Wenn ein Unternehmen ein generisches Medikament auf den Markt bringen will, muss es beweisen, dass es genauso wirkt wie das Originalpräparat. Dieser Nachweis heißt Bioäquivalenz. Und die zuverlässigste Methode, um das zu tun, ist das Crossover-Studiendesign. Im Gegensatz zu anderen Studienansätzen, bei denen verschiedene Gruppen von Menschen unterschiedliche Medikamente bekommen, arbeitet dieses Design mit einem einfachen, aber genialen Prinzip: Jeder Teilnehmer nimmt beide Präparate - erst das generische, dann das Original - in einer festgelegten Reihenfolge. So wird jeder Mensch zu seinem eigenen Kontrollversuch.
Wie funktioniert ein Crossover-Design?
Die einfachste Form ist die 2×2-Struktur: Die Teilnehmer werden zufällig in zwei Gruppen aufgeteilt. Die eine Gruppe bekommt zuerst das generische Medikament (Test), dann nach einer Pause das Original (Referenz). Die andere Gruppe macht es genau umgekehrt: zuerst das Original, dann das generische. Diese Reihenfolge nennt man „Sequenz“. Zwischen den beiden Behandlungsperioden liegt eine sogenannte Washout-Periode - ein Zeitraum, in dem das Medikament vollständig aus dem Körper abgebaut ist.
Warum ist das wichtig? Weil der Körper nicht sofort alles ausscheidet. Wenn das Medikament aus der ersten Phase noch im Blut ist, wenn die zweite Phase beginnt, dann misst man nicht mehr die Wirkung des neuen Präparats, sondern eine Mischung aus beiden. Das verfälscht die Ergebnisse. Deshalb muss die Washout-Periode mindestens fünf Halbwertszeiten des Wirkstoffs betragen. Bei manchen Medikamenten, die langsam abgebaut werden, dauert das Wochen oder sogar Monate - und dann ist das Crossover-Design nicht mehr praktikabel.
Warum ist dieses Design so effizient?
Stell dir vor, du willst herausfinden, ob zwei verschiedene Sportarten die Ausdauer verbessern. Wenn du zwei Gruppen von Menschen vergleichst - eine läuft, die andere radelt - dann könnten Unterschiede in Alter, Fitness, Ernährung oder Genetik die Ergebnisse verfälschen. Aber wenn jeder Teilnehmer beide Sportarten ausprobiert, dann fallen diese individuellen Unterschiede weg. Du siehst nur, ob die eine Sportart bei ihm persönlich besser war als die andere.
Genau das passiert in Bioäquivalenzstudien. Die Variabilität zwischen Menschen - also Unterschiede in Gewicht, Leberfunktion, Stoffwechsel - ist oft viel größer als die tatsächliche Wirkungsunterschiede zwischen den Medikamenten. Das Crossover-Design eliminiert diese „Rauschvariablen“. Statistisch gesehen braucht man dafür nur ein Sechstel der Teilnehmer, die man bei einem Parallel-Design benötigen würde, wenn die Unterschiede zwischen Menschen doppelt so groß sind wie die Messfehler. Das spart Zeit, Geld und reduziert die Belastung für die Probanden.
Was passiert bei sehr variablen Medikamenten?
Nicht alle Medikamente verhalten sich gleich. Einige - wie Warfarin, Ciclosporin oder Clopidogrel - zeigen bei ein und demselben Menschen große Schwankungen in der Aufnahme und Wirkung. Der sogenannte intra-subjektive Variationskoeffizient (CV) liegt hier über 30 %. Bei solchen Wirkstoffen reicht das einfache 2×2-Design nicht mehr aus. Die Daten sind zu „rauschartig“, um klare Schlüsse zu ziehen.
Deswegen greifen Forscher zu sogenannten replizierten Designs. Das bedeutet: Jeder Teilnehmer bekommt jedes Präparat zweimal. Die gängigsten Formen sind:
- TRR / RTR (partiell repliziert): Ein Teilnehmer erhält das Testpräparat einmal und das Referenzpräparat zweimal.
- TRTR / RTRT (voll repliziert): Jeder bekommt beide Präparate zweimal, in abwechselnder Reihenfolge.
Diese Designs erlauben es, die innere Variabilität des Körpers für jedes Präparat separat zu messen. Das ist entscheidend, denn die europäische und amerikanische Arzneimittelbehörde erlauben jetzt sogenannte „reference-scaled average bioequivalence“ (RSABE). Das heißt: Bei sehr variablen Medikamenten wird nicht mehr einfach ein festes Verhältnis von 80-125 % als Grenze angesehen. Stattdessen wird die Toleranzgrenze dynamisch angepasst - je höher die Variabilität, desto breiter darf das Verhältnis sein. In manchen Fällen reicht sogar 75-133 % aus. Ohne replizierte Designs wäre das unmöglich.
Statistische Analyse: Was wird ausgewertet?
Die Daten aus einer Crossover-Studie werden nicht mit einfachen Mittelwerten verglichen. Stattdessen nutzt man komplexe statistische Modelle - meist lineare Mixed-Effects-Modelle. In der Praxis arbeiten die meisten Labore mit SAS-Software (PROC MIXED) oder spezialisierten R-Paketen wie „bear“. Das Modell prüft drei Dinge:
- Sequenzeffekt: Hat die Reihenfolge (Test zuerst oder Referenz zuerst) einen Einfluss? Wenn ja, könnte ein Carryover-Effekt vorliegen.
- Periodeneffekt: Hat die Zeit (z. B. saisonale Veränderungen, körperliche Verfassung) die Wirkung beeinflusst?
- Treatment-Effekt: Ist das generische Medikament wirklich gleich wirksam wie das Original?
Der entscheidende Wert ist das 90%-Konfidenzintervall für das Verhältnis der geometrischen Mittelwerte von AUC (Gesamtexposition) und Cmax (maximale Konzentration). Wenn dieses Intervall vollständig zwischen 80,00 % und 125,00 % liegt, gilt das Medikament als bioäquivalent. Bei sehr variablen Wirkstoffen wird diese Grenze mit RSABE angepasst - aber nur, wenn die replizierte Studie die Variabilität korrekt erfasst hat.
Was kann schiefgehen?
Das Crossover-Design ist leistungsstark - aber nur, wenn es richtig durchgeführt wird. Die häufigste Fehlerquelle: unzureichende Washout-Perioden. Ein Fall aus der Praxis: Ein Forscherteam testete ein Medikament mit einer Halbwertszeit von 12 Stunden. Sie setzten eine Washout-Periode von 72 Stunden an. Doch die Literatur zeigte, dass bei manchen Patienten der Abbau bis zu 144 Stunden dauerte. Die Ergebnisse wurden verworfen, weil noch Spuren des ersten Präparats im Blut waren. Die Studie musste mit einer längeren Pause und einem replizierten Design wiederholt werden - mit zusätzlichen Kosten von über 190.000 Euro.
Ein weiterer Punkt: fehlende Daten. Wenn ein Teilnehmer während der zweiten Periode aussteigt, ist das Problem nicht einfach, ihn zu streichen. In einem Crossover-Design wird ja jede Person mit sich selbst verglichen. Ein verlorener Wert bricht die gesamte Vergleichslogik. Deshalb müssen Studien so geplant werden, dass die Teilnehmerzahl über dem Minimum liegt - man rechnet mit einem Abbruch von 5-10 %.
Und dann gibt es noch die statistische Auswertung. Viele Forscher verwenden Standard-Software, ohne die spezifischen Anforderungen eines Crossover-Designs zu verstehen. Ein Beispiel: Die Perioden- und Sequenzeffekte müssen im Modell als feste Effekte erfasst werden, nicht als zufällig. Wenn das nicht gemacht wird, unterschätzt man die Fehlerquote - und genehmigt ein Medikament, das eigentlich nicht bioäquivalent ist.
Wie häufig wird dieses Design verwendet?
Die Zahlen sprechen für sich: In den USA wurden 2022 und 2023 fast 90 % aller Genehmigungen für generische Medikamente (ANDAs) auf Basis eines Crossover-Designs erteilt. In Europa ist es ähnlich. Die großen Contract Research Organizations (CROs) wie PAREXEL oder Charles River führen 75-80 % ihrer Bioäquivalenzstudien mit dieser Methode durch. Der Markt für solche Studien ist mit 2,87 Milliarden US-Dollar im Jahr 2022 enorm - und wächst weiter.
Die Trends zeigen klar: Während einfache 2×2-Designs noch immer für zwei Drittel der Studien genutzt werden, wächst die Nachfrage nach replizierten Designs rasant. In 2022 lag ihr Anteil bei 32 % - und steigt jährlich um 15 %. Die FDA hat 2023 sogar neue Leitlinien für Medikamente mit engem therapeutischem Fenster veröffentlicht - also für solche, bei denen schon geringe Dosisunterschiede gefährlich sein können. Hier wird jetzt ein 3-Perioden-Design empfohlen. Die EMA plant für 2024, voll replizierte Designs für alle sehr variablen Wirkstoffe zur Standardmethode zu machen.
Was kommt als Nächstes?
Einige Experten fragen sich, ob das Crossover-Design in Zukunft noch die beste Methode bleibt. Mit neuen digitalen Sensoren, die die Blutkonzentration kontinuierlich messen, könnte man in Zukunft sogar ohne Washout-Periode auskommen. Wenn man weiß, wie das Medikament im Körper abgebaut wird, könnte man die Daten mathematisch „bereinigen“ - und so die Wirkung des zweiten Präparats trotz Restkonzentrationen genau messen. Das ist noch in der Forschungsphase, aber es zeigt: Die Grundidee - jeden Menschen als eigenen Kontrollversuch zu nutzen - bleibt stark. Und solange wir Medikamente mit dem Körper messen müssen, wird das Crossover-Design die beste Methode bleiben.
Geschrieben von Tomás Leitner
Zeige alle Beiträge von: Tomás Leitner