배너

2025.07.26 (토)

  • 맑음동두천 32.0℃
  • 맑음강릉 33.9℃
  • 맑음서울 32.7℃
  • 맑음인천 31.5℃
  • 맑음수원 32.9℃
  • 맑음청주 33.1℃
  • 맑음대전 32.8℃
  • 맑음대구 31.6℃
  • 맑음전주 34.0℃
  • 맑음울산 31.0℃
  • 맑음광주 32.3℃
  • 구름조금부산 31.5℃
  • 맑음여수 30.1℃
  • 구름조금제주 29.9℃
  • 맑음천안 31.6℃
  • 맑음경주시 31.9℃
  • 구름조금거제 29.1℃
기상청 제공

PR Newswire

중국에서 실시한 남성 성인형 탈모(AGA) 치료를 위한 KX-826 팅크제 1.0%에 대한 제2상 확증 임상시험에서 일차 평가변수 달성

쑤저우, 중국 2025년 7월 26일 /PRNewswire/ -- 킨토르 제약(Kintor Pharmaceutical Limited, 이하 '회사')이 자체 개발 중인 KX-826 팅크제 1.0%가 남성 성인형 탈모(AGA) 치료를 위한 제2상 확증 임상시험에서 탑라인 결과를 확보했다고 밝혔다. 이번 임상시험 결과, 제2상에서 통계적으로 유의하고 임상적으로 의미 있는 결과를 가진 일차 평가변수를 달성하면서 우수한 유효성과 안전성을 입증했다. 제2상에는 총 90명의 환자가 참여했으며, 분석 결과는 다음과 같다.

  • 위약 그룹 대비 유효성 측면에서 0.5% BID(1일 2회)과 1.0% BID 그룹 모두 통계적으로 임상적으로 유의한 치료적 유효성과 임상 유의성을 보였다. 0.5% BID 그룹의 표적 부위 비솜털 수(TAHC)는 기준선 대비 22.39개/cm² 증가했다. 1.0% BID 그룹의 TAHC는 베이스라인 대비 21.87개/cm² 증가했다. 위약 그룹의 TAHC는 베이스라인 대비 8.73개/cm² 증가했다. 0.5% BID 그룹의 TAHC는 위약 그룹 대비 13.66개/cm² 증가해 통계적으로 유의한 결과(P=0.002)를 나타냈다. 1.0% BID 그룹의 TAHC는 위약 그룹 대비 13.14개/cm² 증가해 통계적으로 유의한 결과(P=0.004)를 나타냈다.

0.5% BID 그룹과 1.0% BID 그룹에서 모두 시험자들의 모발 성장 평가(HGA) 지표가 위약 그룹 대비 유의하게 개선되어, 통계적으로 유의한 치료 효과를 보였다. 24주간의 치료 이후, 0.5% BID 그룹의 HGA 지표는 위약 그룹 대비 통계적으로 유의한 결과(P=0.000)를 나타냈다. 마찬가지로 1.0% BID 그룹의 HGA 지표 또한 위약 그룹 대비 통계적으로 유의한 결과(P=0.013)를 보였다.

  • 안전성 측면에서, KX-826 팅크제는 이번 임상시험에서 낮은 이상사례 발생률을 보이며 양호한 안전성과 내약성을 보였다. 전체 시험 기간 동안 약물 관련 성기능 이상반응은 관찰되지 않았다. 이는 새로운 안전성 실마리정보가 관찰되지 않은 우수한 안전성 프로파일을 나타낸다.

분석 결과는 독립적인 자료 모니터링 위원회(Independent Data Monitoring Committee ,IDMC)에서 검토했다. IDMC는 현재의 안전성 및 유효성 자료를 기반으로 제3상 임상시험을 투여군이나 표본 크기 변경 없이 계속 진행해야 한다고 권고했다.


배너
배너



배너
배너

배너

SNS TV

더보기

가장 많이 본 뉴스


배너

포토뉴스

더보기

AI 모델의 환각 현상: 기술적 한계와 윤리적 문제점 심화 분석

데일리연합 (SNSJTV. 타임즈M) 송은하 기자 | 최근 AI 모델의 발전과 함께 '환각 현상'이라는 새로운 문제가 심각하게 대두되고 있습니다. 환각 현상이란 AI가 사실이 아닌 정보를 마치 사실인 것처럼 생성하는 현상을 말하며, 이는 AI 기술의 신뢰성과 안전성에 대한 우려를 증폭시키고 있습니다. AI 모델은 방대한 데이터를 학습하여 패턴을 인식하고 예측하는 방식으로 작동합니다. 그러나 학습 데이터의 오류나 편향, 모델 자체의 한계 등으로 인해 사실과 다른 결과물을 생성하는 경우가 발생합니다. 이러한 환각 현상은 단순한 오류를 넘어, 잘못된 정보 확산, 사회적 혼란, 심지어는 법적 문제까지 야기할 수 있습니다. 특히, 생성형 AI 모델은 환각 현상에 더욱 취약합니다. 이러한 모델은 새로운 텍스트, 이미지, 코드 등을 생성하는 데 탁월하지만, 그 과정에서 사실과 허구를 구분하지 못하고 그럴듯한 거짓 정보를 만들어낼 수 있습니다. 이는 사용자에게 잘못된 정보를 제공할 뿐만 아니라, AI 기술에 대한 신뢰도를 떨어뜨리는 주요 원인이 됩니다. 환각 현상을 해결하기 위한 다양한 노력이 진행되고 있습니다. 더욱 정확하고 균형 잡힌