Datensimulationsstudien reduzieren Risiko und Kosten für klinische Studien

 

Willkommen zum Podcast „Menschen immer, Patienten manchmal“. Unser Gast ist Aiden Flynn, der Gründer von Exploristics. Wir haben mit Aiden und seinem Team zusammengearbeitet, um zu untersuchen, wie sich Spencer in einer Simulationsstudie an 6,100 Herz-Kreislauf-Patienten sowohl auf die Einhaltung als auch auf das Engagement auswirkt. Wir wollten herausfinden, ob bei einer dramatischen Erhöhung der Adhärenz, wie dies bei der Spencer-Plattform der Fall ist, die Endpunkte von Schlaganfall und Persistenz in der gesamten Medikamentenstudie verbessert werden können. Die Ergebnisse waren hervorragend und wir haben ein Whitepaper, in dem dies detailliert beschrieben wird. Jetzt freuen wir uns, Aiden zu präsentieren, da dies ein sehr fesselndes Interview ist. Ich weiß, Sie werden Aidens Erkenntnisse zu „Menschen immer, Patienten manchmal“ zu schätzen wissen.

Janet Kennedy (00:49 Uhr):

Hallo, mein Name ist Janet Kennedy und ich bin Ihr Gastgeber für "People Always, Patients Manchmal", eine Produktion von Spencer Health Solutions. Wir sprechen mit dem Geschäftsführer von Exploristics, Aiden Flynn. Exploristics bietet Analyse-, Statistik-, explorative Datenanalyse-, Modellierungs- und Simulationsdienste. Es gibt so viel mehr zu besprechen. Also lasst uns anfangen. Willkommen bei "Menschen immer, Patienten manchmal", Aiden.

Aiden Flynn (01:13 Uhr):

Danke, Janet. Es ist eine Freude, hier zu sein.

Janet Kennedy (01:15 Uhr):

Wir haben tatsächlich mit Exploristics bei Spencer Health Solutions gearbeitet. Wir werden gleich darauf eingehen, aber ich bin sicher, dass Ihr Unternehmen viel mehr leistet als die Arbeit, die Sie mit uns geleistet haben. Nehmen Sie sich also einen Moment Zeit, um uns ein wenig über sich selbst und die Exploristik zu erzählen?

Aiden Flynn (01:29 Uhr):

Ich arbeite seit fast 30 Jahren in der Pharmaindustrie. Ich hatte einen akademischen Hintergrund. Dann habe ich 10 Jahre bei GlaxoSmithKline gearbeitet und dann vor 11 Jahren Exploristics gegründet. Wir arbeiten mit kleinen und großen Biotech- und Pharmaunternehmen zusammen, um ihnen dabei zu helfen, das Design ihrer klinischen Studien zu optimieren, um sicherzustellen, dass sie die richtigen Daten generieren, und um diese Daten in den Beweis umzuwandeln, dass sie die Zulassung für das Medikament beantragen müssen oder nicht weitere Investitionen in die Entwicklung unterstützen.

Janet Kennedy (02:06 Uhr):

Arbeiten Sie also in einer Vorprotokollphase mit Unternehmen zusammen?

Aiden Flynn (02:10 Uhr):

Im Idealfall? Ja. Ich denke, einer der Fehler vieler Statistiker ist, dass sie sich nicht früh genug in die Protokollentwicklungsphase einmischen. Wir bevorzugen es, so früh wie möglich einzusteigen. Wir können tatsächlich viele Aspekte des Protokolls nicht nur im Statistikbereich beeinflussen, wo wir beispielsweise eine Stichprobengröße rechtfertigen könnten.

Janet Kennedy (02:36 Uhr):

Arbeiten Sie also mit ihnen zusammen, um sicherzustellen, dass ihr Medikament tatsächlich lebensfähig ist, oder arbeiten Sie mit ihnen zusammen, um sicherzustellen, dass sie die richtigen Fragen stellen und die richtigen Daten sammeln, um eine bessere Leistung des Medikaments zu beweisen?

Aiden Flynn (02:50 Uhr):

Ja, es ist beides. Letztendlich kennt jeder die Art der Abnutzungsrate und der klinischen Entwicklung. Mehr als 90% der Medikamente fühlen sich auf dem Markt. Nachdem ich bereits an klinischen Studien teilgenommen habe, glaube ich, dass ein großer Teil davon darin besteht, dass Studien nicht angemessen gestaltet sind, und ich glaube, dass Statistiken und Statistiker dabei eine große Rolle spielen. Und ich denke, die Art und Weise, wie wir denken, dass der logische und quantitative Ansatz viele Aspekte der klinischen Studie beeinflussen kann. Also ja, wir engagieren uns frühzeitig, um sicherzustellen, dass die Studie angemessen gestaltet ist. Wir messen die richtigen Dinge. Wir messen sie auf die richtige Weise und stellen sicher, dass wir die richtige Analyse durchführen. Wir arbeiten auch am Ende des Prozesses. Wir nehmen also die Daten, die im Rahmen einer klinischen Studie generiert wurden, und führen unsere statistische Analyse durch, um zu zeigen, dass das Medikament wirkt oder auf andere Weise. Und tatsächlich schließen wir die Rückkopplungsschleife ab. Alles, was wir in Bezug auf die Ergebnisse einer klinischen Studie erhalten, versuchen wir, dies in den Entwurfsprozess zurückzuführen, damit wir aus dem Erfolg und den Misserfolgen klinischer Studien lernen, damit wir diese vermeiden Ausfälle in der Zukunft.

Janet Kennedy (04:17 Uhr):

Ein Teil Ihrer Arbeit besteht darin, dass Sie, wenn Sie sich früh genug engagieren können, keine Situation haben, in der unsere Daten angezeigt werden. Versuchen Sie, diesen quadratischen Stift in ein rundes Loch zu stecken und zu beweisen, dass wir etwas Gutes getan haben Sache.

Aiden Flynn (04:28 Uhr):

Ja, genau deshalb wollen wir uns frühzeitig engagieren. Ich kann nicht sagen, dass das immer noch nicht passiert. Wissen Sie, es ist üblich, dass wir von einem Kunden angesprochen werden, der sagt: Können Sie etwas aus diesem Wrack bergen? Und an diesem Punkt kann man oft wirklich sehr wenig tun

Janet Kennedy (04:49 Uhr):

Ist das das Problem, weil sie nicht genug Daten sammeln, die richtigen Daten?

Aiden Flynn (04:55 Uhr):

Es ist eine ganze Reihe von Themen. Ein allgemeiner Ansatz, den ich finde, ist, dass unsere Kunden, die Sponsoren der Studie sind, oft sehr optimistisch über die Auswirkungen ihres Arzneimittels auf das Ansprechen sind. Sie werden immer zu optimistisch sein. Und deshalb haben sie die Studie nicht so konzipiert, dass, was passiert, wenn Ihr Medikament nicht ganz so gut ist, wie Sie es sich vorstellen? Denn Sie wissen, wenn Sie in eine klinische Studie gehen und anfangen, Probleme wie Einhaltung und Persistenz oder fehlende Daten oder nur ein Geräusch, das von der operativen Seite klinischer Studien eingeführt wird, einzuführen, haben sie dies in nicht berücksichtigt der Designprozess. Und das erhöht die Variabilität und die Reaktion und führt zu einer fehlgeschlagenen Studie. Die andere Sache, die ich finde, sind nur die Endpunkte, die viele Menschen messen, werden so gemessen, dass es eine Art von Mehrdeutigkeit gibt, die sie nicht berücksichtigt haben. Wissen Sie, ich denke, es gibt einige Gründe, warum diese Studien fehlschlagen, und wir versuchen, mit Kunden zusammenzuarbeiten, um ihnen zu helfen, die Probleme zu durchdenken und sicherzustellen, dass sie einen Plan haben, um sie zu verwalten.

Janet Kennedy (06:11 Uhr):

Selbst wenn ein Medikament nicht so gut funktioniert, können Sie wahrscheinlich, wenn es im Front-End entsprechend eingerichtet ist, einige wertvolle Daten erhalten, die in den nächsten Prozess einfließen.

Aiden Flynn (06:23 Uhr):

Absolut. Wissen Sie, ich denke, es ist wichtig, dass wir versuchen, so viel wie möglich daraus zu lernen, auch wenn eine Studie fehlgeschlagen ist oder nicht eindeutig ist. Und wenn der Sponsor in der glücklichen Lage ist, genügend Geld zu haben, um zu lernen und dann die nächste Studie zu entwerfen, werden wir ihm dabei absolut helfen.

Janet Kennedy (06:47 Uhr):

Sagen Sie mir genau, was ein Simulationsdienst ist.

Aiden Flynn (06:51 Uhr):

Okay. Nun, ich kann Ihnen sagen, was unsere eigene Kerus Cloud-Plattform tut. Das Wort Simulation ist ziemlich weit gefasst. Unsere Kerus-Plattform funktioniert also so, dass sie eine große virtuelle oder in silico-Patientenpopulation aufbaut, eine Patientenpopulation, die die Funktionen umfasst, die Sie für eine bestimmte Indikation für wichtig halten. Dazu gehören beispielsweise die Ergebnisse oder Endpunkte von Interesse, die Risikofaktoren auf Patientenebene, die sich auf diese Ergebnisse auswirken können, und auch die Beziehung zwischen ihnen und allen? Wir bauen also eine Art komplexen Datensatz auf, in dem es viele Wechselbeziehungen gibt. Wenn Sie jedoch eine gute virtuelle Patientenpopulation erhalten können, können Sie die Funktionsweise einer klinischen Studie nachahmen. Und Sie können viele „Was wäre wenn“ -Fragen stellen, wissen Sie, „Was ist, wenn ich eine Studie entwerfe, in der ich diese speziellen Einschluss- und Ausschlusskriterien habe, wie soll ich aus dieser Population eine Stichprobe ziehen?“.

Aiden Flynn (07:59 Uhr):

„Wie viele Proben brauche ich? Probiere ich alles auf einmal? Oder nehme ich eine Probe, mache eine Analyse und passe dann die Studie an? Was sind die wichtigsten Endpunkte, die ich messen muss? Soll ich diese analysieren und wie soll ich den Erfolg der Studie definieren? “ Wie soll ich diese analysieren und wie soll ich den Erfolg dieser Studie definieren? Und was wir aus unserer Simulation gezeigt haben, ist, dass Sie einen massiven Unterschied in der Wahrscheinlichkeit des Erfolgs der Studie oder den Kosten der Studie machen, wenn Sie die richtige Kombination aus Studienpopulation, Studiendesign und Endpunktanalyse nach Entscheidungskriterien erhalten Dauer der Studie. Und es ist keine mehrdimensionale Optimierung, die wir auf den Tisch bringen.

Janet Kennedy (08:44 Uhr):

Also sind es die sieben Ps, oder? Eine ordnungsgemäße vorherige Planung verhindert usw. und so weiter.

Aiden Flynn (08:50 Uhr):

In der Tat in der Tat. Anstatt als Statistiker zu denken, wie eine Gruppe von Menschen, die eine Stichprobengröße rechtfertigen, viel breiter denken als nicht, verwende ich die verfügbaren Daten, die Entscheidungen in all diesen Dimensionen unterstützen können.

Janet Kennedy (09:09 Uhr):

Woher kommen die Daten?

Aiden Flynn (09:11 Uhr):

Das ist eine gute Frage. Und sie kommen aus verschiedenen Quellen. Wir werden in der Regel für jeden Hinweis die Literatur durchforsten. Wir werden Statistiken auf Bevölkerungsebene in Bezug auf Endpunkte und Risikofaktoren erstellen. Also werden wir diese Daten zusammenführen. Was Sie daraus nicht erhalten, sind normalerweise die Wechselbeziehungen zwischen diesen Variablen oder Messungen. Daher ergänzen wir dies häufig durch Daten auf Patientenebene, auf die wir zugreifen können. Wir stellen fest, dass viele unserer Kunden bereits frühere klinische Studien in diesem Bereich durchgeführt haben, damit wir auf diese Daten auf Patientenebene zugreifen und die Wechselbeziehungen ermitteln können.

Aiden Flynn (09:55 Uhr):

Wenn sie keine eigenen Daten haben, kennen sie häufig einen Ermittler oder haben Zugriff auf ein Register der realen Welt, in dem wir die Daten auf Patientenebene abrufen können. Und wieder quantifizieren Sie die Stärke dieser zentralen Beziehungen. Dies sind die beiden Hauptinformationsquellen. Wir werden auch Expertenmeinungen einholen, insbesondere in Bezug auf einen sinnvollen Behandlungseffekt bei dieser Indikation. Und dies bezieht sich auf meinen früheren Kommentar, dass viele Sponsoren in Bezug auf beide Behandlungen in einer klinischen Studie zu optimistisch sind. Wir werden also alle diese Informationsquellen nutzen und sie integrieren, um diese virtuelle Patientenpopulation aufzubauen.

Janet Kennedy (10:44 Uhr):

Jetzt sind Patienten gute Menschen, daher sind die Zahlen großartig und all diese Daten sind faszinierend, aber die Menschen haben das Potenzial, einen Schraubenschlüssel in die besten Formeln zu werfen. Wie erklären Sie das?

Aiden Flynn (10:58 Uhr):

Ja. Und wieder eine gute Frage. Dies bezieht sich also auf die Fähigkeit, „Was wäre wenn“ -Fragen zu stellen, die Sie wirklich benötigen, um sicherzustellen, dass die von Ihnen entworfene Studie gegenüber einigen plausiblen Szenarien in einem dieser plausiblen Szenarien robust ist. Dies ist absolut das, was passiert, wenn etwas passiert, einige Patienten und Sie Ausreißer oder was auch immer, und Sie müssen sicherstellen, dass das, was Sie in dieser Studie tun, nicht entgleist, nur weil Sie diese nicht übereinstimmenden Maßnahmen oder abweichenden Werte erhalten.

Janet Kennedy (11:35 Uhr):

Weil das unvermeidlich ist, oder?

Aiden Flynn (11:37 Uhr):

Es ist. Es ist selten, dass Sie eine Studie haben, in der Sie so etwas nicht haben, aber die Wahrheit ist, wenn viele Statistiker die Studie entwerfen, erklären sie das überhaupt nicht.

Janet Kennedy (11:49 Uhr):

Sie gehen also davon aus, dass ich in einer perfekten Welt mit hundert Patienten beginnen und mit hundert Patienten enden werde.

Aiden Flynn (11:55 Uhr):

Nun, das ist eine Annahme, die oft gemacht wird, oder es gibt vielleicht eine einfache Erweiterung davon, bei der angenommen wird, dass 10% der Patientenpopulation ausfallen könnten. Sie werden also am Ende eine Reihe von Patienten, die für die Studie rekrutiert wurden, um weitere 10% umdrehen. Aber selbst in diesem Fall gehen Sie davon aus, dass Sie wissen, dass die Abbrecherquote über die Behandlungsgruppen verteilt ist, was nicht unbedingt der Fall ist, insbesondere wenn der Abbrecher in Bezug auf das Nichtansprechen steht.

Janet Kennedy (12:32 Uhr):

Die Herausforderung hier besteht also darin, ein wenig besser vorhersagen zu können, wie viele Patienten Sie benötigen würden, wie lange sie an ihren Medikamenten festhalten oder diese beibehalten würden und wie viele Sie am Ende haben würden, damit Sie immer noch einen wertvollen Datensatz haben um vorwärts zu kommen.

Aiden Flynn (12:49 Uhr):

Tatsächlich. Ich denke, es ist wichtig zu fragen, was, wenn Sie diese Studie kennen, nicht perfekt ist. Was ist das wahrscheinliche Ergebnis für den Fall, dass wir, wie Sie wissen, nicht adhärent sind und nicht persistierende Patienten haben? Welche Anpassungen müssen wir vornehmen, um diese Eventualitäten abzudecken?

Janet Kennedy (13:09 Uhr):

Jetzt weiß ich, dass Sie eine Simulationsstudie für Spencer Health Solutions durchgeführt haben. Kannst du das ein bisschen beschreiben und was hat es wirklich gezeigt?

Aiden Flynn (13:16 Uhr):

Ja sicher. In unserer Zusammenarbeit mit Spencer haben wir uns daher mit den Auswirkungen von Adhärenz und Persistenz auf die Erfolgswahrscheinlichkeit in klinischen Studien befasst. Wir haben eine Fallstudie zum Thema Schlaganfall erstellt und eine virtuelle Patientenpopulation aufgebaut. Und innerhalb dieser Population beginnen wir, verschiedene Raten von Nicht-Persistenz und Nicht-Adhärenz einzuführen. Und dann erarbeiten wir, wie hoch die Erfolgswahrscheinlichkeit angesichts dieser zugrunde liegenden Annahmen ist. Und dann war der nächste Schritt, welche Art von Anpassungen wir vornehmen müssten, um die Probleme zu überwinden, die aufgrund mangelnder Einhaltung und Beständigkeit auftreten, und um wie viel wir die Stichprobengröße erhöhen müssten, um sie beizubehalten die gleiche Wahrscheinlichkeit des Erfolgs. Und Sie werden nicht überrascht sein zu wissen, dass mangelnde Persistenz und Adhärenz einen massiven Unterschied in Bezug auf die Anzahl zusätzlicher Patienten bewirken können, die erforderlich sind, um die gleiche Erfolgswahrscheinlichkeit aufrechtzuerhalten.

Aiden Flynn (14:24 Uhr):

Und eines der Szenarien, die wir im Fall eines Schlaganfalls betrachtet haben, ist, wenn man vergleicht, nur die Einhaltung allein zu betrachten, die Beharrlichkeit beiseite zu lassen, die Einhaltung und Einhaltung zu betrachten, kompliziert, weil alles, was es tut, die Variabilität der Reaktion in einem Fall ändert, in dem Wissen Sie, wir haben eine Studie mit einer sehr guten und hohen Adhärenz verglichen, wie Sie sie mit Spencer erzielen könnten, mit einem Fall mit einer sehr geringen Adhärenz. Um den gleichen Erfolg zu erzielen, mussten Sie die Größe der Studie verdoppeln. Und im Fall des Schlaganfallbeispiels entfielen etwa tausend zusätzliche Patienten, die in die Studie aufgenommen wurden, was viel Geld kosten würde, um dies in der Studie angemessen zu berücksichtigen.

Neuer Sprecher (15:17 Uhr):

Oh, das ist unglaublich. Ich meine, das sind Millionen von Dollar.

Aiden Flynn (15:20 Uhr):

Nun, Sie wissen, je nach Indikation, Krankheitsgebiet, wissen Sie, es sind manchmal 20, 30,000 US-Dollar pro Patient, wissen Sie, also ja. Sie sparen Millionen von Dollar, indem Sie die Haftungsrate verbessern.

Janet Kennedy (15:37 Uhr):

Es ist also wahr, dass die Prävention von Ansagern ein Pfund Heilung spart!

Aiden Flynn (15:41 Uhr):

Sicher. Sicher. Das erzählen wir den Leuten immer wieder.

Janet Kennedy (15:44 Uhr):

Was ist anders an Version zwei der Karus Cloud?

Aiden Flynn (15:49 Uhr):

Die erste Version erschien vor 18 Monaten und da die Simulationen immer komplexer wurden, mussten wir die Funktionsweise der Software neu entwickeln. Es läuft auf AWS. Die zweite Version funktioniert also auf sehr clevere Weise mit der Rechenleistung, die zum Ausführen einer Reihe von Simulationen erforderlich ist. Es wird also eine erste Überprüfung der Komplexität der Simulationen durchgeführt, die angefordert werden. Dann werden viele im Wesentlichen parallele Verarbeitungseinheiten gestartet, um sicherzustellen, dass alle diese Simulationen innerhalb von Minuten ausgeführt werden, anstatt sie an einem Freitag auszulösen und nach dem Wochenende wiederzukommen und zu hoffen dass sie fertig sind. Das ist ein wesentlicher Unterschied.

Aiden Flynn (16:48 Uhr):

Das andere war die Art von Interaktivität, die ich als Benutzer mit Kerus habe, weil wir in einer Reihe verschiedener Szenarien ziemlich viele Ergebnisse präsentieren. Wir hatten das Gefühl, dass wir Benutzer viel mehr Interaktivität wünschen, um einen detaillierten Einblick in bestimmte Aspekte der Ergebnisse zu erhalten. Deshalb haben wir das Erscheinungsbild der Software viel interaktiver gestaltet. Und wir haben neue Funktionen hinzugefügt, um realistischere virtuelle Populationen zu generieren. Wir haben also Untergruppen in diese Population aufgenommen, damit wir beginnen können, Studien zu entwerfen, die sich auf Präzisionsmedizin beziehen. Es ist ein Bereich, an dem ich großes Interesse habe, aber ich hatte das Gefühl, dass wir wieder viel über Präzisionsmedizin gesprochen haben, aber die Fortschritte waren etwas begrenzt. Und ich glaube, viel davon hängt mit der begrenzten Fähigkeit klinischer Produktdesign-Tools zusammen, die Anforderungen von Präzisionsmedizinstudien wirklich zu berücksichtigen.

Janet Kennedy (18:01 Uhr):

Ist dies etwas, das Ihre Kunden tatsächlich selbst verwalten können, oder ist dies mit einer Beratung, Anleitung oder Analyse durch Ihr Team verbunden?

Aiden Flynn (18:12 Uhr):

Es kommt auf den Kunden an. Wenn wir mit einem großen Pharmaunternehmen zusammenarbeiten, wird es eine große Statistikgruppe geben. Sie werden im Allgemeinen die höchste Fähigkeit haben, dies selbst zu tun. Trotzdem bitten sie uns oft, mit ihnen zusammenzuarbeiten, um zusätzlich zur Software unser breiteres Leistungsspektrum bereitzustellen. Wenn wir mit einem kleineren Unternehmen zusammenarbeiten, verfügen diese normalerweise nicht über die internen Ressourcen oder Fähigkeiten, um die Software auszuführen. Also werden wir es für sie laufen lassen.

Janet Kennedy (18:49 Uhr):

Ausgezeichnet. Nun, Sie haben mit vielen verschiedenen Unternehmen zusammengearbeitet und waren sehr lange in klinischen Studien vor Ort. Es ist jetzt im Chaos, wo Sie gerade sind, was sehen Sie und wohin geht die Branche Ihrer Meinung nach? Sind sie daran interessiert, diese Gelegenheit für langfristige Innovationen zu nutzen, oder versuchen sie nur, die Situation zu verbessern und zu überwinden?

Aiden Flynn (19:14 Uhr):

Ich denke es ist fair zu sagen. Wir sehen alle möglichen. Die COVID-19-Welt hat viel Chaos verursacht. Viele der Projekte, an denen wir gearbeitet haben, Nicht-COVID-Projekte, viele wurden verzögert und verschoben. Ich denke, es hat einige unserer Kundenunternehmen in Schwierigkeiten gebracht, weil sie Geld gesammelt hatten, um innerhalb eines bestimmten Zeitraums einen bestimmten Meilenstein zu erreichen, und dies möglicherweise nicht können. Tatsächlich haben sie darauf reagiert, um mit uns zusammenzuarbeiten und zu sehen, was wir tun können, da sie die Studie möglicherweise nicht abschließen können oder viele fehlende Daten und fehlende Besuche haben werden. So etwas haben wir auch in der COVID-Welt viel Handarbeit geleistet. Wir haben viele Anfragen zur Unterstützung von COVID-Studien erhalten, und natürlich muss alles dringend erledigt und gestern abgeschlossen werden.

Aiden Flynn (20:12 Uhr):

Aber was ich denke, was interessant ist, ist, dass die Welt gerade auf die Branche schaut und sagt, okay, was können Sie sich einfallen lassen? Und ich denke, es hat eine Änderung des Verhaltens erzwungen, wissen Sie, und ich werde Ihnen ein gutes Beispiel in einer COVID-Studie geben, an der ich gearbeitet habe. Wir sind von einem leeren Blatt Papier, einem leeren Protokoll zu einem übergegangen Erteilung der Genehmigung und Finanzierung durch die MHRA hier in Großbritannien für die Regulierung in einem Zeitraum von sechs Wochen und durch ein großes Pharmaunternehmen. Das heißt, es kann Monate, viele Monate, wenn nicht Jahre dauern, bis ein unbekanntes Protokoll entwickelt ist. Und ich denke, gerade diese Dringlichkeit war hilfreich. In einer Zeit wie dieser wird die Bedeutung der Branche ins Rampenlicht gerückt. Und ich bin der Meinung, dass die Branche diese Gelegenheit wirklich nutzen muss, um zu reagieren und der Öffentlichkeit etwas zurückzugeben.

Aiden Flynn (21:14 Uhr):

Was wir auch sehen, ist, dass einige der größeren Unternehmen, weil viele ihrer Studien ausgesetzt sind. Sie ziehen ein bisschen Bilanz, um zu sagen, okay, was können wir tun? Und auf welcher Ebene können wir uns entwickeln? Sie suchen nach Lösungen wie unserer Software, um die Herausforderungen zu bewältigen, denen sie in klinischen Studien gegenüberstehen. Ich hoffe, dass in dieser COVID-Welt die Branche meiner Meinung nach lange über Innovation gesprochen hat. Es ist natürlich keine konservative Industrie. Es ändert sich nicht schnell. Es wird über Innovation sprechen, aber ich denke, es ist langsam, Innovation einzuführen. Ich denke, COVID hat sie gezwungen, nach neuen Wegen zu suchen. Und ich hoffe, dass einiges davon bleiben wird, wenn wir herauskommen. Es wird einfach so werden, wie wir es in Zukunft tun.

Janet Kennedy (22:10 Uhr):

Pharma könnte definitiv einen Blick auf den Startprozess werfen und darüber nachdenken, eine agilere Untersuchung zu werden und „schnell scheitern“ zu akzeptieren.

Aiden Flynn (22:22 Uhr):

Absolut. Wissen Sie, es ist interessant, dass in einem großen Unternehmen nur die Art der Dinge, die belohnt werden, die Art der Verhaltensweisen, die belohnt werden, nicht unbedingt die Mentalität „schnell scheitern“ fördern.

Janet Kennedy (22:35 Uhr):

Nun, wir drücken nur die Daumen und hoffen, dass sich die Art und Weise, wie klinische Studien innoviert und modifiziert werden, oder neue Ideen für die Zukunft wirklich verändert. Und dass dies nicht nur eine vorübergehende Stase ist. Aiden, vielen Dank, dass Sie hier bei "Menschen immer, Patienten manchmal" sind. Es war mir eine große Freude, mit Ihnen zu sprechen, und ich weiß jetzt viel besser darüber Bescheid, was Exploristics macht und wie Sie mit Spencer Health Solutions zusammengearbeitet haben. Es war sehr aufschlussreich.

Aiden Flynn (23:05 Uhr):

Vielen Dank, dass Sie mir die Gelegenheit gegeben haben, heute mit Ihnen zu sprechen. Es war eine Freude.

Janet Kennedy (23:09 Uhr):

Vielen Dank, dass Sie diese Episode des Podcasts „Menschen immer, Patienten manchmal“ heruntergeladen haben. Wenn Ihnen unser Gespräch gefallen hat, eine Bewertung und eine Bewertung zu iTunes würde uns helfen, mehr Zuhörer zu finden. Dieser Podcast ist eine Produktion von Spencer Health Solutions.