Due cambiamenti nelle politiche dell'FDA che stanno rimodellando lo sviluppo dei farmaci

Nel febbraio 2026, la FDA ha fatto due annunci che cambieranno radicalmente il modo in cui i farmaci vengono sviluppati, approvati e immessi sul mercato.

Il primo è stata una nuova linea guida sulle terapie individualizzate per le malattie genetiche ultra-rare, che stabilisce le evidenze real-world come percorso probatorio previsto per l’approvazione. Il secondo: un articolo sul New England Journal of Medicine del direttore della FDA che dichiara che uno studio pivotale è ora lo standard predefinito per l’approvazione dei farmaci, ponendo fine a quella che l’agenzia stessa ha definito “il dogma dei due studi”.

Insieme, questi rappresentano un cambiamento radicale nell’uso dei dati del mondo reale nell’approvazione di farmaci e dispositivi. Questa è una rivoluzione, non un’evoluzione.

Come siamo arrivati qui

Molti pensano che l’uso delle evidenze del mondo reale in un contesto regolatorio sia una novità. La verità è che la FDA le utilizza da decenni. I farmaci hanno visto revocare la loro approvazione sulla base di segnali di sicurezza del mondo reale. E la FDA ha accettato le RWE per dimostrare l’efficacia, ma in gran parte come caso isolato quando un trial clinico tradizionale non era fattibile o quando c’era un bisogno significativo non soddisfatto o di salute pubblica. Guidata dal Dr. Richard Pazdur, la divisione oncologica è stata in prima linea nell’uso regolatorio dei dati del mondo reale, seguita da vicino dalla pediatria e dalle malattie rare.

Ciò che è cambiato è la sofisticazione della scienza. Il design e l’analisi delle evidenze del mondo reale sono maturati e la FDA ha risposto a questi progressi accettando le evidenze del mondo reale in misura maggiore. Allo stesso tempo, i progressi nella genetica molecolare e nelle tecnologie cellulari hanno dato all’agenzia maggiore fiducia nella comprensione meccanicistica di come funzionano i farmaci. Queste due forze, evidenze del mondo reale migliori e comprensione biologica più profonda, sono convergenti per rendere possibile questo momento.

C’è anche una dimensione pratica. La FDA ha citato la “riduzione dei costi di capitale per gli sviluppatori di farmaci” come motivo importante per questo cambiamento. Quel linguaggio sarebbe stato molto insolito da parte della FDA in qualsiasi momento prima di questo.

Cosa è stato detto: la linea guida sulla medicina individualizzata

La nuova linea guida della FDA sul Plausible Mechanism Framework riguarda le terapie individualizzate per le condizioni genetiche con una causa biologica nota. Si tratta di malattie ultra-rare in cui la popolazione di pazienti può essere costituita da una manciata di persone e i trial controllati randomizzati tradizionali non sono fattibili.

La linea guida stabilisce che per queste condizioni, le evidenze del mondo reale possono essere considerate lo standard per l’approvazione. I controlli esterni e gli studi di storia naturale sono ora l’approccio previsto. La FDA sta indirizzando le aziende verso questo percorso, non semplicemente accogliendolo caso per caso.

Questa è una prima volta. I trial randomizzati, in doppio cieco e controllati con placebo sono sempre stati l’impostazione predefinita. Per i professionisti delle operazioni regolatorie e cliniche che hanno trascorso la loro carriera conducendo trial tradizionali, questo è un cambiamento significativo e solleva una moltitudine di domande: come si garantisce l’equivalenza al basale se non si randomizza? Cosa significa fit-for-purpose? Come si traducono i dati del mondo reale in MedDRA e CDISC?

Cosa è stato detto: un trial come nuovo standard predefinito

Lo standard per la FDA dal 1962 non era solo un trial randomizzato, in doppio cieco e controllato con placebo, ma due di questi trial. Due trial adeguati e ben controllati. L’articolo del NEJM, scritto dal Commissario e dal Chief Medical/Scientific Officer, ha dichiarato che un singolo trial pivotale è ora l’impostazione predefinita per l’approvazione. L’articolo cita specificamente le evidenze del mondo reale come evidenza confermativa qualificante, insieme alla scienza meccanicistica, ai modelli animali e ai dati di indicazioni correlate.

In una partenza insolita, il Commissario ha dichiarato che “la riduzione dei costi di capitale per gli sviluppatori di farmaci” era una considerazione importante per questo nuovo paradigma, e che “Il nostro passaggio a cambiare la posizione predefinita della FDA da due trial clinici a uno ridurrà sostanzialmente i costi per gli sponsor e accelererà l’immissione dei farmaci sul mercato“. L’economia è semplice. Un singolo trial pivotale costa tra i 30 e i 150 milioni di dollari, esclusi i costi di creazione e presentazione dell’NDA/BLA. Uno studio confermativo completamente basato sul mondo reale può essere eseguito per il 15-20% di quel costo, inclusa la presentazione. La matematica di base guiderà l’adozione.

Un altro aspetto insolito dell’annuncio del NEJM è che non è stato pubblicato alcun regolamento o bozza di linea guida di accompagnamento nel Federal Register che proponesse come questo cambiamento sarebbe stato implementato o che cercasse feedback scientifico e della comunità. Siamo stati inondati di richieste da parte di aziende di parlare con loro delle aspettative della FDA riguardo all’implementazione di questi cambiamenti.

La buona notizia è che la FDA ha rilasciato 9 linee guida su come i dati del mondo reale possono e dovrebbero essere utilizzati in un contesto regolatorio. Ma come per tutte queste linee guida, la chiave è capire come implementarle. Nelle parole di un altro commissario della FDA riguardo a queste linee guida: “Il tuo lavoro non è trovare i buchi in esse, il tuo lavoro è aiutare l’agenzia a colmare quei buchi“.

Cosa significa

Presi insieme, questi due annunci creano una nuova realtà per lo sviluppo dei farmaci. Le aziende faranno un trial, porteranno il loro farmaco sul mercato e poi genereranno evidenze confermative del mondo reale mentre i pazienti stanno già beneficiando della terapia e l’azienda sta generando entrate per finanziare il lavoro. Per le piccole aziende che sono sopravvissute con il capitale di rischio, questo cambia completamente l’economia dello sviluppo.

Ecco come appare nella pratica uno studio confermativo del mondo reale. Potresti condurre un secondo trial randomizzato, in doppio cieco e controllato con placebo, integrando i pazienti randomizzati al placebo con controlli esterni/sintetici del mondo reale. Potresti condurre uno studio a braccio singolo con controlli completamente esterni/sintetici. Oppure potresti condurre un’emulazione di trial completamente basata sul mondo reale. L’ultimo è il più veloce e conveniente.

Indipendentemente dallo studio, il primo passo è dimostrare che i dati del mondo reale proposti sono fit-for-purpose, o più recentemente la FDA si è riferita a questo come fit-for-use. Non esiste un dataset che sia generalmente fit-for-use, è specifico per l’indicazione e per il farmaco. Oltre alla rilevanza dei dati per il caso d’uso, devono essere valutati la provenienza dei dati, la tracciabilità, la trasformazione, la verifica e la qualità. Un primo incontro di Tipo C dovrebbe essere preparato con un design di studio proposto e un pacchetto di validazione fit-for-purpose da far esaminare all’Agenzia.

Se la FDA è d’accordo, allora inizi il processo di creazione di un protocollo. Questo dovrebbe essere fatto all’interno di qualsiasi sistema CRM che usi per i trial clinici e in cui manterrai il trial master file, il più delle volte Veeva Vault. Come per un trial clinico, la tracciabilità è fondamentale.

La prima domanda che i biostatistici dei trial ci pongono è: come si garantisce l’equivalenza al basale se non si randomizza? Con i dati del mondo reale, utilizziamo i punteggi di propensione per generare la probabilità inversa del trattamento o la ponderazione standardizzata di morbilità-mortalità. Qui collaboriamo con il team di evidenze del mondo reale di un’azienda per costruire un ponte con i biostatistici per progettare un piano di analisi statistica che incorpori le competenze e l’esperienza di entrambe le parti dell’organizzazione.

Dai team di evidenze del mondo reale, ci viene chiesto: Perché non possiamo gestirlo noi? Qui costruiamo un ponte verso i requisiti regolatori della FDA per la gestione e l’analisi dei dati.

E lavoriamo con entrambi i team per configurare l’infrastruttura richiesta per un Clean Room Committee, per capire come i codici di diagnosi vengono tradotti in MedDRA per le analisi di sicurezza e come tutti i dati del mondo reale vengono tradotti in CDISC per la produzione dei TLF finali. Lavoriamo per affrontare le sfide tecniche che derivano dalla validazione dei dataset del mondo reale con Pinnacle 21, dalla pubblicazione eCTD con Veeva RIM e dalla presentazione attraverso il portale della FDA.

A cosa dovrebbero pensare le aziende

La reazione più comune che sentiamo dai team regolatori e delle operazioni cliniche è che le approvazioni basate su evidenze del mondo reale sono ancora l’eccezione. Che la FDA non è davvero pronta per questo. Che è troppo rischioso costruire un programma di sviluppo su di esso.

Questi annunci rendono quella posizione insostenibile. La FDA ha detto direttamente all’industria: questo è l’approccio previsto per le terapie individualizzate, ed è l’impostazione predefinita per le evidenze confermative nello sviluppo dei farmaci in modo più ampio. Le aziende che continuano a operare secondo le vecchie ipotesi vedranno i loro concorrenti arrivare sul mercato più velocemente e a costi inferiori.

Ma l’entusiasmo deve essere temperato dalla realtà dell’esecuzione. La FDA si aspetta che gli studi di evidenze del mondo reale siano trattati con lo stesso rigore dei trial clinici tradizionali. Ci sono ora otto o nove linee guida che spiegano esattamente come. Le aziende devono prespecificare gli endpoint, registrare lo studio, presentare un protocollo attraverso lo stesso processo di revisione e approvazione. L’agenzia si aspetta provenienza dei dati, tracciabilità, trasparenza e verificabilità. Si aspettano che le aziende dimostrino che i dati sono fit-for-purpose per la specifica malattia e dataset.

È qui che la maggior parte delle aziende incontra difficoltà. Le competenze necessarie per svolgere questo lavoro sono divise tra due gruppi che tipicamente non lavorano insieme. Gli scienziati delle evidenze del mondo reale comprendono l’epidemiologia, i metodi dei punteggi di propensione, le strutture dei database delle richieste di rimborso. I team di sviluppo clinico comprendono l’ambiente regolatorio, le SOP, le aspettative della FDA su come i dati devono essere gestiti e presentati. Ma questi due mondi operano con processi, vocabolari e standard molto diversi.

Per le aziende più piccole, una o entrambe queste capacità potrebbero non esistere affatto internamente. Per le aziende di medie dimensioni con team RWE interni, questi team spesso non hanno esperienza di lavoro in un ambiente regolatorio. E per i team di trial clinici di aziende di qualsiasi dimensione, i metodi delle evidenze del mondo reale sono spesso territorio sconosciuto.

C’è anche una dimensione tecnologica che è facile sottovalutare. I sistemi stessi della FDA si stanno ancora adattando per accogliere i dataset del mondo reale su larga scala. Nella nostra esperienza, presentare evidenze del mondo reale alla FDA è stato un processo di apprendimento per l’agenzia stessa. Le linee guida stabiliscono ciò che la FDA vuole, ma ci sono lacune pratiche tra teoria e implementazione. La FDA è stata diretta su questo: è compito dell’azienda che presenta risolvere quei problemi, non segnalarli.

Dove si inserisce Slipstream

La pratica Digital CRO di Slipstream è stata costruita prima di questi annunci, specificamente per il tipo di generazione di evidenze che la FDA sta ora rendendo standard.

Colmiamo il divario tra la scienza delle evidenze del mondo reale e gli standard regolatori dei trial clinici. Portiamo le SOP regolatorie ai team RWE e introduciamo i metodi di design e analisi del mondo reale ai team di trial clinici. Per le aziende senza capacità RWE interna, la forniamo interamente.

Il nostro team include epidemiologi, data scientist, biostatistici, programmatori, medical writer ed esperti regolatori. Operiamo all’interno di sistemi conformi in cui ogni modifica è tracciata e verificabile, con più di 250 SOP che guidano come i dati vengono gestiti dall’acquisizione alla presentazione alla FDA. La nostra partnership con Komodo Health offre ai nostri clienti l’accesso a un database di richieste di rimborso sanitarie di 330 milioni di pazienti che è trasferibile alla FDA mantenendo la conformità HIPAA.

Abbiamo guidato presentazioni alla FDA con evidenze del mondo reale come base primaria per l’approvazione. Comprendiamo le sfide pratiche che le linee guida non affrontano completamente. E operiamo sia come azienda tecnologica che come azienda di scienze della vita, il che è importante perché l’intersezione di queste due capacità è esattamente dove vivono i problemi più difficili in questo spazio.

La FDA ha appena formalizzato ciò verso cui stavamo costruendo. La domanda per le aziende ora è se hanno il partner giusto per eseguire.