< Terug naar vorige pagina

Project

Herontwikkeling van het proces van klinisch kankeronderzoek in door data aangedreven gezondheidszorgsystemen.

Het huidige kader voor de klinische ontwikkeling van geneesmiddelen heeft patiënten veel innovatieve therapieën opgeleverd waarvan de veiligheid, kwaliteit en werkzaamheid empirisch zijn aangetoond. Belangrijke aspecten met betrekking tot het gebruik van deze therapieën in de klinische praktijk worden echter vaak verwaarloosd tijdens de klinische ontwikkelingsfase, zoals hoe ze te combineren met andere bestaande behandelingen, hoe goed ze werken in vergelijking met alternatieven, hoe effectief ze zijn in populaties die niet werden bestudeerd in klinische proeven (kinderen, ouderen, rokers, zwangere vrouwen, patiënten met nier- of leverfunctiestoornissen), hoe lang ze moeten worden toegediend om de gewenste effecten te bereiken en of een lagere dosis dezelfde resultaten kan opleveren. Het is duidelijk dat er een onderzoekskloof bestaat tussen de pre-autorisatie ontwikkeling van geneesmiddelen en het post-autorisatie gebruik ervan in de klinische praktijk, waardoor het voor clinici moeilijk is om te beslissen hoe ze hun patiënten het beste kunnen behandelen. In de oncologie is deze kloof bijzonder problematisch, aangezien de opkomst van de precisiegeneeskunde ertoe heeft geleid dat dure therapieën een vergunning voor het in de handel brengen en terugbetaling hebben verkregen zonder dat er in de praktijk voldoende bewijs is om de effectiviteit ervan te bevestigen. Dit doctoraatsproject richt zich op mogelijke benaderingen om de kloof te overbruggen door te onderzoeken hoe pragmatische klinische studies, big data analyses en nieuwe technologieën zoals artificiële intelligentie en machinaal leren kunnen worden gebruikt om het nodige real-world bewijs te genereren dat momenteel ontbreekt. De doelstellingen zijn om 1) te karakteriseren in welke mate deze methoden kunnen worden ingezet om het real-world klinische onderzoeksvacuüm te vullen, 2) hun vroegere, huidige en toekomstige impact op de regulatoire en klinische besluitvorming te schetsen, 3) de standpunten van de belangrijkste belanghebbenden in het geneesmiddelenontwikkelingsproces met betrekking tot deze strategieën te verduidelijken, en 4) de ethische, economische en regulatoire dimensies van real-world klinisch onderzoek dat dergelijke strategieën incorporeert te analyseren.

Datum:10 okt 2018  →  Heden
Trefwoorden:Clinical research, Artificial intelligence, Pragmatic clinical trials, Big data, Treatment optimization, Real-world data, Real-world evidence, Machine learning, Precision medicine, Oncology
Disciplines:Ontdekking en evaluatie van geneesmiddelen, Medicinale producten, Farmaceutica, Farmacologie, Farmacotherapie, Andere farmaceutische wetenschappen
Project type:PhD project