Prognostische digitale Zwillinge für klinische Studien (Kovariatenadjustierung & kleinere Kontrollarme)

Randomisierte Studien bei langsam fortschreitenden oder seltenen Erkrankungen brauchen große Kontrollarme, weil die Ergebnisse zwischen Patientinnen und Patienten stark schwanken. Ein Prognosemodell, das auf gepoolten historischen Kontrolldaten trainiert wurde, sagt das Ergebnis jedes Teilnehmenden unter Placebo oder Standardbehandlung voraus; die vorab festgelegte Analyse nutzt diese Prognose als Kovariate. Die Schätzung des Behandlungseffekts wird dadurch präziser, sodass eine Studie dieselbe Teststärke mit weniger Teilnehmenden (oft weniger Kontrollpatienten) erreichen kann. Randomisierung und Kontrolle des Fehlers 1. Art bleiben erhalten.

Problem & Nutzen

• Heute: Die Fallzahlen in Phase 2/3 werden von der Varianz des Zielparameters bestimmt. Neurologie (ALS, Alzheimer, Multiple Sklerose), seltene Erkrankungen und einige onkologische Szenarien tun sich schwer mit der Rekrutierung, und viele Patientinnen und Patienten möchten nicht auf Placebo randomisiert werden. Die klassische Adjustierung nutzt eine Handvoll Baseline-Variablen (Alter, Baseline-Score, Stratifizierungsfaktoren).
• KI-Nutzen: Ein Modell, das Dutzende Baseline-Variablen und die Krankheitsgeschichte zu einem prognostischen Score verdichtet, erklärt mehr Ergebnisvarianz als klassische Kovariaten. Höhere erklärte Varianz bedeutet unmittelbar eine geringere Varianz der Effektschätzung und damit ein kleineres N oder eine höhere Teststärke. Sponsoren berichten den Gewinn je Programm; die erreichbare Reduktion hängt davon ab, wie gut das Modell den Endpunkt vorhersagt. Sie muss daher für jede Studie simuliert statt angenommen werden.
• Regulatorischer Anker: Die endgültige FDA-Leitlinie zur Kovariatenadjustierung (Mai 2023) befürwortet die Adjustierung für prognostische Baseline-Kovariaten in randomisierten Studien, um die Präzision zu verbessern [1]. Die EMA gab 2022 eine Qualifizierungsstellungnahme für die PROCOVA-Methode (Unlearn) ab, die erste für einen KI-basierten prognostischen Kovariatenansatz in konfirmatorischen Studien [2][3].
• Wichtige Abgrenzung: Dies ist kein externer oder synthetischer Kontrollarm, der die Randomisierung ersetzt. Randomisierte, zeitgleiche Kontrollen bleiben bestehen; das Modell verringert nur das Rauschen. Kontrollen durch historische Daten zu ersetzen ist ein anderer, deutlich umstrittenerer Ansatz mit Verzerrungsrisiken.

Varianten

• Kovariatenadjustierung (PROCOVA-Stil): Der prognostische Score geht als eine vorab festgelegte Kovariate in ein lineares oder verallgemeinertes lineares Modell ein (z. B. MMRM/ANCOVA); die am besten akzeptierte Variante.
• Unausgewogene Randomisierung: Die Teststärke bleibt erhalten, aber dem Behandlungsarm werden z. B. 2:1 oder 3:1 zugeteilt; der prognostische Score gleicht den kleineren Kontrollarm aus.
• Simulation in der Designphase: Digitale Zwillinge dienen nur der Fallzahlplanung, für Go/No-go-Entscheidungen und Bayes'sches Borrowing; die Endanalyse bleibt unberührt.
• Generative Patientensimulatoren: Bedingte generative Modelle erzeugen vollständige synthetische Längsschnittverläufe. Sie dienen der Erkundung des Studiendesigns, nicht konfirmatorischen Aussagen (noch im Entstehen).
• Branchenvarianten: kleines Biotech-Unternehmen mit einem einzigen Wirkstoff gegen eine seltene Erkrankung; Pharma-Konzern mit Plattform auf Basis eigener historischer Studiendaten; akademische Konsortien und Register (z. B. krankheitsspezifische Plattformen zum Datenaustausch).

So funktioniert es

1. pooled historical control-arm + registry data (data-use agreements, harmonised to CDISC/SDTM)
2. train & lock prognostic model (tabular / longitudinal deep model; validated on held-out trials)
3. freeze model version; document in SAP before unblinding
4. trial baseline data
5. per-participant prognostic score (blinded to treatment)
6. pre-specified covariate-adjusted analysis (ANCOVA/MMRM with score)
7. simulation of Type-I error, power, bias; sample-size reduction
8. regulatory submission (model description, validation, SAP, code)

• Modell: Das Spektrum reicht von regularisierter Regression und Gradient Boosting bis zu tiefen generativen Modellen (z. B. bedingte Restricted-Boltzmann-Maschinen oder Transformer-artige Längsschnittmodelle), die auf Tausenden historischer Kontrollpatienten trainiert werden. Eingaben sind ausschließlich Baseline-Variablen, sodass der Score weder Informationen nach der Randomisierung noch zur Behandlung durchsickern lassen kann.
• Statistik: Der prognostische Score geht wie eine gewöhnliche Kovariate ein; wie in der FDA-Leitlinie folgt eine gültige Inferenz aus der Randomisierung, wenn die Kovariate vorab festgelegt und vor der Behandlung gemessen wird [1]. Methodischer Hintergrund: lineare Adjustierung für einen prognostischen Score [4].
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Biostatistiker und das Regulatory Affairs des Sponsors legen das Modell vorab fest; eine unabhängige Statistikerin bzw. ein unabhängiger Statistiker oder das DMC prüft die Simulation; das Modell wird vor dem Datenbank-Lock eingefroren. Es gibt keine automatisierten Entscheidungen über die Patientenversorgung.

Datenaufbereitung

Benötigt werden Baseline-Kovariaten und Längsschnitt-Ergebnisse historischer Kontrollarme und Register sowie die Baseline-Daten der aktuellen Studie. Sie liegen typischerweise im klinischen Data Warehouse des Sponsors, im EDC und in CRO-Lieferungen, teils in Altsystem-Studiendatenbanken und auf Plattformen zum Datenaustausch unter Datennutzungsvereinbarungen. Typische Lücken: uneinheitliche Formate und Kodierungen zwischen den Studien, fehlende oder unterschiedlich definierte Endpunkte, abweichende Visitenpläne, unklare Einwilligung zur Sekundärnutzung und unklare Zugriffsrechte sowie keine dokumentierte Herkunft.

Aufbereitungsschritte: nutzbare Studien und Rechte erfassen (PREP-001, PREP-025); auf CDISC SDTM/ADaM mit gemeinsamem Datenwörterbuch harmonisieren (PREP-012); aus Quellsystemen per Export oder API extrahieren (PREP-005); vor dem Poolen pseudonymisieren oder anonymisieren (PREP-022); zurückgehaltene Studien gemeinsam mit den Statistikern als Evaluationsset festlegen (PREP-018). Werkzeuge: R- oder Python-Pipelines, Validierung im Stil von Pinnacle 21, versionskontrollierte Datenspezifikationen. Datenharmonisierung und Rechteklärung sind der größte Block, etwa 60 bis 70 Prozent des Gesamtaufwands; das Modelltraining selbst ist vergleichsweise klein. Zur Bereitschaftsprüfung siehe auch GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• Unternehmen (Sponsor): Weg B, weil das Modell im eigenen statistischen Prozess des Sponsors eingefroren, validiert und dokumentiert und auf dessen eigenen gepoolten Kontrolldaten trainiert werden muss; Weg A passt nur, wenn ein Anbieter die Indikation bereits abdeckt.
• Entwickler: Weg C, weil offene ML-Stacks für tabellarische und Längsschnittdaten auf bescheidener Hardware ausreichen, um ein Prognosemodell mit voller Code-Transparenz für Behörden zu bauen und zu validieren.

Weg A — Kaufen (Standardsoftware) (passt, wenn ein Anbieter Ihre Indikation bereits abdeckt)

• Unlearn (USA): Generatoren für digitale Zwillinge und die PROCOVA-Methode mit EMA-Qualifizierungsstellungnahme; wird Sponsoren als Dienstleistung für Krankheitsgebiete mit vorhandenen Modellen angeboten (z. B. Neurodegeneration). Prüfen Sie zuerst, ob Ihre Indikation abgedeckt ist.
• Biostatistik-Dienstleistungen von CROs: Große CROs (IQVIA, ICON, Parexel, Syneos) sowie EU-/UK-Statistikberatungen bieten zunehmend Leistungen zu prognostischen Kovariaten und Simulation an. Cytel (Software und Beratung für adaptive Designs) unterstützt die Designsimulation.
• A wählen, wenn: Ihre Indikation von einem vorhandenen qualifizierten Modell abgedeckt ist und Sie keine eigenen historischen Daten haben.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Cloud-Rechenleistung dient dem Training und der Simulation, nicht LLM-APIs: Azure, AWS oder Google in EU-Regionen innerhalb einer validierten GxP-Umgebung, dazu sichere Forschungsumgebungen (z. B. EU-weite vertrauenswürdige Forschungsumgebungen).
• LLMs helfen nur am Rand: SAP-Texte entwerfen, Daten-Mapping auf CDISC, Modellkarten dokumentieren (siehe HLTH-017, HLTH-028); niemals für das statistische Ergebnis selbst.
• B wählen, wenn: Sie historische Daten und ein Statistikteam besitzen, aber elastische Rechenleistung wollen.

Weg C — Selbst betreiben (Open Source)

• Stack: R (rpact für gruppensequenzielle Designs, mmrm, emmeans), Python (scikit-learn, XGBoost, PyTorch), das pharmaverse-Ökosystem für CDISC-Ausgaben, MLflow für die Modellversionierung.
• Hardware: HW1 genügt für tabellarische Prognosemodelle; HW2 für tiefe generative Längsschnittmodelle auf größeren Datenhistorien.
• Aufwand: Der Hauptkostenfaktor ist eine validierte Umgebung für statistische Programmierung (konform mit 21 CFR Part 11 / EU-Annex 11), nicht die Rechenleistung.

Weg D — Eigenes Training

Lohnt sich für Sponsoren mit großen eigenen Kontrollarm-Historien in einer Erkrankung. Es braucht mehrere hundert bis tausende harmonisierte Kontrolldatensätze auf Patientenebene, idealerweise aus mehreren Studien, um die Übertragbarkeit zwischen Studien zu testen. Daten aus Datenaustausch-Initiativen (z. B. Konsortien des Critical Path Institute, Project Data Sphere, YODA, Vivli) lassen sich unter Datennutzungsvereinbarungen poolen.

Stand der Technik (2026)

• Die prognostische Kovariatenadjustierung ist die einzige Anwendung digitaler Zwillinge mit EMA-Qualifizierungsstellungnahme und klarer statistischer Begründung [2][3]; die Verbreitung wächst in Neurologie und bei seltenen Erkrankungen, bleibt aber auf Phase 2 und ausgewählte Phase-3-Programme konzentriert.
• Die FDA-Leitlinie schließt Methoden der Kovariatenadjustierung mit maschinellem Lernen ausdrücklich aus ihrem Geltungsbereich aus [1]. Sponsoren sollten deshalb frühzeitig das Gespräch mit den Behörden suchen (wissenschaftliche Beratung der EMA, FDA-Meetings vom Typ C/INTERACT) und alles vorab festlegen. Das EMA-Reflexionspapier zu KI im Lebenszyklus von Arzneimitteln formuliert Erwartungen an Datenqualität, Modelltransparenz, Validierung und Lebenszyklusüberwachung [5].
• Grenzen und Fehlerbilder: Der Gewinn verschwindet, wenn sich die neue Studienpopulation von den Trainingsdaten unterscheidet (Verteilungsverschiebung, neue Standardbehandlung, andere Endpunkterhebung); die Endpunktdefinitionen über historische Studien hinweg müssen harmonisiert sein; schlecht vorhersagende Modelle bringen wenig; die Fallzahlreduktion darf nicht vor einer validierten Simulation beansprucht werden; Modelländerungen nach der Entblindung machen die Vorab-Festlegung ungültig.

Gemeinsame Bausteine & Kombinationen

• HLTH-009 (Studien-Matching und -Optimierung) liefert die Rekrutierung; HLTH-017 (regulatorisches und medizinisches Schreiben) entwirft SAP, CSR und Qualifizierungsdossiers; HLTH-028 (Terminologie und Interoperabilität, OMOP/CDISC) bereitet die gepoolten Daten auf; HLTH-029 (GMP/CAPA) und HLTH-010 (Pharmakovigilanz) teilen sich die validierte, prüfpfadfähige Pharma-Datenplattform.
• Gemeinsame Fähigkeiten: Die Stacks für tabular-ml, time-series, causal-inference und simulation dienen auch Risikomodellen für die Bevölkerungsgesundheit (HLTH-020).

Aufwand, Kosten & Kennzahlen

• Weg A: Dienstleistungsvertrag je Studie plus regulatorischer Dialog; Wochen bis zur Einrichtung, wenn ein Modell existiert, Quartale inklusive Behördenkontakt.
• Weg B/C: 6-12 Monate, um ein Modell und eine Analyse-Pipeline zu bauen, zu validieren und zu dokumentieren; erforderlich sind Biostatistik, Dateningenieurwesen und regulatorische Expertise.
• Weg D: Datenzugangsvereinbarungen und Harmonisierung dominieren die Kosten.
• Kennzahlen: Anteil der durch den Score erklärten Ergebnisvarianz (R^2) auf zurückgehaltenen Studien, simulierte vs. beobachtete Varianzreduktion, erreichte Reduktion von Stichprobengröße oder Kontrollarm, Fehler 1. Art in der Simulation (muss dem nominalen Niveau entsprechen), Akzeptanz durch Behörden, gewonnene Zeit bei der Rekrutierung.

Menschen & Veränderung

Binden Sie die Geschäftsleitung und die Leitung der klinischen Entwicklung zu Beginn ein (Budget, regulatorische Strategie), die Dateneigentümer und die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten früh wegen der Rechte zur Sekundärnutzung und der Frage der DSFA (Art. 35 DSGVO: Gesundheitsdaten in großem Umfang, daher ist eine DSFA wahrscheinlich) sowie Recht/Compliance für Datennutzungsvereinbarungen und den AVV mit CROs (Art. 28 DSGVO). Die IT unterstützt sichere gepoolte Umgebungen. Biostatistiker und Regulatory Affairs legen das Modell im SAP vorab fest und sprechen frühzeitig mit der Behörde.

Betriebsrat: wird normalerweise nicht ausgelöst, da das System Studienteilnehmende analysiert, nicht das Verhalten von Beschäftigten (§87 Abs. 1 Nr. 6 BetrVG). Sollten je Leistungsdaten von Beschäftigten einbezogen werden oder sich Arbeitsabläufe der Biostatistik-Teams wesentlich ändern, informieren Sie den Betriebsrat nach §90 Abs. 1 Nr. 3 BetrVG; Sponsoren der öffentlichen Hand beteiligen den Personalrat.

KI-Kompetenz: Unterstützen Sie Beschäftigte mit Schulungen zu den Grenzen von Prognosemodellen und zur Kontrolle des Fehlers 1. Art (Art. 4 KI-Verordnung (AI Act), Maßnahmen zur Förderung der KI-Kompetenz; siehe GUIDE-006). Starten Sie mit einer retrospektiven Pilot-Indikation, zeigen Sie die Simulationsergebnisse dem Team und dem DMC und lassen Sie die Statistiker die Kontrolle behalten: Das Modell wird vor der Entblindung eingefroren, und keine Entscheidung zur Patientenversorgung wird automatisiert. Typische Bedenken sind die regulatorische Akzeptanz und Verzerrungen; begegnen Sie ihnen mit transparenten Simulationen. Siehe GUIDE-009, GUIDE-005 und GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimal für das statistische Werkzeug in einem typischen Forschungseinsatz. Es ist weder selbst ein Medizinprodukt noch ein patientennahes System, und Anhang III enthält keine passende Kategorie. KI-Kompetenz (Art. 4) gilt; würde der Score für individuelle Behandlungsentscheidungen genutzt, wären die Software-Qualifizierung nach MDR/IVDR und der Hochrisiko-Status (Art. 6, Anhang I) zu prüfen [6].
• Regeln für klinische Prüfungen: EU-CTR 536/2014 und ICH E9(R1)/E6(R3) GCP; der SAP muss Modell, Version und Analyse vorab festlegen; die ICH-E9-Grundsätze zur Kovariatenadjustierung gelten.
• DSGVO: Historische Daten auf Patientenebene sind besondere Kategorien von Gesundheitsdaten (Art. 9). Für die Sekundärnutzung braucht es eine Rechtsgrundlage und Garantien (Forschungsprivileg, Art. 89), Pseudonymisierung, DSFA und die Beachtung des ursprünglichen Einwilligungsumfangs. Der Europäische Gesundheitsdatenraum (EHDS) wird die Sekundärnutzung schrittweise regeln.
• Data Governance: Datennutzungsvereinbarungen mit Dateninhabern, IP- und Lizenzbedingungen für abgeleitete Modelle, Dokumentation des Modelllebenszyklus.
• Gegenmaßnahmen: verblindete, vorab festgelegte, eingefrorene Modelle; unabhängige Simulation; früher Dialog mit Behörden; Rückfall auf eine klassische Analyse, falls das Modell enttäuscht (die vorab festgelegte Sensitivitätsanalyse).

Erste Schritte

1. Wählen Sie eine Indikation, in der die Rekrutierung schwierig ist und historische Kontrolldaten vorliegen; definieren Sie den primären Endpunkt und das Estimand.
2. Erfassen Sie die zugänglichen historischen Kontrolldaten und deren Rechtsgrundlage für die Sekundärnutzung.
3. Führen Sie eine Simulation durch: Wie viel Varianz erklärt ein prognostischer Score auf zurückgehaltenen Studien, und welche Reduktion von N folgt daraus?
4. Holen Sie wissenschaftliche Beratung bei der EMA oder nationalen Behörden (und FDA-Meetings) zur geplanten Adjustierung ein, bevor Sie das Protokoll finalisieren.
5. Legen Sie Modellversion und Kovariatenadjustierung im SAP vorab fest; frieren Sie das Modell vor der Entblindung ein.

Quellen

1. FDA — Adjusting for Covariates in Randomized Clinical Trials for Drugs and Biological Products (final guidance, May 2023) — https://www.fda.gov/regulatory-information/search-fda-guidance-documents/adjusting-covariates-randomized-clinical-trials-drugs-and-biological-products
2. EMA — Qualification of novel methodologies for medicine development (process, CHMP qualification opinions) — https://www.ema.europa.eu/en/human-regulatory-overview/research-development/scientific-advice-protocol-assistance/qualification-novel-methodologies-medicine-development
3. Unlearn — AI-generated digital twins for clinical trials — https://www.unlearn.ai/
4. Schuler et al. — Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score — https://arxiv.org/abs/2012.09935
5. EMA — Reflection paper on the use of AI in the medicinal product lifecycle — https://www.ema.europa.eu/en/documents/scientific-guideline/reflection-paper-use-artificial-intelligence-ai-medicinal-product-lifecycle_en.pdf
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj