FDA-AACR关于优化肿瘤药物产品剂量的策略：为注册试验选择最佳剂量 免费

《Clinical Cancer Research》：FDA-AACR Strategies for Optimizing Dosages for Oncology Drug Products: Selecting Optimized Dosages for Registrational Trials Free

　　本文探讨肿瘤药物开发中最大耐受剂量（MTD）的优化方法，指出传统II期剂量评估可能过度关注毒性而忽略疗效，提出通过创新临床试验设计（如无缝试验）和模型驱动方法（如暴露反应分析）整合多源数据，实现更精准的剂量选择，为III期注册试验提供依据。

　　

摘要

历史上，最大耐受剂量一直被推荐作为二期临床试验的剂量，这种剂量通常在肿瘤药物的注册临床试验中进行评估。随着靶向疗法的出现，这种方法可能导致研究出不必要的高剂量，这些高剂量虽然能引发额外的毒性，但并未带来额外的益处。在临床开发过程中，采用创新的试验设计和基于模型的方法可以更科学地选择剂量。暴露-反应分析、临床效用指数以及其他基于模型的方法已成功应用于理解各类现代肿瘤药物的初步活性和安全性数据，为注册临床试验中建议的剂量选择提供了依据。无缝的试验设计也通过利用预先规划的灵活性和统计程序，在试验过程中提高了效率。至关重要的是，这两种方法都可以根据实际需要进行调整，从而充分利用所有相关的临床和非临床数据。尽管如此，最大耐受剂量的评估在注册临床试验中仍然很普遍。本文是描述肿瘤药物开发中剂量优化最佳实践方法的三篇文章中的第三篇，重点介绍了创新试验设计和基于模型的方法在帮助选择更优化的剂量以供注册临床试验评估方面的成功应用及相关考虑因素。