दशकों से नैदानिक विफलता दरें: उफ़

नैदानिक विफलता दर और उसका अर्थ

• कई लोगों को ~90% नैदानिक विफलता जीवविज्ञान की जटिलता और सुरक्षा बाधाओं को देखते हुए आश्चर्यजनक नहीं लगती।
• कुछ का तर्क है कि दशकों से स्थिरता एक संतुलन (equilibrium) का संकेत देती है: जैसे-जैसे उपकरण बेहतर होते हैं, परियोजनाएँ और अधिक महत्वाकांक्षी होती जाती हैं, जिससे सफलता दर स्थिर रहती है।
• अन्य लोग इस दर को “पागलपन भरी” रूप से ऊँची मानते हैं, जिससे लगता है कि हमारे मॉडल और विधियाँ अभी भी खराब हैं, न कि प्रणाली इष्टतम है।

अन्य क्षेत्रों से तुलना

• कई टिप्पणीकार कारों/विमानों से तुलना को “अजीब” या भ्रामक कहते हैं:
  • इंजीनियरिंग प्रोटोटाइप अक्सर उत्पाद के बाजार में आने से पहले बहुत ऊँची दर से चुपचाप विफल होते हैं।
  • तैयार दवाएँ प्रोटोटाइप की तुलना में अंतिम उत्पादों के अधिक समान होती हैं।
• अन्य लोग बेहतर उपमाएँ सुझाते हैं: इलेक्ट्रॉनों को समझने से पहले के शुरुआती वैक्यूम ट्यूब, या डीप लर्निंग का परीक्षण-और-त्रुटि वाला दौर।

दवा विकास इतना कठिन क्यों है

• जीवविज्ञान अव्यवस्थित है, ठीक से सीमाबद्ध नहीं है, और उसका सिमुलेशन कठिन है; पशु और कोशिका मॉडल अक्सर मानव परिणामों की भविष्यवाणी करने में विफल रहते हैं।
• आप phase 3 की चूक के बाद किसी अणु को “पैच” नहीं कर सकते; विफलता अक्सर पूरी पुनः शुरुआत का अर्थ होती है।
• व्यापक प्रीक्लिनिकल छँटाई होती है, फिर भी अनेक “अच्छे” उम्मीदवार मानवों में प्रभावकारिता, एंडपॉइंट्स, या सुरक्षा के कारण विफल हो जाते हैं।

अर्थशास्त्र, प्रोत्साहन, और “इष्टतमता”

• कुछ लोगों का तर्क है कि ~10% सफलता आर्थिक रूप से तर्कसंगत है: यदि सफलता आसान हो जाए, तो अधिक सीमांत, अधिक जोखिम वाली परियोजनाएँ वित्तपोषित होंगी, और दरें फिर गिर जाएँगी।
• अन्य लोग इससे असहमत हैं, यह इंगित करते हुए कि प्रति-ट्रायल लागत बहुत भारी होती है और कंपनियों के पास हारने वालों को जल्दी बंद करने के मजबूत कारण होते हैं, लेकिन आंतरिक प्रोत्साहन (परियोजनाओं को आगे बढ़ाने के लिए करियर पुरस्कार, उन्हें बंद करने के लिए नहीं) निर्णयों को विकृत कर सकते हैं।
• इस बात पर बहस कि क्या उच्च विफलता दुर्लभ संसाधनों का वांछनीय अन्वेषण है या अपव्यय।

विनियमन और सुरक्षा प्रवृत्तियाँ

• नियामकीय बाधाएँ कड़ी हो गई हैं (जैसे hERG inhibition जैसे cardiac risks की स्क्रीनिंग), जिससे ऐसे उम्मीदवार बाहर हो जाते हैं जो ऐतिहासिक रूप से बाज़ार तक पहुँच सकते थे।
• इससे सुरक्षा बेहतर होती है लेकिन लागत बढ़ती है और दिखने वाली सफलता घटती है।

AI/ML और मॉडलिंग

• लंबे समय से यह संदेह बना हुआ है कि “AI failure rate को ठीक कर देगा”; ML का उपयोग pharma में दशकों से किया जा रहा है, लेकिन इसका प्रभाव केवल क्रमिक रहा है।
• कुछ वर्षों में सुरक्षित दवाएँ खोज लेने वाली AI के बारे में उत्साह को tech-bro reductionism माना जाता है।

विकल्प, प्रिसीजन, और सहायक विषय

• कुछ लोग उन दवाओं का उल्लेख करते हैं जो समग्र रूप से “विफल” होती हैं लेकिन पहचाने जा सकने वाले उपसमूहों के लिए काम करती हैं; विश्वसनीय पूर्व-चयन के बिना, यह अभी एक सच्चा वैकल्पिक मॉडल नहीं है।
• चर्चाएँ personalized medicine, copycat या incremental drugs (बेहतर side effects, dosing, routes), और जानवरों के उपयोग तथा चिकित्सा के दीर्घकालिक आनुवंशिक प्रभावों से जुड़े नैतिक मुद्दों को छूती हैं।