte Beispiele holistische visuelle Systeme, Verfahren und Vorrichtungen bereit, um Arzneistoffentwicklungsdaten in Bezug auf Target- und Referenzwert(e) gemäß einer oder mehrerer Metriken zu verarbeiten und einem Anwender eine Ausgabe zur visuellen Begutachtung und Analyse bereitzustellen. Eine Konformität und/oder Abweichung zwischen einer Gruppe von Testdaten und einem Bezugs-/Kontrolldatensatz und/oder einer anderen Gruppe von Testdaten kann einem Anwender grafisch für eine holistische Analyse bereitgestellt werden, statt eines numerischen Ergebnisses, das durch ein Computer Data Mining bereitgestellt wird. Zum Beispiel können Arzneimittelentwicklungsdaten und Daten aus klinischen Studien mit Bezugs-Arzneimittel- und Bezugs-Parameterdaten verglichen werden, um eine nächste klinische Studie und eine Verbesserung des Arzneimittels zu erleichtern oder besser anpassen zu können. Bestimmte Beispiele stellen einen zusätzlichen technischen Effekt einer dynamischen metrischen Identifikation und Datenanalyse bereit, um eine integrierte vergleichende Visualisierung eines verfügbaren Körpers von Arzneimittelentwicklungsdaten bereitzustellen, um einen Anwender zu befähigen, zu einem Ergebnis zu kommen und/oder eine Entscheidung in Bezug auf einen nächsten Schritt in einem Arzneistoffentwicklungsprozess zu treffen.
Bestimmte Beispiele ziehen Verfahren, Systeme und Computerprogrammprodukte auf vielen maschinenlesbaren Medien in Betracht, um eine oben beschriebene Funktionalität zu implementieren. Bestimmte Beispiele können beispielsweise unter Verwendung eines vorhandenen Computerprozessors oder von einem Spezialcomputer-Prozessor, der für diesen oder einen anderen Zweck einverleibt ist, oder durch ein festverdrahtetes und/oder Firmware-System implementiert werden.
Eine oder mehrere von den Komponenten des Systems und/oder von den Schritten, die oben beschrieben worden sind, können beispielsweise allein oder in Kombination in Hardware, Firmware und/oder als Satz von Befehlen in Software implementiert werden. Bestimmte Beispiele können als Satz von Befehlen bereitgestellt werden, die auf einem computerlesbaren Medium liegen, beispielsweise einem Memory, einer Festplatte, einer DVD oder CD zur Ausführung auf einem Universalcomputer oder einer andere Verarbeitungseinrichtung. Bestimmte Beispiele können einen oder mehrere von den Verfahrensschritten weglassen und/oder die Schritte in einer anderen Reihenfolge als der aufgeführten Reihenfolge durchführen. Beispielsweise müssen einige Schritte/Blöcke in bestimmten Beispielen nicht durchgeführt werden. Als weiteres Beispiel können bestimmte Schritte in einer anderen zeitlichen Reihenfolge als oben aufgeführt ausgeführt werden, auch gleichzeitig.
Bestimmte Beispiele beinhalten computerlesbare Medien zur Ausführung oder mit computerlesbaren Befehlen oder Datenstrukturen, die auf ihnen gespeichert sind. Solche computerlesbaren Medien können beliebige verfügbare Medien sein, auf die von einem Universal- oder Spezialcomputer oder einer anderen Maschine mit einem Prozessor zugegriffen werden kann. Als Beispiel können solche computerlesbaren Medien RAM, ROM, PROM, EPROM, EEPROM, Flash, CD-ROM, DVD, Blu-ray, optische Plattenspeicher, magnetische Plattenspeicher oder andere magnetische Speichervorrichtungen oder irgendein anderes Medium beinhalten, das verwendet werden kann, um gewünschten Programmcode in Form von computerausführbaren Befehlen oder Datenstrukturen zu tragen, und auf das durch einen Universal- oder Spezialcomputer oder eine andere Maschine mit einem Prozessor zugegriffen werden kann. Kombinationen der oben genannten sind ebenfalls im Bereich der computerlesbaren Medien eingeschlossen. Computerausführbare Befehle umfassen beispielsweise Befehle und Daten, die einen Universalcomputer, einen Spezialcomputer oder Spezialverarbeitungsmaschinen veranlassen, eine bestimmte Funktion oder Funktionsgruppe durchzuführen.
Generell beinhalten computerausführbare Befehle Routinen, Programme, Objekte, Komponenten, Datenstrukturen usw., die spezielle Aufgaben durchführen oder spezielle abstrakte Datentypen implementieren. Computerlesbare Befehle, assoziierte Datenstrukturen und Programmmodule stellen Beispiele für Programmcode zur Ausführung von Schritten in bestimmten hierin offenbarten Verfahren und Systemen dar. Die spezielle Sequenz solcher ausführbaren Befehle oder assoziierte Datenstrukturen stellen Beispiele für entsprechende Aktionen zur Implementierung der in diesen Schritten beschriebenen Funktionen dar.
Bestimmte Beispiele können in einer vernetzten Umgebung unter Verwendung logischer Verbindungen mit einem oder mehreren Remote-Computern mit Prozessoren in die Praxis umgesetzt werden. Logische Verbindungen können ein Local Area Network (LAN) und ein Wide Area Network (WAN) beinhalten, die hier anhand eines Beispiels dargestellt sind und keine Beschränkung darstellen. Diese vernetzten Umgebungen sind in Büro- oder unternehmensweiten Computernetzen, Intranets und dem Internet üblich und können eine große Vielfalt von verschiedenen Kommunikationsprotokollen verwenden. Der Fachmann wird erkennen, dass solche vernetzten Rechnerumgebungen typischerweise viele Arten von Computersystemkonfigurationen umfassen, wozu PCs, Handheld-Geräte, Multiprozessorsysteme, Mikroprozessor-basierte oder programmierbare Verbraucherelektronik, Netz-PCs, Minicomputer, Mainframe-Computer und dergleichen gehören.
Beispiele können auch in verteilten Rechnerumgebungen in die Praxis umgesetzt werden, wo Aufgaben von lokalen und von Remote-Verarbeitungsvorrichtungen durchgeführt werden, die über ein Kommunikationsnetz miteinander verbunden sind (entweder durch feste Leitungen, drahtlose Verbindungen oder durch eine Kombination aus Festverdrahtung und drahtlose Verbindungen). In einer verteilten Rechnerumgebung können Programmmodule sowohl in lokalen als auch in Remote-Speichervorrichtungen vorhanden sein.
Ein Beispiel für ein System zur Implementierung des Gesamtsystems oder Teile von Ausführungsformen der Erfindung können eine Universalrechenvorrichtung in Form eines Computers beinhalten, einschließlich einer Verarbeitungseinheit, eines System-Memory und eines Systembus, der verschiedene Systemkomponenten einschließlich des System-Memory mit der Verarbeitungseinheit verbindet. Das System-Memory kann einen Nur-Lese-Speicher (ROM) und einen Schreib-Lese-Speicher (RAM) beinhalten. Der Computer kann auch ein magnetisches Festplattenlaufwerk zum Lesen von und Schreiben auf eine magnetische Festplatte, ein Magnetplattenlaufwerk zum Lesen von oder Schreiben auf eine abnehmbare Magnetplatte und ein optisches Plattenlaufwerk zum Lesen von oder Schreiben auf eine abnehmbare optische Platte, beispielsweise eine CD-ROM oder ein anderes optisches Medium beinhalten. Die Laufwerke und die damit assoziierten computerlesbaren Medien stellen einen nicht-flüchtigen Speicher für computerausführbare Befehle, Datenstrukturen, Programmmodule und andere Daten für den Computer bereit.
Obwohl die Erfindung mit Bezug auf bestimmte Beispiele oder Ausführungsformen beschrieben worden ist, wird der Fachmann verstehen, dass verschiedene Änderungen vorgenommen werden können und Äquivalente eingetauscht werden können, ohne vom Bereich der Erfindung abzuweichen. Außerdem können zahlreiche Modifikationen vorgenommen werden, um eine bestimmte Situation oder ein bestimmtes Material an die Lehren der Erfindung anzupassen, ohne von ihrem Bereich abzuweichen. Daher soll die Erfindung nicht auf die speziellen offenbarten Ausführungsformen beschränkt sein, sondern die Erfindung schließt alle Ausführungsformen ein, die in den Bereich der beigefügten Ansprüche fallen.

Claims

Computerimplementiertes Verfahren zur Beurteilung der Wirksamkeit von Arzneistoffen, umfassend: Zugreifen auf einen ersten Datensatz in Bezug auf die Leistung eines Target-Arzneistoffs für eine bestimmte Indikation; Zugreifen auf einen zweiten Datensatz in Bezug auf eine Kontrolle für die Indikation; Vergleichen der Daten für den Target-Arzneistoff und der Daten für die Kontrolle auf mindestens einer von einer Mehrzahl von verschiedenen Metriken unter Verwendung einer holistischen Analyse, wobei die mindestens eine Metrik einem Ergebnis entspricht, das mit der Indikation assoziiert ist, und Erzeugen eines entsprechenden Berichts.
Verfahren nach Anspruch 1, ferner umfassend: einen quantifizierten Variationsdatensatz für die ersten und zweiten Datensätze, wobei die Variationsdaten einer identifizierten Arzneistoffkategorie entsprechen.
Verfahren nach Anspruch 2, ferner umfassend: Analysieren der Variation auf Basis von mindestens einer aus einer Mehrzahl von Gruppenmetriken, wobei jede Gruppenmetrik der identifizierten Arzneistoffkategorie entspricht, und das Miteinbeziehen der Variation in den Bericht.
Verfahren nach Anspruch 1, ferner umfassend: Zusammenfassen zumindest einiger von der Mehrzahl von Metriken, um eine visuelle Darstellung und einen visuellen Bericht zu erzeugen.
Verfahren nach Anspruch 3, ferner umfassend: Zusammenfassen von zumindest einigen von der Mehrzahl von Gruppenmetriken, um eine visuelle Darstellung zu erzeugen, die einen Anwender dazu befähigt, ein Ergebnis zu betrachten, das von zumindest einigen von der Mehrzahl von unterschiedlichen Gruppenmetriken dargestellt wird, und Erzeugen eines visuellen Berichts über die visuelle Darstellung.
Verfahren nach Anspruch 1, ferner umfassend: Anzeigen des Berichts.
Verfahren nach Anspruch 3, ferner umfassend: Anzeigen des Berichts.
Verfahren nach Anspruch 7, ferner umfassend: Breitstellen einer Mehrzahl von Klassen, wobei jede Klasse von Ergebnissen stellvertretend ist für eine Gruppe von Metriken; und Annehmen einer Anwendereingabe in Bezug auf die Auswahl einer Klasse.
Verfahren nach Anspruch 8, wobei die Gruppe eine Patientenkohorte, einen Test, einen Krankheitstyp und/oder die Schwere einer Erkrankung beinhaltet.
Verfahren nach Anspruch 8, ferner beinhaltend, dass dem Anwender gestattet wird, eine Mehrzahl von holistischen Patientendatenansichten auf Basis eines Kriteriums zusammenzufassen.
Verfahren nach Anspruch 1, wobei der zweite Ergebnisdatensatz Placebotestergebnisse aufweist und wobei der erste Ergebnisdatensatz Arzneistofftestergebnisse aufweist, und wobei mindestens eine von der Mehrzahl von Wirksamkeitsmetriken eine Separationsmetrik ist, um eine Trennung zwischen Placeboergebnissen und Arzneistoffergebnissen zu visualisieren.
Verfahren nach Anspruch 1, wobei die Visualisierung ferner eine oder mehrere Ansichten für eine Langzeitanalyse der verglichenen Daten umfasst.
Verfahren nach Anspruch 12, wobei die zeitbezogenen Ansichten einem Anwender über eine Streifenmodusansicht und/oder eine Filmmodusansicht angezeigt werden.
Verfahren nach Anspruch 1, wobei die Mehrzahl von Wirksamkeitsmetriken eine pharmakodynamische Metrik und eine pharmakokinetische Metrik beinhaltet, um ein klinisches Design zu modellieren, um mangelhafte Kandidaten für klinische Studien zu eliminieren und Kandidaten mit einer größtmöglichen Chance auf klinischen Erfolg zu identifizieren.
Verfahren nach Anspruch 14, wobei die pharmakodynamische Metrik und die pharmakokinetische Metrik verwendet werden, um eine Mehrzahl von Parametern zu analysieren, was eine maximale Arzneistoffkonzentration, eine Zeit bis zu einer maximalen Arzneistoffkonzentration und/oder eine minimale Arzneistoffkonzentration beinhaltet.
Holistisches Analyse- und Betrachtungssystem, um die Beurteilung der Wirksamkeit von Arzneistoffen zu unterstützen, wobei das System aufweist: einen Standardisierer, um Daten in Bezug auf die Arzneistoffentwicklung zu standardisieren und/oder zu normalisieren; einen Abweichungsanalysator, um die Daten auf Basis von mindestens einer aus einer Mehrzahl von unterschiedlichen Wirksamkeitsmetriken zu analysieren, wobei eine quantifizierte Variation in einem ersten Ergebnisdatensatz einem identifizierten, Target-Arzneistoff entspricht und in einem zweiten Ergebnisdatensatz einer Kontrolle entspricht, wobei der erste Ergebnisdatensatz zum Vergleich mit dem zweiten Ergebnisdatensatz bereitgestellt wird und die Abweichung zwischen beiden mit der mindestens einen Wirksamkeitsmetrik verglichen wird.
System nach Anspruch 16, ferner umfassend: eine Ausgabe, die der Abweichung entspricht.
System nach Anspruch 17, wobei: zumindest einige von der Mehrzahl von Wirksamkeitsmetriken verwendet werden, um eine visuelle Darstellung einer integrierten vergleichenden Visualisierung für die Abweichung eines Target-Arzneistoffs und einer Kontrolle in Bezug auf mindestens eine von den Wirksamkeitsmetriken zu erzeugen.
System nach Anspruch 18, wobei: die visuelle Darstellung ein visueller Bericht ist.
System nach Anspruch 17, wobei: die Ausgabe eine integrierte visualisierte vergleichende Darstellung für den Target-Arzneistoff und die Kontrolle ist.
System nach Anspruch 20, wobei die vergleichende Visualisierung ferner aufweist: eine Mehrzahl von Klassen, wobei jede Klasse für eine pharmazeutische Gruppe steht.
System nach Anspruch 19, ferner umfassend: eine Anwenderschnittstelle, um Eingaben eines Anwenders in Bezug auf die Auswahl einer Klasse, die am besten auf die vergleichenden Visualisierungsdaten in Bezug auf die mindestens eine Wirksamkeitsmetrik passt, anzunehmen.
System nach Anspruch 20, ferner umfassend: eine Schnittstelle, die dem Anwender gestattet, eine Mehrzahl von holistischen Patientendatenansichten auf Basis eines Kriteriums zusammenzufassen.
System nach Anspruch 16, wobei der zweite Ergebnisdatensatz Placebotestergebnisse aufweist und der erste Ergebnisdatensatz Arzneistofftestergebnisse aufweist, und wobei mindestens eine von der Mehrzahl von Wirksamkeitsmetriken eine Separationsmetrik ist, um eine Trennung zwischen Placeboergebnissen und Arzneistoffergebnissen zu visualisieren.
System nach Anspruch 16, wobei die Visualisierung ferner eine oder mehrere Ansichten für eine Langzeitanalyse der ausgegebenen Daten umfasst.
System nach Anspruch 20, wobei die Visualisierung ferner eine oder mehrere Ansichten für eine Langzeitanalyse der ausgegebenen Daten umfasst.
System nach Anspruch 16, wobei die Mehrzahl von Wirksamkeitsmetriken eine pharmakodynamische Metrik und eine pharmakokinetische Metrik aufweist, um ein klinisches Design zu modellieren, um mangelhafte Kandidaten für klinische Studien zu eliminieren und Kandidaten mit einer größtmöglichen Chance auf klinischen Erfolg zu identifizieren.
System nach Anspruch 27, wobei die pharmakodynamische Metrik und die pharmakokinetische Metrik verwendet werden, um eine Mehrzahl von Parametern zu analysieren, was eine maximale Arzneistoffkonzentration, eine Zeit bis zu einer maximalen Arzneistoffkonzentration und/oder eine minimale Arzneistoffkonzentration beinhaltet.