替换
查找内容:
替换为:
全部替换
插入链接
链接网址:
链接显示标题:
请选择网址类型
点我插入链接
插入文件
文件名称:
文件显示标题:
请选择文件类型
点我插入文件
发现错误 发表观点

原文内容

反馈意见

提交 正在提交..... 反馈历史

复制下面的地址分享给好友

确定 正在提交.....
train

你好,

关闭
提交 重做 重新开始 关闭
跳转
  • 新建同级
  • 新建子级
  • 删除
  • 重命名
选择收藏夹
新建收藏夹
公开

取消 确定

1. 基本信息
姓名:
企业:
职位:
联系方式:
邮箱:
2. 请在此填写您的问题,我们将优先安排答疑
提交

报名成功!
课程观看链接如下:
请添加课程助理微信,获得更多信息:
确认
确定
取消 确认

识林

  • 知识
  • 视频
  • 社区
  • 政策法规
    • 国内药监
    • FDA
    • EU
    • PIC/S
    • WHO
    • ICH
    • MHRA
    • PMDA
    • TGA
  • 研发注册
    • 概览
    • 监管动态
    • 研究专题
  • 生产质量
    • 概览
    • 监管动态
    • 各国GMP
    • 中国GMP
    • 中国GMP指南
    • GMP对比
    • 检查缺陷
    • 研究专题
  • 主题词库
  • 帮助中心
  • 关于识林
    • 识林介绍
    • 识林FAQs
    • 功能介绍
    • 团队诊断
    • 联系我们
  • 30天免登录

    忘记密码?

FDA 使用机器学习建模预测 ANDA 申报

首页 > 资讯 > FDA 使用机器学习建模预测 ANDA 申报

页面比对

出自识林

FDA 使用机器学习建模预测 ANDA 申报
机器学习
页面比对
笔记

2019-06-08

跳转到: 导航, 搜索

美国 FDA 研究人员 4 月 22 日在线发表在《临床药理学和治疗学杂志》上的一篇文章指出,利用药品、监管和药物经济学信息可以准确地预测新化学实体的首个简化新药申请(ANDA)申报的时间。这种建模方法可以帮助 FDA 优化其在仿制药使用者付费(GDUFA)计划下的资源分配和工作量,并为指南制定和申报前会议的策略规划提供信息。

文章作者来自 FDA 仿制药办公室研究与标准办公室以及 FDA 药品审评与研究中心(CDER)计划与策略分析办公室。文章指出,“据我们所知,这是首个报告 ANDA 申报预测的研究”。文章作者之一,OGD 研究与标准办公室主任 Robert Lionberger 在 5 月初举办的食品和药品法律研究所(FDLI)年会上表示,在进行研究时,他惊讶地发现,对于某些产品,在最早合法 ANDA 申报日期之后几个月内都没有 ANDA 申报,这表明 180 天仿制药市场专营权的机会并不总是充满诱惑。他表示,“我对此感到好奇。我们怀疑这可能是一些科学复杂程度的问题。我们的指南可能能够针对这些领域发挥作用”吸引 ANDA 申办人。

文章表示,机器学习方法在预测性能方面优于传统的 Cox 回归模型。“总之,机器学习方法可以作为仿制药申请策略工作量和研究规划的有效预测工具。”

更好地资源规划

根据 GDUFA II,FDA 正在为仿制药计划开发资源管理规划功能和现代化时间报告方法,以及准确评估资源需求变化的新方法。文章指出,“预测 ANDA 申报可以为资源分配和工作量管理提供关键信息。在这项工作中,我们采用了机器学习方法来预测在最早合法 ANDA 申报日期之后参照新化学实体(NCE)的首批 ANDA 申报时间。”

关于药品性质、监管因素和药物经济学因素的信息被用作建模输入。文章中的图 5(下图)描绘了所收集的变量是如何用于建立预测模型的。

文章使用随机生存森林(RSF)机器学习方法和传统的 Cox 模型来预测 ANDA 申报。文章指出,RSF 是一种基于机器学习的成熟的生存分析方法,提供了卓越的性能,尤其是对于非线性关系。“RSF 的应用特别有利于非均匀复杂数据的生存分析。首次 ANDA 申报的时间预测分析涉及连续和分类数据类型以及某些变量之间的复杂关系(例如,变量之间的相关性),这使得 RSF 成为一种理想的方法。”

三个影响最大的因素

研究人员使用最早合法 ANDA 申报日期(earliest lawful ANDA submission dates,ELASD)在 2018 年之前的 NCE 产品数据用于建立预测性 RSF 模型。然后使用该模型对 27 种 ELASD 在 2018 年之内的产品进行预测。文章指出,“值得注意的是,大约 40% 的 NCE 药品在 ELASD 拥有 ANDA 申报,而超过 50% 的 NCE 药品在 ELASD 几天后拥有了首批 ANDA 申报。”FDA 在 2018 年收到了 ELASD 在 2018 年之内的 27 个产品中的 11 个产品的 ANDA。“结果显示,模型预测忠实地反映了 2018 年的 ANDA 申报,证明了没有 ANDA 申报的 16 个产品的 ANDA 申报预测概率低,反之亦然。”

研究人员报告指出在预测一个 NCE 产品早期 ANDA 申报时间方面影响最大的三个变量:

  • ELASD 之前一年的高销售额;
  • ELASD 之前一年是否有具体产品指南;
  • 非复杂原料药

对于 ELASD 之前一年是否存在具体产品指南对于 ANDA 申报时间的影响程度,研究人员警告指出,“这个变量可能与其它变量混淆,例如表明复杂原料药和局部作用的变量,针对这些变量的长期科学挑战可能决定了具体产品指南的可得性。”

FDA 已经开始在其网站上列出其计划在下一年发布的针对复杂仿制药的新的和修订产品指南。【FDA 推出新网页预告复杂产品 BE 指南的发布 2019/05/02】

研究人员指出,“准确预测即将到来的 ANDA 申报将极大地有利于复杂产品具体产品指南的及时制定,弥合长期科学差距的监管研究工作的优先次序以及在 GDUFA II 承诺下 ANDA 申报前沟通的早期准备。准确预测工作在监管环境中创造的价值能够通过反映其对审评效率和质量的改善的指标来进行最佳评估,目前其创造的价值尚不可得,未来将监测并报告其价值。”

文章指出,随着更多相关数据可用,类似的机器学习方法可用于预测其它对监管机构策略规划至关重要的关键结果,例如在特定时间跨度内具体产品的 ANDA 申报数量,以及在获批之前 ANDA 审评周期的时间和轮次。FDA 曾表达过有兴趣尝试预测公司在收到完全回应函后何时将向 FDA 重新提交 ANDA。【FDA 希望预测企业对 ANDA 完全回应函的回复 2018/02/23】

整理:识林-椒
识林®版权所有,未经许可不得转载。如需使用请联系 admin@shilinx.com 。

参考资料
[1] Hu, Meng, et al. "Predictive analysis of first Abbreviated New Drug Application submission for new chemical entities based on machine learning methodology." Clinical Pharmacology & Therapeutics (2019).
[2] Generic Drugs: Machine Learning Modeling Can Better Predict ANDA Submissions. Pink Sheet.

取自“https://login.shilinx.com/wiki/index.php?title=FDA_%E4%BD%BF%E7%94%A8%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%BB%BA%E6%A8%A1%E9%A2%84%E6%B5%8B_ANDA_%E7%94%B3%E6%8A%A5”
上一页: 【更新提示】识林一周回顾(20190602-0608)
下一页: 微生物治疗药物:制造方面的挑战
相关内容
相关新闻
  • FDA 开始构建制药行业研发活...
  • FDA 研究揭示可用来预测仿制...
  • FDA 预测机器学习将在药物研...
  • FDA 希望预测企业对 ANDA ...
  • 回顾发现,从参照药换为生物类...
热点新闻
  • ICH 发布新 Q1 稳定性指南...
  • 【直播】25年4月全球法规月报...
  • 【识林新工具】AI知识助手,AI...
  • 【识林新文章】中国无菌附录对...
  • VHP(过氧化氢蒸汽)的“脆弱...

 反馈意见

Copyright ©2011-2025 shilinx.com All Rights Reserved.
识林网站版权所有 京ICP备12018650号-2 (京)网药械信息备字(2022)第00078号
请登录APP查看
打开APP