PhaseV 用真实世界数据验证 GLP-1 不良反应模型，滴加速率首次可预先模拟

PhaseV 用 MarketScan 与 Veradigm 真实世界数据验证 GLP-1 不良反应模型，滴加速率首次可在给药前模拟

影响分析 × 药企研发负责人 ｜ 数据视角 × 医疗数据从业者 ｜ 产品发布

2026年10月14日，波士顿临床开发技术公司 PhaseV 公布一项因果模型的验证结果，该模型用于预测 GLP-1 及同类肠促胰素药物患者的不良反应、体重轨迹与停药。模型以授权的 MarketScan 理赔数据与 Veradigm 电子病历数据校准，并与模型微调时从未使用的真实患者数据对照。公司称，滴加速率策略首次可以在新试验首位患者给药之前被检验。

开场：GLP-1 试验里最贵的失败不是疗效，是患者中途停药

对一家把资源押在肠促胰素管线上的药企而言，试验中最昂贵的失败往往不是疗效没有做出来，而是患者没有留在试验里。胃肠道副作用是患者停用 GLP-1 类药物的首要原因，而受试者一旦中途停药，试验衡量药物是否真正起效的能力就被同步削弱。于是耐受性在设计肠促胰素试验时成为一个必须前置考虑的变量，而不是等到统计分析阶段再去解释的残差：不良反应会牵动剂量调整，剂量调整又会牵动治疗中断，链条的终点是样本量与统计效力的双重损失。站在研发负责人的立场看，真正棘手的地方在于，滴加速率长期被当作继承下来的经验，而非被检验过的假设。相对而言，直接检验不同滴加速率如何影响不良反应率与停药率的临床试验并不多，这块空白构成了研发预算里最容易被低估的风险敞口。真实世界数据之所以有价值，正在于它为此提供了一种互补的证据来源。从这个角度看，补齐这块空白需要的不是再一次回顾性统计，而是一个能够在给药之前给出答案的工具，这也是 PhaseV 此次发布想要占据的位置。

数据从哪来：MarketScan 理赔与 Veradigm 电子病历的授权真实世界数据

这次验证建立在 PhaseV 近期扩展的真实世界数据访问能力之上，核心是两份新获得授权的长纵向数据：MarketScan 理赔数据与 Veradigm 电子病历数据。把理赔与电子病历两类来源拼在一起并非简单叠加，因为真实世界数据的价值恰恰藏在它的不整齐之中。常规诊疗里的滴加速率在不同患者之间差异很大，而这种差异并非随机分配：它来自医生与患者依临床情境共同作出的决定。不良反应出现之后，剂量爬坡可能被主动放慢；体重下降不理想，也可能促使给药方案被调整。对医疗数据从业者来说，这句话的分量在于，每一条滴加速率的记录都不是一个干净的暴露变量，而是一次被患者此前结局影响过的临床决定。若不能把决定发生之前的那段时间线还原出来，模型学到的就只是混杂，而不是因果。长纵向数据的意义正在于此：每一次滴定决策之前发生的不良反应、体重轨迹与剂量变化都可以被观测，并被纳入模型。数据基础越完整，这类经患者级验证的证据就越有可能被推广到更广的治疗领域，而不只停留在肠促胰素这一个品类上。

模型怎么建的：剂量、体重、不良反应与停药被建模成同一条时间线

模型在设计上的关键取向，是把剂量、体重、不良反应与停药作为同一位患者身上随时间展开的联合过程来处理，而不是把它们当作彼此独立的静态测量值。这一区别在真实世界数据上尤其关键，因为治疗决策本身会被患者结局反向塑造：不良反应可能让后续的剂量爬坡变慢，体重应答又可能影响此后的给药安排。模型把这些关系纳入计算，同时纳入患者在不良反应基线风险上的个体差异，以及机体对治疗的适应过程。完成这一步之后，模型的能力就不止于描述数据中已经存在的模式，而可以回答反事实问题，例如更慢或更快的滴加速率会怎样改变某位患者发生不良反应或停药的概率。对研发负责人而言，这类问题的实际价值在于把剂量方案从一份固定的模板变成一组可调的参数：在方案定稿之前，就能够比较几种爬坡节奏在同类患者身上的代价。从判断上看，值得为这种预演能力付钱的理由并非它能替试验下结论，而是它能显著缩小需要试验去比较的候选集合，把有限的受试者资源集中到真正有争议的滴加速率上。

验证怎么做：与模型微调时从未见过的真实患者轨迹逐项对照

验证环节的做法相对朴素：PhaseV 把模型预测与一批真实的 held-out 患者数据逐项对照，这批数据没有参与模型的微调过程。对照覆盖三个具体维度，即体重、首次不良反应发生时间与首次停药时间，模型的预测轨迹与患者实际经历相吻合，而非只在平均意义上接近。署名发言人为医学总监 Jennifer Meller 医学博士，她表示，鉴于耐受性对患者能否坚持治疗具有直接影响，一个经过真实世界不良反应与停药模式验证的模型，为申办方处理给药决策提供了新的路径，所依据的是证据而非继承下来的假设。按公司说法，这是首次让滴加速率策略能够在新试验的首位患者给药之前，先与真实世界患者证据进行对照。支撑这一结果的是 PhaseV 过去四年的积累：公司已支持超过100个临床项目，服务超过50家全球申办方，客户中包括全球前20大药企中的10家。其平台依托可解释的因果人工智能评估开发选项、改进试验设计与执行，并识别可降低成本、周期与风险的机会。随着真实世界数据基础继续扩大，这类患者级证据有望覆盖更广泛的治疗领域。

冷静观察：真实世界的变异不等于随机化，反事实结论仍需试验检验

在评价这项验证时，分寸必须先讲清楚：真实世界的变异不等于随机化。滴加速率的差异由临床判断与患者经历共同生成，模型只能在可观测的时间线上估计反事实，无法替代随机对照试验的分配机制。因此，不得把真实世界数据的因果模型输出解读为随机对照试验的等效证据；诸如更慢的滴加速率会降低某位患者的不良反应或停药概率这类结论，仍然需要由试验来检验，而不是由模型直接给出结论。同样需要标注口径的是，公司所提及的降低开发成本最高50%、缩短试验周期最高40%、提升成功概率超过30%，三项均为公司自述口径，未经独立第三方核实，不宜直接写入商业假设。对药企研发负责人来说，更稳妥的定位是把这类模型当作试验设计阶段的方向筛选工具：用它判断哪些滴加速率值得被随机化比较，以及哪些假设已经可以在设计阶段被排除。真实世界数据能告诉从业者常规诊疗里发生了什么，而能否把相关性变成可申报的因果结论，最终仍要交给随机化的试验来回答。

原文链接：PR Newswire

千方医数集编辑部 出品