纪要涉及的行业和公司 - 行业：精神疾病药物研发行业 - 公司：未提及具体公司名称，但涉及该公司研发的药物，如ALTO - 203、ALTO - 101、ALTO - 300、ALTA - 100等 纪要提到的核心观点和论据 精准精神病学方法 - 核心观点：采用系统方法理解个体患者生物学特征，开发针对特定人群的药物，类似肿瘤学和免疫学的成功做法 [1][2] - 论据：过去15年在斯坦福大学和Alto的工作，聚焦抑郁症、双相抑郁症、精神分裂症和PTSD等疾病，通过测量大脑活动的工具确定不同亚诊断人群，开发针对性药物 生物精神病学会会议数据 - 核心观点：展示的数据支持精准精神病学方法 - 论据： - 机器学习EEG方法预测抑郁症安慰剂反应，找到可复制的特征信号，用于增强药物与安慰剂差异 [4][5][6] - 机器学习EEG方法找到增强对Alto 300反应的生物标志物，并揭示其与药物分子作用机制的关联 [6][7] ALTO - 203药物 - 核心观点：本季度将公布概念验证数据，该药物有独特作用机制和研究价值 - 论据： - 是组胺H3反向激动剂，抑制H3受体可增加多巴胺，不仅在皮质，还在奖励系统皮下区域，对动机、情绪和认知重要 [10] - 健康人单次给药可急性增加积极主观情绪，研究关注其对抑郁症和快感缺失患者的多方面影响，利用多种生物学测量方法理解药物作用 [11][12] ALTO - 101药物 - 核心观点：今年下半年有望公布概念验证数据，解决了历史问题，有良好研究前景 - 论据： - 是PDE4抑制剂，可增强神经可塑性和改善认知，但历史上面临给药剂量和耐受性挑战 [14][15][16] - 通过研究找到与精神分裂症相关的EEG生物标志物，药物单次给药可增加相关EEG测量值，与认知改善相关，动物实验也有积极结果 [17][18][19] - 重新配制药物为透皮贴剂，减缓吸收，增加总暴露量，减少不良反应 [20] 认知障碍相关疾病（CIAS）治疗领域 - 核心观点：该领域存在巨大空白和机会，公司方法可降低开发风险 - 论据： - 认知障碍在精神分裂症患者中普遍存在，预测长期病程，但目前治疗方案少，历史上大量项目失败 [23][24][25] - 公司通过EEG和认知测量展示大脑回路参与情况，理解剂量和生物效应，可跟踪EEG信号指导开发，借鉴精准医学方法 [25][26] ALTO - 300药物 - 核心观点：预计明年年中进行2b期研究数据读出，项目风险降低 - 论据： - 针对200名生物标志物阳性患者及部分无生物标志物患者进行研究，药物为阿戈美拉汀25毫克，在欧洲和澳大利亚获批治疗抑郁症，对特定患者反应良好，耐受性好 [28][29] - 从ALTA - 100项目吸取教训，改进招募方法，排除高风险站点，中期分析显示药物信号支持研究继续进行 [31][32][34] 生物标志物选择策略 - 核心观点：各药物生物标志物不同，有部分借鉴性，需具体分析 - 论据： - 采用共同的数据科学方法确保生物标志物可靠，但各药物生物标志物不同，需分析每个试验成败原因 [37] - 2b期研究纳入无生物标志物患者组，采用随机试验方法减轻安慰剂反应影响 [38] 行业现状 - 核心观点：精神疾病药物研发领域近期其他公司项目成功率低，市场需求未得到满足 - 论据：近期其他公司多个后期项目失败，今年部分读出结果在如迷幻药等小众领域，公司关注的适应症领域有巨大未满足需求 [39] 其他重要但是可能被忽略的内容 - ALTA - 100项目未达统计学显著性是由于部分专业患者和依从性问题，公司因此改进招募方法，包括赞助商资格审查、检测尿液抗抑郁药水平、排除高风险站点等 [31][32][33] - 阿戈美拉汀25毫克剂量在真实世界证据中显示安全、耐受性好，不会导致LFT升高，无需像50毫克剂量那样监测 [34][35]