Rejoignez-nous pour un webinaire perspicace explorant les capacités technologiques clés qui stimulent l'innovation dans le domaine de la sécurité des médicaments et de la science réglementaire.
Nous verrons comment ces technologies s'intègrent de manière transparente dans des flux de travail alignés sur des directives réglementaires en constante évolution, notamment ICH S1B (qui pourrait remplacer l'étude traditionnelle de cancérogénicité de deux ans chez le rat), ICH M7 et les concepts émergents décrits dans l'étape 2 de la directive ICH Q3E, qui fait actuellement l'objet d'une consultation publique.
Au-delà des applications réglementaires, la session mettra également en lumière des cas d'utilisation non réglementaires, tels que le profilage de la toxicité des médicaments candidats et l'évaluation de la prédictibilité des études précliniques pour les résultats cliniques.
Ce que vous apprendrez :
- La valeur des données précliniques réside dans la manière dont elles sont collectées, interprétées et appliquées dans la prise de décision.
- Pourquoi la transparence, l'interprétabilité et la reproductibilité sont-elles essentielles pour que les technologies prédictives soient acceptées et fiables ?
- Comment les technologies basées sur les données peuvent-elles s'intégrer efficacement aux flux de travail réglementaires tels que ICH S1B, ICH M7 et les cadres émergents tels que ICH Q3E ?
- Comment ces technologies fondées sur les données permettent d'établir le profil de toxicité, de sélectionner les principaux composés et d'évaluer la prédictibilité préclinique des résultats cliniques.
Intervenants principaux :
- Frances Hall, PhD, Directrice des applications scientifiques, Instem (Présentatrice)
- Candice Johnson, PhD, Product Manager, Instem (Présentateur)
- Brenda Finney, PhD, Directrice des produits - In Silico & Data Insights, Instem (panéliste Q&R)
- Kevin Cross, PhD, directeur de la science in silico, Instem (paneliste pour les questions-réponses)
Register à ce webinaire pour apprendre comment les stratégies fondées sur les données peuvent améliorer la découverte préclinique de médicaments et la prise de décision en aval.
