Resumen Técnico: Un enfoque de agrupamiento informado por trayectorias para la toma de prestada de información en ensayos de cestas (Basket Trials)

Planteamiento del problema

Los ensayos de cestas, que evalúan un único tratamiento en múltiples tipos de tumores o biomarcadores simultáneamente, enfrentan un desafío estadístico crítico: la heterogeneidad en la eficacia del tratamiento entre las cestas. Mientras que el análisis independiente de cada cesta evita la toma inapropiada de información prestada, sacrifica la eficiencia estadística, particularmente dados los pequeños tamaños de muestra (típicamente de 20 a 50 pacientes) comunes en la oncología de fase temprana. Por el contrario, el agrupamiento completo (asumiendo que todas las cestas son intercambiables) puede inflar las tasas de falsos positivos si las cestas difieren significativamente en su respuesta.

Las soluciones existentes, como los modelos bayesianos jerárquicos, permiten un préstamo parcial de información pero a menudo dependen de estructuras de intercambiabilidad o covariables preespecificadas. Sin embargo, en la práctica, los biomarcadores o covariables que definen los subgrupos latentes suelen ser desconocidos al inicio del ensayo. Además, los métodos de agrupamiento previos suelen depender únicamente de un único endpoint de resumen, como la Tasa de Respuesta Objetiva (ORR). Los autores argumentan que depender de una única proporción binaria puede conducir a un desempeño de agrupamiento inestable, especialmente en muestras pequeñas o cuando las probabilidades de respuesta están cerca de los umbrales de decisión, fallando en capturar la estructura de similitud subyacente de las cestas.

Metodología

Los autores proponen un marco de dos etapas, basado en datos, que utiliza trayectorias longitudinales de la respuesta tumoral para informar la toma de prestada de información, en lugar de depender exclusivamente de la ORR final.

1. Extracción de características de la trayectoria

El método modela la respuesta tumoral como un proceso de Markov homogéneo en el tiempo de primer orden con estados $S = \{CR, PR, SD, PD\}$.

• Probabilidades de transición: Para cada cesta $j$, se estima una matriz de probabilidad de transición de un paso $\hat{P}_j$ a partir de las secuencias observadas de respuestas tumorales entre los pacientes.
• Distribución de estado final ponderada: Para dar cuenta de los diferentes números de puntos de evaluación entre pacientes, los autores introducen un esquema de ponderación basado en la distribución empírica de los recuentos de evaluaciones. Esto genera una distribución de estado final ponderada ($\pi_j$), que estima la probabilidad marginal de que un paciente se encuentre en un estado de respuesta específico en su última evaluación observada.
• Vector de características: El vector de características de agrupamiento para cada cesta se construye como $y_j = (\pi_j^\top, \hat{\theta}_j)^\top$, combinando los cuatro componentes de la distribución de estado final ponderada con la ORR observada ($\hat{\theta}_j$).

2. Procedimiento de agrupamiento (Clustering)

• Métrica de distancia: La disimilitud entre cestas se calcula utilizando la distancia de Manhattan ($L_1$) entre sus vectores de características.
• Selección de grupos (Clusters): El número de grupos se determina mediante el método de la Silueta (Silhouette method). El algoritmo selecciona el número de grupos ($u$) que maximiza el índice de Silueta promedio, sujeto a un tamaño mínimo de grupo de 2.
• Salvaguarda de estabilidad: Si el índice de Silueta promedio máximo es bajo ($\bar{s} \leq 0.25$), lo que indica una separación débil entre grupos, el método vuelve por defecto a una estructura de un solo grupo (préstamo total) para evitar un sobre-particionamiento inestable.

3. Modelado Bayesiano Jerárquico

Una vez identificados los grupos, se ajusta un modelo bayesiano jerárquico únicamente al endpoint de eficacia primario (ORR) dentro de cada grupo.

• Las cestas dentro del mismo grupo estimado comparten una distribución a priori común para el log-odds de respuesta, lo que permite un préstamo adaptativo de información.
• Las cestas en diferentes grupos se analizan de forma independiente, evitando el préstamo inapropiado entre grupos heterogéneos.
• El enfoque se trata como un algoritmo de dos etapas: el paso de agrupamiento es basado en datos, y la inferencia bayesiana subsiguiente es condicional a la partición estimada.

Principales contribuciones

1. Agrupamiento informado por trayectorias: El artículo introduce un nuevo método para el análisis de ensayos de cestas que aprovecha las trayectorias de respuesta longitudinal (probabilidades de transición) para definir la similitud entre cestas, yendo más allá de los endpoints de resumen estáticos como la ORR.
2. Manejo de esquemas de evaluación variables: Los autores proponen un mecanismo de ponderación específico para derivar las probabilidades de estado final que tiene en cuenta la heterogeneidad en el número de puntos de evaluación entre pacientes, un problema común en los datos de ensayos del mundo real.
3. Grupos de préstamo basados en datos: El marco identifica grupos de préstamo latentes sin requerir biomarcadores o covariables preespecificados, abordando una limitación práctica en los ensayos de fase temprana donde dicha información puede no estar disponible.
4. Separación del agrupamiento y el préstamo: El método separa explícitamente la etapa de agrupamiento (utilizando la trayectoria completa de los datos) de la etapa de préstamo (utilizando únicamente el endpoint primario), asegurando que las decisiones de préstamo se alineen con las definiciones regulatorias de eficacia mientras se sigue utilizando la trayectoria de los datos para el agrupamiento.

Resultados de la simulación

Los autores evaluaron el método a través de 10,000 réplicas de simulación en tres escenarios: cestas homogéneas (un verdadero grupo), heterogeneidad de dos grupos y heterogeneidad de tres grupos.

• Recuperación de grupos: En entornos heterogéneos (Escenarios 2 y 3), el enfoque propuesto informado por trayectorias recuperó la estructura de grupos subyacente con mayor frecuencia que el comparador de agrupamiento de "solo ORR". El método de solo ORR tuvo dificultades para distinguir cestas con ORR similares pero con patrones de trayectoria diferentes.
• Error de Tipo I y Potencia:
  • En el escenario homogéneo (Escenario 1), el método propuesto mostró una tendencia hacia el sobre-particionamiento (seleccionando múltiples grupos cuando solo existía uno), lo que condujo a una ligera inflación de la tasa de error de Tipo I más allá del nivel nominal del 5%.
  • En los escenarios heterogéneos, el método mantuvo las tasas de error de Tipo I generalmente cerca del nivel nominal, mientras demostró una potencia estadística mejorada en comparación con los análisis independientes ("Sin grupo") y el modelo de "Un solo grupo" (agrupamiento total).
• Eficiencia de estimación: El método propuesto produjo intervalos creíbles del 90% más estrechos en comparación con el enfoque de no préstamo, lo que indica una mejor precisión de la estimación.
• Comparadores: El método se comparó contra el análisis independiente, el agrupamiento total, el agrupamiento de solo ORR y el modelo de Intercambiable/No Intercambiable (EXNEX). El modelo EXNEX en estos entornos se comportó de manera similar al análisis independiente, mostrando un préstamo de información limitado.

Significado y limitaciones

El artículo sostiene que el marco propuesto ofrece una solución práctica para la toma de prestada de información en ensayos de cestas donde las estructuras de subgrupos latentes son desconocidas. Al utilizar los datos de trayectoria recolectados de rutina, mejora la recuperación de las agrupaciones reales de las cestas y mejora la eficiencia de la estimación en entornos heterogéneos.

Sin embargo, los autores reconocen modestamente ciertas limitaciones:

• Sobre-particionamiento en homogeneidad: La implementación basada en la Silueta tiende a sobre-particionar cuando la estructura real es homogénea, lo que puede llevar a una complejidad innecesaria y a una ligera inflación del error de Tipo I.
• Supuestos simplificadores: El método trata las categorías de respuesta como nominales en el cálculo de la distancia y utiliza una distribución uniforme para regularizar las filas en las matrices de transición donde no se observan transiciones de salida. Estas elecciones priorizan la estabilidad numérica y la simplicidad, pero pueden no reflejar plenamente la naturaleza ordinal de la respuesta tumoral o los patrones de transición clínicamente realistas.
• Inferencia condicional: Debido a que el agrupamiento se estima antes de ajustar el modelo bayesiano, las distribuciones posteriores resultantes son condicionales a la partición estimada, en lugar de marginalizar completamente la incertidumbre del agrupamiento.

Los autores concluyen que, si bien el método muestra promesa para mejorar la eficiencia del préstamo en entornos heterogéneos, investigaciones futuras deberían explorar algoritmos de agrupamiento más robustos para mitigar el sobre-particionamiento en escenarios homogéneos.