Multi-Lab Testing of Early Preclinical Discoveries Identifies Promising Treatments
Dit artikel으로 toont aan dat het uitvoeren van preklinische studies met meerdere laboratoria met een verhoogde nauwkeurigheid effectief onbewezen behandelingen filtert door te onthullen dat slechts een fractie van de initiële resultaten uit één enkel laboratorium repliceert vanwege experimentele verschillen, waardoor werkelijk veelbelovende kandidaten voor klinische tests worden geïdentificeerd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In de lange reis van het transformeren van een wetenschappelijk idee naar een medicijn dat mensen helpt, bestaat een beruchte flessenhals. Wetenschappers vinden vaak een behandeling die er ongelooflijk veelbelovend uitziet in één enkel laboratorium, meestal werkend met dieren of cellen. De resultaten zijn opwindend, de cijfers zien er sterk uit en de hoop is groot. Maar wanneer dezezelfde behandelingen naar klinische trials bij mensen gaan, falen ze in meer dan negentig procent van de gevallen. Deze kloof tussen vroeg succes in het lab en falen in de echte wereld is een enorme verspilling van tijd, geld en hoop. Het probleem ligt vaak in de vroege studies zelf. Ze zijn meestal klein, worden op slechts één plek uitgevoerd en missen de strikte waarborgen die nodig zijn om te garanderen dat de resultaten echt zijn en niet slechts een gelukkig toevalstreffer. Om dit op te lossen, zijn onderzoekers begonnen met het testen van een nieuwe aanpak: voordat een medicijn ooit een mens bereikt, moet het opnieuw worden getest, maar dan door verschillende laboratoria die samenwerken, gebruikmakend van strengere regels en grotere groepen proefpersonen. Deze methode heeft als doel de werkelijk effectieve behandelingen te scheiden van diegene die alleen werkten vanwege toeval of specifieke omstandigheden in één laboratorium.
Een groot team van wetenschappers in heel Duitsland en daarbuiten heeft dit idee onlangs op grote schaal op de proef gesteld. Ze verzamelden gegevens van twee verschillende groepen studies. De eerste groep bestond uit twaalf projecten die door de overheid specifend werden gefinancierd om veelbelovende vroege ontdekkingen opnieuw te testen. De tweede groep was een verzameling van vergelijkbare multi-lab studies die al gepubliceerd waren in wetenschappelijke tijdschriften. In totaal bekeken zij negentien verschillende onderzoeksprojecten die succesvol waren opgenomen in de uiteindelijke analyse. Elk project begon met een initiële ontdekking in een enkel laboratorium, gevolgd door een grondige heronderzoek waarbij meerdere onafhankelijke laboratoria het resultaat probeerden te reproduceren. Het doel was om te zien hoeveel van deze vroege "overwinningen" standhielden wanneer de test moeilijker werd en de omstandigheden gevarieerder.
De resultaten waren onomstotelijk. Toen de onderzoekers de initiële resultaten uit één laboratorium vergeleken met de nieuwe multi-lab bevindingen, daalde de kracht van de behandelingseffecten aanzienlijk. In de door de overheid gefinancierde projecten bevestigde slechts drie van de tien studies het oorspronkelijke positieve resultaat. In de gepubliceerde studies lag het percentage hoger, waarbij zes van de negen de bevindingen bevestigden, maar de algemene trend was duidelijk: de initiële opwinding was vaak een overschatting. De onderzoekers ontleedden precies waarom dit gebeurde. Ze ontdekten dat de daling in effectiviteit werd veroorzaakt door drie hoofdfactoren. Ten eerste waren de controlegroepen in de nieuwe studies vaak gezonder dan in de oorspronkelijke, waardoor de behandeling in vergelijking minder indrukwekkend leek. Ten tweede nam de werkelijke respons op de behandeling soms af wanneer deze in andere omgevingen werd getest. Ten derde werden de resultaten variabeler; wanneer je een medicijn test in veel verschillende laboratoria met verschillende dieren en omstandigheden, wordt de data "ruisiger", wat het moeilijker maakt om een duidelijk effect te zien.
Ondanks de lagere succesratio betogen de onderzoekers dat deze uitkomst geen falen van de methode is, maar een succes van de filter. De multi-lab studies waren ontworpen om veel strenger te zijn dan de initiële experimenten. Ze gebruikten grotere aantallen dieren, bevatten zowel mannelijke als vrouwelijke proefpersonen en hanteerden strikt regels zoals randomisatie en blindering, waarbij de wetenschappers niet weten welke dieren de behandeling krijgen tot het allerlaatste moment. Deze waarborgen zijn bedoeld om bias te voorkomen en de resultaten betrouwbaar te maken. De studies toonden aan dat wanneer deze strikte regels worden toegepast, de effectgroottes krimpen, maar het vertrouwen in de resterende resultaten toeneemt. De studies die de oorspronkelijke bevindingen bevestigden, waren robuust, terwijl de studies die faalden een duidelijk signaal gaven dat de behandeling mogelijk niet werkt in een bredere context.
Het team onderzocht ook hoe men kan beoordelen of een studie een "succes" is. Ze testten verschillende manieren om succes te definiëren, variërend van zeer strikte regels tot meer laconieke regels. Zelfs met de meest laconieke criteria bevestigde de meerderheid van de studies de oorspronkelijke bevindingen niet. Dit suggereert dat de initiële hoge succespercentages in onderzoek in één enkel lab vaak misleidend zijn. De onderzoekers concludeerden dat deze multi-lab studies fungeren als een vitale screeningsmethode. Ze stoppen ineffectieve behandelingen voordat ze de stap zetten naar dure en risicovolle menselijke trials. Door te identificeren welke behandelingen vroegtijdig falen, kan de wetenschap middelen besparen en zich concentreren op de kandidaten die zichzelf werkelijk hebben bewezen onder strikte, meer realistische omstandigheden. De studie beweert niet het probleem van de ontwikkeling van geneesmiddelen te hebben opgelost, maar biedt een helder, op bewijs gebaseerd pad vooruit: als een behandeling een test door meerdere onafhankelijke laboratoria niet kan doorstaan, is het waarschijnlijk nog niet klaar voor de volgende stap.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.