Multi-Lab Testing of Early Preclinical Discoveries Identifies Promising Treatments
Questo articolo dimostra che condurre studi preclinici multi-laboratorio con maggiore rigore filtra efficacemente i trattamenti non provati rivelando che solo una frazione dei risultati iniziali di un singolo laboratorio si replica a causa delle differenze sperimentali, identificando così i candidati veramente promettenti per la sperimentazione clinica.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Nel lungo viaggio che trasforma un'idea scientifica in un medicinale che aiuti le persone, esiste un noto collo di bottiglia. Gli scienziati spesso trovano un trattamento che appare incredibilmente promettente in un singolo laboratorio, solitamente lavorando con animali o cellule. I risultati sono entusiasmanti, i numeri sembrano solidi e la speranza è alta. Ma quando questi stessi trattamenti passano alle sperimentazioni cliniche sull'uomo, falliscono più del novanta per cento delle volte. Questo divario tra il successo iniziale in laboratorio e il fallimento nel mondo reale è un enorme spreco di tempo, denaro e speranza. Il problema risiede spesso proprio negli studi iniziali. Essi sono solitamente piccoli, condotti in un unico luogo e privi delle rigorose salvaguardie necessarie per garantire che i risultati siano reali e non solo un colpo di fortuna. Per risolvere la questione, i ricercatori hanno iniziato a testare un nuovo approccio: prima che un farmaco raggiunga l'uomo, dovrebbe essere testato di nuovo, ma questa volta da diversi laboratori che lavorano insieme, utilizzando regole più rigide e gruppi di soggetti più ampi. Questo metodo mira a separare i trattamenti veramente efficaci da quelli che hanno funzionato solo per caso o a causa di condizioni specifiche in un singolo laboratorio.
Un grande team di scienziati in Germania e oltre ha recentemente messo alla prova questa idea su larga scala. Hanno raccolto dati da due diversi gruppi di studi. Il primo gruppo era composto da dodici progetti finanziati dal governo specificamente per ri-testare promettenti scoperte precoci. Il secondo gruppo era una collezione di studi simili multi-laboratorio che erano già stati pubblicati in riviste scientifiche. In totale, hanno esaminato diciannove diversi progetti di ricerca che sono stati inclusi con successo nell'analisi finale. Ogni progetto partiva da una scoperta iniziale fatta in un singolo laboratorio, seguita da un esame rigoroso in cui più laboratori indipendenti tentavano di riprodurre il risultato. L'obiettivo era vedere quanti di questi primi "successi" resistessero quando il test diventava più difficile e le condizioni più variabili.
I risultati sono stati netti. Quando i ricercatori hanno confrontato i risultati iniziali del singolo laboratorio con i nuovi risultati multi-laboratorio, la forza degli effetti del trattamento è diminuita significamente. Nei progetti finanziati dal governo, solo tre studi su dieci hanno confermato il risultato positivo originale. Negli studi pubblicati, il tasso era più alto, con sei su nove che confermavano i risultati, ma la tendenza generale era chiara: l'entusiasmo iniziale era spesso una sovrastima. I ricercatori hanno analizzato esattamente perché ciò accadeva. Hanno scoperto che il calo dell'efficacia era causato da tre fattori principali. Primo, i gruppi di controllo nei nuovi studi erano spesso più sani rispetto a quelli originali, rendendo il trattamento meno impressionante per confronto. Secondo, la risposta effettiva al trattamento talvolta svaniva quando testata in ambienti diversi. Terzo, i risultati diventavano più variabili; quando si testa un farmaco in molti laboratori diversi con animali e condizioni differenti, i dati diventano più "rumorosi", rendendo più difficile vedere un effetto chiaro.
Nonostante il tasso di successo inferiore, i ricercatori sostengono che questo risultato non sia un fallimento del metodo, ma un successo del filtro. Gli studi multi-laboratorio sono stati progettati per essere molto più rigorosi rispetto agli esperimenti iniziali. Hanno utilizzato un numero maggiore di animali, hanno incluso soggetti sia maschi che femmine e hanno applicato rigorosamente regole come la randomizzazione e il blinding (accecamento), in cui gli scienziati non sanno quali animali stiano ricevendo il trattamento fino alla fine. Queste salvaguardie sono pensate per prevenire i pregiudizi e garantire che i risultati siano affidabili. Gli studi hanno dimostrato che, quando si applicano queste regole rigide, le dimensioni dell'effetto si riducono, ma la fiducia nei risultati rimanenti aumenta. Gli studi che hanno confermato i risultati originali erano robusti, mentre quelli che sono falliti hanno fornito un segnale chiaro che il trattamento potrebbe non funzionare in un contesto più ampio.
Il team ha anche esplorato come giudicare se uno studio fosse un "successo". Ha testato diversi modi per definire il successo, che andavano da regole molto rigide a criteri più permissivi. Anche con i criteri più permissivi, la maggior parte degli studi non ha confermato i risultati originali. Ciò suggerisce che gli alti tassi di successo iniziali osservati nella ricerca a singolo laboratorio sono spesso fuorvianti. I ricercatori hanno concluso che questi studi multi-laboratorio fungono da strumento di screening vitale. Impediscono a trattamenti inefficaci di procedere verso sperimentazioni umane costose e rischiose. Identificando quali trattamenti falliscono precocemente, la scienza può risparmiare risorse e concentrarsi solo sui candidati che si sono veramente dimostrati all'altezza in condizioni rigorose e simili al mondo reale. Lo studio non pretende di aver risolto il problema dello sviluppo di farmaci, ma offre una via d'uscione chiara e basata sull'evidenza: se un trattamento non riesce a sopravvivere a un test da parte di più laboratori indipendenti, è probabile che non sia pronto per il passo successivo.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.