ข้ามไปที่เนื้อหาหลัก

STAT+: การเปิดตัวยา MASH ของ Madrigal อย่างแข็งแกร่ง

STAT+: การเปิดตัวยา MASH ของ Madrigal อย่างแข็งแกร่ง

Madrigal Pharmaceuticals บริษัทชีวเภสัชภัณฑ์ในระยะ клінічного розвитку ได้ประกาศผลประกอบไตรมาสที่สี่และทั้งปี 2565 และให้ข้อมูลอัปเดตทางธุรกิจเมื่อวานนี้ บริษัทมุ่งเน้นไปที่การพัฒนาและจำจำหน่ายยานวัตกรรมสำหรับการรักษาโรคตับไขมันที่ไม่เกี่ยวข้องกับแอลกอฮอล์ (NAFLD) และมีการคาดการณ์ในแง่ดีเกี่ยวกับการเปิดตัว resmetiran ซึ่งเป็นยาเรือธงสำหรับโรคไขมันพอกตับที่ไม่ใช่แอลกอฮอล์ (NASH)

ผลประกอบการทางการเงินที่แข็งแกร่ง

Madrigal รายงานผลประกอบการทางการเงินที่แข็งแกร่งสำหรับไตรมาสที่สี่และทั้งปี 2565 บริษัทปิดไตรมาสด้วยเงินสด สินทรัพย์สภาพคล่องเทียบเท่าเงินสด และเงินลงทุนรวมมูลค่า 426.6 ล้านดอลลาร์ ณ วันที่ 31 ธันวาคม 2565 เทียบกับ 234.4 ล้านดอลลาร์ ณ วันที่ 31 ธันวาคม 2564 Madrigal เชื่อว่าเงินทุนที่มีอยู่จะเพียงพอที่จะสนับสนุนการดำเนินงานไปจนถึงอย่างน้อยปี 2569

ความก้าวหน้าในการพัฒนายา

Madrigal ประสบความสำเร็จครั้งสำคัญในการพัฒนายา resmetiran ในปี 2565 โดยสำนักงานคณะกรรมการอาหารและยา (FDA) ของสหรัฐอเมริกาได้อนุมัติใบอนุญาตผลิตชีวภาพ (BLA) สำหรับ resmetiran สำหรับการรักษาผู้ใหญ่ที่มีโรค NASH พร้อมด้วยพังผืดในตับที่ยืนยันแล้ว และ/หรือโรคเบาหวานประเภท 2

Resmetiran เป็นสารดูดซับกรดน้ำดีที่ออกฤทธิ์ทางปากแบบรับประทานวันละครั้ง ซึ่งแสดงให้เห็นถึงประสิทธิภาพในการปรับปรุงพยาธิสภาพของตับและผลลัพธ์ทางคลินิกในการทดลองทางคลินิก ในการทดลองทางคลินิกขั้นตอนที่ 3 ในผู้ป่วย NASH ที่เป็นพังผืดในตับที่ยืนยันแล้ว resmetiran แสดงให้เห็นถึงการปรับปรุงอย่างมีนัยสำคัญทางสถิติใน NASH resolution และ fibrosis improvement เมื่อเทียบกับยาหลอก

การเปิดตัวยา MASH ที่แข็งแกร่ง

Madrigal เปิดตัว resmetiran ภายใต้ชื่อทางการค้าว่า MASH ในสหรัฐอเมริกาในเดือนกรกฎาคม 2566 บริษัทรายงานว่ายอดขาย MASH แข็งแกร่งในช่วงต้น โดยมียอดขายสุทธิ 18.8 ล้านดอลลาร์ในไตรมาสที่สามของปี 2566

ความต้องการ MASH แรงเนื่องจากความต้องการที่ไม่ได้รับการตอบสนองอย่างมากสำหรับการรักษา NASH ที่ปลอดภัยและมีประสิทธิภาพ NASH เป็นโรคตับเรื้อรังที่กำลังเพิ่มสูงขึ้นซึ่งอาจนำไปสู่ภาวะแทรกซ้อนที่ร้ายแรง เช่น โรคตับแข็งและมะเร็งตับ ปัจจุบันมีผู้ใหญ่ประมาณ 16 ล้านคนในสหรัฐอเมริกาที่ได้รับการวินิจฉัยว่าเป็น NASH และคาดว่าจำนวนนี้จะเพิ่มขึ้นเป็น 27 ล้านคนภายในปี 2580

ปัจจัยขับเคลื่อนความสำเร็จ

ปัจจัยหลายประการมีส่วนทำให้การเปิดตัว MASH ประสบความสำเร็จ รวมถึง:

  • ความต้องการที่ไม่ได้รับการตอบสนองอย่างมากสำหรับการรักษา NASH
  • ประสิทธิภาพและความปลอดภัยของ MASH
  • ความพยายามเชิงพาณิชย์ที่แข็งแกร่งของ Madrigal
  • การครอบคลุมและการชำระเงินที่เอื้ออำนวย

มุมมองและโอกาส

Madrigal คาดการณ์ว่ายอดขาย MASH จะยังคงแข็งแกร่งต่อไปในปี 2567 บริษัทคาดว่าจะสร้างรายได้จาก MASH ระหว่าง 770 ล้านดอลลาร์ถึง 830 ล้านดอลลาร์ในปี 2567

นอกเหนือจาก MASH แล้ว Madrigal ยังพัฒนายาอื่นๆ อีกหลายชนิดสำหรับการรักษา NASH รวมถึง:

  • CagriSebemantan (CYN-102): สารดูดซับกรดน้ำดีที่ออกฤทธิ์ทางปากแบบรับประทานวันละครั้ง ซึ่งกำลังอยู่ในการทดลองทางคลินิกขั้นตอนที่ 2 สำหรับการรักษา NASH
  • Lanifibranor: สารออกฤทธิ์ PPAR แบบรับประทานวันละครั้ง ซึ่งกำลังอยู่ในการทดลองทางคลินิกขั้นตอนที่ 3 สำหรับการรักษา NASH

Madrigal เชื่อว่ายาเหล่านี้มีศักยภาพในการปฏิวัติการรักษา NASH และปรับปรุงชีวิตของผู้ป่วยนับล้าน

ข้อสรุป

การเปิดตัว MASH ของ Madrigal เป็นก้าวสำคัญสำหรับบริษัทและสำหรับผู้ป่วย NASH MASH เป็นการบำบัดแบบใหม่ครั้งแรกสำหรับ NASH ที่ได้รับการอนุมัติในรอบเกือบทศวรรษ ยามีศักยภาพในการตอบสนองความต้องการที่ไม่ได้รับการตอบสนองอย่างมาก และคาดว่าจะประสบความสำเร็จทางการค้าอย่างมาก Madrigal มีฐานะที่ดีในการเป็นผู้นำในการรักษา NASH

#ยา #สุขภาพ

โพสต์ยอดนิยมจากบล็อกนี้

การเรียนรู้ Decision Tree Algorithm ด้วย Transformers

การเรียนรู้ Decision Tree Algorithm ด้วย Transformers การเรียนรู้ Decision Tree Algorithm ด้วย Transformers ในยุคที่เทคโนโลยีปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (Machine Learning) ก้าวหน้าอย่างรวดเร็ว การผสมผสานระหว่างอัลกอริธึมแบบดั้งเดิมอย่าง Decision Tree กับโมเดล Transformer ที่ทันสมัยกำลังเป็นที่สนใจอย่างมาก บทความนี้จะพาคุณไปทำความเข้าใจว่า Decision Tree Algorithm ทำงานอย่างไร และการนำ Transformer มาใช้เพื่อปรับปรุงประสิทธิภาพของอัลกอริธึมนี้สามารถสร้างผลลัพธ์ที่น่าทึ่งได้อย่างไร Decision Tree Algorithm คืออะไร? Decision Tree เป็นอัลกอริธึมการเรียนรู้ของเครื่องที่ใช้สำหรับการจำแนกประเภท (Classification) และการทำนาย (Regression) โดยอาศัยโครงสร้างแบบต้นไม้ (Tree Structure) ที่ประกอบด้วยโหนด (Node) และเส้นเชื่อม (Edge) แต่ละโหนดจะแทนคุณลักษณะ (Feature) ของข้อมูล และเส้นเชื่อมจะแทนการตัดสินใจที่นำไปสู่โหนดถัดไป ตัวอย่างเช่น หากเราต้องการจำแนกประเภทผลไม้ เราอาจเริ่มต้นด้วยโหนดแรกที่ถามว่า "ผลไม้มีสีแดงหรือไม่?" หากคำต...

วัฒนธรรมไทย: ทำไมการลูบศีรษะจึงเป็นเรื่องต้องห้าม?

วัฒนธรรมไทย: ทำไมการลูบศีรษะจึงเป็นเรื่องต้องห้าม? วัฒนธรรมไทย: ทำไมการลูบศีรษะจึงเป็นเรื่องต้องห้าม? ในสังคมไทย การแสดงออกทางกายภาพเป็นสิ่งที่ละเอียดอ่อน โดยเฉพาะอย่างยิ่งการสัมผัสเนื้อตัวผู้อื่น ซึ่งมักจะมีข้อห้ามและข้อควรปฏิบัติที่สืบทอดกันมาอย่างยาวนาน หนึ่งในข้อห้ามที่พบเห็นได้บ่อยคือการลูบศีรษะผู้อื่น โดยเฉพาะอย่างยิ่งเด็กๆ ซึ่งคนไทยจำนวนไม่น้อยมีความเชื่อว่า ศีรษะเป็นส่วนที่สูงส่งและศักดิ์สิทธิ์ ไม่ควรให้ใครมาลูบเล่นโดยไม่จำเป็น บทความนี้จะพาไปสำรวจเบื้องลึกของความเชื่อนี้ พร้อมทั้งอธิบายถึงที่มาที่ไป และเหตุผลประกอบต่างๆ ศีรษะ: ส่วนที่สูงส่งตามความเชื่อแบบพุทธศาสนา อิทธิพลของพุทธศาสนาต่อสังคมไทยนั้นฝังรากลึกมาอย่างยาวนาน และได้หล่อหลอมแนวคิด ค่านิยม รวมถึงมารยาททางสังคมต่างๆ ของคนไทยมาจนถึงปัจจุบัน หนึ่งในความเชื่อที่สืบทอดมาจากพุทธศาสนาคือการยกย่องให้ "ศีรษะ" เป็นส่วนที่สูงส่งที่สุดของร่างกาย เนื่องจากเป็นส่วนที่อยู่สูงกว่าส่วนอื่น และเป็นที่ตั้งของ "ม Crown Chakra" ซึ่งในทางจิตวิญญาณเชื่อว่าเป็นศูนย์รวมของพลังงานบวกและสติปัญญา ด้วยเหตุนี้ ...

AI กับการเชื่อมโยงคลื่นความร้อนกับภาวะโลกร้อน

AI กับการเชื่อมโยงคลื่นความร้อนกับภาวะโลกร้อน AI กับการเชื่อมโยงคลื่นความร้อนกับภาวะโลกร้อน โลกของเรากำลังเผชิญกับสภาพอากาศที่แปรปรวนอย่างรุนแรง คลื่นความร้อนที่แผ่ปกคลุมทั่วโลกเป็นหนึ่งในปรากฏการณ์ที่สร้างความกังวลอย่างมาก แต่การระบุว่าคลื่นความร้อนเหล่านี้เชื่อมโยงกับภาวะโลกร้อนโดยตรงนั้น เป็นเรื่องที่ซับซ้อน อย่างไรก็ตาม ปัญญาประดิษฐ์ (AI) กำลังเข้ามามีบทบาทสำคัญในการไขปริศนานี้ โดยช่วยให้นักวิทยาศาสตร์สามารถวิเคราะห์ข้อมูลมหาศาล และสร้างแบบจำลองที่แม่นยำยิ่งขึ้น เพื่อทำความเข้าใจความสัมพันธ์ระหว่างคลื่นความร้อนและการเปลี่ยนแปลงสภาพภูมิอากาศ ในอดีต การศึกษาผลกระทบของภาวะโลกร้อนต่อคลื่นความร้อนนั้นทำได้ยากลำบาก เนื่องจากข้อมูลสภาพอากาศมีจำนวนมหาศาลและมีความซับซ้อน แต่วิทยาการ AI เช่น Machine Learning สามารถเรียนรู้จากข้อมูลเหล่านี้ ระบุรูปแบบ และทำนายความน่าจะเป็นของคลื่นความร้อนในอนาคตได้อย่างแม่นยำกว่าวิธีการแบบดั้งเดิม ตัวอย่างเช่น งานวิจัยจาก Nature Communications แสดงให้เห็นว่า AI สามารถคาดการณ์ความรุนแรงและความถี่ของคลื่นความร้อนในอนาคตได้อย่างมีประสิ...