Il lancio dei nuovi call IMI (Innovative medicines initiative) è previsto per il prossimo mese di marzo, ma per facilitare la predisposizione delle domande da parte dei consorzi interessati i testi in draft sono già stati pubblicati sul sito dell’iniziativa (clicca qui).
Quattro possibili argomenti di ricerca
Secondo quanto reso noto da IMI, i possibili argomenti dei nuovi call potrebbero riguardare lo sviluppo d’interventi immunologici mirati per i pazienti non-responsivi, le tecniche non invasive di molecular imaging clinico delle cellule immunitarie, lo sviluppo di una piattaforma federativa di machine learning, che preservi la privacy e serva da supporto le le attività di drug development e la creazione di un centro di eccellenza per la conduzione di studi clinici decentralizzati.
Tutti i draft sono ancora in consultazione all’interno del Gruppo dei rappresentanti dei vari Stati presso Imi, del comitato scientifico dell’Iniziativa e della Commissione europea (che potrebbero apportare correzioni anche significative ai testi pubblicati, avverte l’ente) e dovranno venire approvati dal Board di Imi prima del lancio effettivo dei nuovi call. La pubblicazione preventiva delle bozze dovrebbe facilitare, secondo Imi, soprattutto la partecipazione delle piccole e medie imprese, che possono così avere più tempo a disposizione per organizzarsi.
Interventi immunologici mirati per i pazienti non-responsivi
La prima area prioritaria di ricerca (scarica qui la bozza del call) è stata individuata nei bisogni dei pazienti che non rispondono alle attuali terapie standard o che presentano recidive in tempi brevi dopo il trattamento. Il draft proposto per quest’area di ricerca focalizza l’attenzione sull’identificazione di nuovi biomarcatori in grado di predire se e come il paziente risponderà alla terapia e l’andamento della stessa. Le tecniche che potrebbero venire utilizzate a tal fine includono le più recenti tecnologie immunologiche e molecolari e approcci informatici sofisticati su campioni pre- e post-trattamento ottenuti da pazienti affetti da lupus eritematoso sistemico (Sle), artrite reumatoide (Ra), sclerosi multipla (Ms), colite ulcerativa (Uc), malattia di Crohn (Cd), asma e broncopneumopatia cronica ostruttiva (Copd).
Tra gli obiettivi delineati dalla bozza del documento, anche quello di scoprire biomarker cross-disease, che siano rilevanti per un intero gruppo di malattie infiammatorie immuno-mediate e non sono per una specifica patologia.
La bozza attuale del call prevede quattro sotto-aree d’intervento, di cui una focalizzata sui metodi e le altre tre su gruppi omogenei di malattie:
- Profilazione della malattia e informatica;
- Cluster 1: Sle, Ra, Ms;
- Cluster 2: Uc, Cd;
- Cluster 3: asma e Copd.
Per ogni cluster, la bozza del call indica che i progetti dovrebbero seguire un approccio multidisciplinare che includa esperti delle specifiche malattie in campo clinico, scientifico, biostatistico e regolatorio. Gli esperti dovrebbero anche avere accesso sia prospettico che retrospettivo a coorti di pazienti, campioni biologici e ai dati ad essi relativi. L’individuazione dei nuovi biomarker e lo sviluppo degli algoritmi predittivi del comportamento clinico e della risposta della malattia dovrebbero vedere un dialogo e collaborazione tra i diversi cluster.
Tecniche non invasive di molecular imaging clinico
Il secondo argomento proposto (scarica qui la bozza) intende sviluppare nuove tecniche non invasive per la valutazione farmacodinamica delle cellule immunitarie, che sostituiscano gli attuali metodi invasivi basati sui marcatori del sangue periferico o su campioni bioptici. La strada proposta di Imi prevede il ricorso a tecniche di imaging che utilizzino immunotraccianti in grado di distinguere i diversi sottotipi di cellule immunitarie e i marcatori della malattia.
Il draft pone quattro obiettivi prioritari per questa linea di ricerca, tutti volti a giungere ad una maggiore personalizzazione della terapia immunologica:
- la stratificazionecazione dei pazienti sulla base del loro stato immunitario;
- la previsione della risposta o dell’esito sul lungo termine al trattamento terapeutico;
- la selezione del dosaggio del farmaco, anche in modo personalizzato;
- il coinvolgimento mirato all’interno del tessuto interessato.
Il bisogno disatteso identificato dalla bozza del call è quello di capire meglio come utilizzare i marcatori già disponibili e di validarli rispetto ad un utilizzo clinico estensivo. Per raggiungere questo traguardo, il consorzio dovrebbe includere esperti di ricerca immunologica, di tecnologie di imaging e di sviluppo traslazionale.
Sviluppo di una piattaforma federativa di machine learning
Il cammino verso una medicina più personalizzata non può prescindere dalla generazione di insights a partire dalla grande quantità di dati ottenuti quotidianamente dalle attività di R&D volte alla scoperta di nuovi farmaci, quali i dati riguardanti i diversi modelli, i metodi di analisi, le librerie di composti chimici o biologici, e tutti i dati che ne derivano nel corso dello sviluppo. Ma per quanto le aziende farmaceutiche utilizzino tecnologie sempre più raffinate, l’intrinseca complessità biologica ha spesso ancora la meglio, segnala Imi. Ad essa si affiancano barriere regolatorie sempre più alte, con la conseguente necessità d’indirizzare al meglio fin dalle fasi precoci le attività di ricerca in modo da poterne contenere i costi.
Il terzo argomento in draft proposto da Imi riguarda il ricorso a tecnologie di machine learning che aiutino ad estrarre i dati rilevanti al di là del singolo progetto, da tutte le fonti disponibili e rilevanti rispetto allo specifico quesito. Questo tipo di processo dovrebbe anche rendere sempre più “virtuale” il processo di drug discovery e focalizzare meglio i candidati allo sviluppo clinico.
La bozza di documento prospetta tre diverse linee di azione:
- La condivisione dei dati proprietari e confidenziali tra diversi proprietari, nel settore farmaceutico, senza disclosure dei dati reali e degli asset ad essi correlati. A tal fine sono state individuate due condizioni fondamentali: la prima riguarda la protezione stringente dei dati e degli asset confidenziali e di quelli IP-sensible, come ad esempio i dati di attività dei composti sottoposti a test, le glosse dei metodi o i modelli predittivi che da essi derivano. In secondo luogo, Imi prospetta un approccio di machine-learning federativo che distribuisca gli sforzi dell’apprendimento tra diversi partner fisicamente separati: un’attività che è considerata chiave per permettere il controllo sui dati e gli altri assett da parte dei loro proprietari.
- La disclosure di grandi volumi di dati da fonti o tipologie diverse, quali ad esempio i profili di imaging o i dati primari acquisiti tramite high throughput screening, al momento fornisce ancora informazioni biologiche di difficile interpretazione sui diversi composti;
- Lo sviluppo di tecnologie più avanzate di machine learning rispetto alle attuali, ad esempio quelle di multi-task learning e deep learning.
Un centro di eccellenza per gli studi clinici decentralizzati
L’ultimo argomento attualmente proposto in bozza da Imi riguarda l’implementazione di modalità innovative per la conduzione degli studi clinici in modo più decentrato. L’obiettivo è in questo caso quello di migliorare la capacità di reclutamento e ritenzione dei pazienti, che secondo i risultati del sondaggio “2017-global CISCRP” sarebbero poco consapevoli dei trial (61%) o abitano distanti dal sito in cui ha luogo la sperimentazione (60%). Circa il 30% dei pazienti reclutati, inoltre, avrebbe la tendenza a uscire dallo studio prima del suo termine.
L’obiettivo della quarta linea di ricerca è quindi quello di migliorare l’esperienza del paziente che aderisce allo studio attraverso un’ottimizzazione del protocollo clinico, in modo da generare dati di migliore qualità e migliorare le probabilità di successo dello sviluppo.
La proposta di questa linea di ricerca si basa sui risultati già ottenuti con il progetto European Electronic Health Records (che connette una ventina di ospedali europei) e dal progetto Decentralised Clinical Trials (DCTs), una modalità di sperimentazione clinica che “costruisce” lo studio attorno al paziente (che sarebbe seguito dal suo medico di famiglia o da un centro locale) invece che centralizzarlo in un unico centro clinico. La capacità di reclutamento e l’aderenza allo studio sarebbero facilitate dall’adozione di endpoint digitali e strumenti di telemedicina. Secondo la bozza del call, lo sviluppo di questo tipo di approccio potrebbe anche estendere l’accesso agli studi clinici a una base più ampia di popolazione, e aiutare quindi a colmare il gap tra i dati generati nel corso dello sviluppo e quelli real-world.
