Two-dose vs. Three-Dose Optimization Under Sample Size Constraint

Resumen Técnico: Optimización de Dos vs. Tres Dosis bajo Restricción de Tamaño de Muestra

Planteamiento del Problema
En el contexto del Proyecto Optimus de la FDA, que busca reformar los paradigales de selección de dosis en oncología, surge un desafío crítico durante el desarrollo de fase temprana: determinar el número óptimo de dosis a incluir en un estudio de optimización de dosis cuando el tamaño de muestra total es fijo. Mientras que la quimioterapia citotóxica tradicional a menudo depende de la Dosis Máxima Tolerable (MTD), las terapias novedosas requieren un enfoque más matizado para identificar la dosis óptima dentro de un rango. Cuando se dispone de tres dosis candidatas (baja, media, alta), los investigadores se enfrentan a un compromiso: un estudio de dos brazos permite un 50% más de pacientes por brazo en comparación con un estudio de tres brazos, lo que potencialmente aumenta la potencia para comparaciones pareadas específicas. Sin embargo, excluir una dosis conlleva el riesgo de perder al candidato óptimo. La cuestión central abordada es si un estudio de dos dosis es estadísticamente preferible a uno de tres dosis bajo un tamaño de muestra total fijo, y bajo qué condiciones (por ejemplo, la fuerza de la evidencia previa) se podría justificar la exclusión de una dosis.

Metodología
Los autores emplean un enfoque metodológico dual que combina la aproximación matemática y la simulación para evaluar la potencia estadística y la probabilidad de selección correcta (PCS) a través de diferentes diseños de estudio.

1. Aproximación Matemática:

   • Los autores derivan una aproximación para la relación entre los errores Tipo I/II y el tamaño de la muestra en estudios de dos brazos.
   • Definen un parámetro de fuerza de señal relativa, $r$, ajustado por el tamaño de la muestra, y demuestran que para estudios con baja potencia (típicos de la optimización de Fase 2) con una potencia entre el 25% y el 75%, la función de potencia es aproximadamente lineal con respecto a la fuerza de la señal. Esta linealidad surge de la aproximación de la CDF de la normal estándar ($\Phi$) cerca de cero.
   • Utilizando esta relación lineal, los autores modelan la potencia de un estudio de tres brazos (impulsada por el contraste entre las dosis baja y alta mediante una prueba de tendencia de Cochran-Armitage) frente a varias configuraciones de dos brazos (Baja vs. Alta, Baja vs. Media, Media vs. Alta).
   • Calculan el umbral de creencia previa ($\lambda$) requerido para justificar la exclusión de la dosis media o la restricción de un estudio a dos dosis adyacentes.

2. Estudio de Simulación:

   • Se implementa un marco de selección de modelos bayesianos para complementar los hallazgos teóricos.
   • La simulación abarca cuatro formas plausibles de dosis-respuesta (desde plana hasta lineal y de meseta) utilizando priors calibrados según expectativas clínicas realistas.
   • Los diseños comparados incluyen un diseño de 3 dosis ($N=30$ por dosis) frente a comparaciones de 2 dosis, manteniendo constante el tamaño de muestra total.
   • La métrica principal es la Probabilidad de Selección Correcta de la dosis adecuada (PCS). La regla de selección prioriza una mayor eficacia, eligiendo dosis más bajas si la eficacia es comparable (consideración de seguridad).

Contribuciones Clave y Resultados

• Dinámicas de Potencia y Creencia Previa:

  • El análisis matemático revela que un estudio de tres brazos generalmente ofrece una potencia superior para la selección de dosis en comparación con un estudio de dos brazos con el mismo tamaño de muestra total, siempre que la dosis óptima no se conozca con alta certeza.
  • Específicamente, la potencia de un estudio de dos brazos que compara las dosis baja y alta es aproximadamente $\sqrt{3/2}$ veces la potencia de un estudio de tres brazos, mientras que comparar dosis adyacentes produce solo $\sqrt{3/8}$ de la potencia del de tres brazos.
  • Umbrales de Exclusión: Los autores derivan que la dosis media solo puede excluirse en un estudio de dos brazos (Baja vs. Alta) si existe una creencia previa ($\lambda$) de aproximadamente el 63% de que la dosis media no es la óptima. Por el contrario, justificar un estudio de dos dosis adyacentes requiere una creencia previa mucho más fuerte, de aproximadamente el 78%, de que la dosis óptima se encuentra estrictamente entre ellas.

• Hallazgos de la Simulación:

  • Bajo un supuesto de dosis-respuesta lineal, el diseño de 3 dosis alcanzó una PCS de ~74% para seleccionar la dosis alta, en comparación con un diseño de 2 dosis (donde la dosis alta podría ser excluida por completo) que obtuvo ~51%.
  • Incluso en escenarios donde un diseño de 2 dosis selecciona consistentemente el par correcto (por ejemplo, Media vs. Alta), este falla en caracterizar la relación dosis-respuesta completa, una limitación que el diseño de 3 dosis supera.
  • En escenarios de meseta, ambos diseños ofrecen una PCS comparable para seleccionar la dosis óptima, pero el diseño de 3 dosis sigue siendo superior para establecer la forma de la curva dosis-respuesta.

• Guía Práctica y Sistema de Calificación:

  • El artículo propone un "sistema de calificación de 5 estrellas" para guiar a los profesionales en la selección de estrategias de optimización de dosis basadas en la homogeneidad de la población y los métodos de aleatorización.
  • La optimización de 3 dosis es calificada con una estrella más que la optimización de 2 dosis en general.
  • La aleatorización de dosis es calificada con dos estrellas más que el "backfilling" no aleatorizado (expansión de cohortes de escalada de dosis) debido al riesgo de desequilibrios basales en este último.
  • Sin embargo, los autores señalan que el backfilling extendido en poblaciones altamente homogéneas (por ejemplo, grupos definidos por biomarcadores específicos) con tamaños de muestra suficientes puede proporcionar información de optimización comparable a los diseños aleatorizados, ofreciendo una alternativa rentable.

Significado y Reivindicaciones
El artículo afirma proporcionar una guía semicuantitativa para los profesionales que navegan las complejidades del Proyecto Optimus. Su significado principal radica en desafiar la suposición de que maximizar el tamaño de muestra por brazo (mediante un estudio de 2 dosis) es siempre la estrategia óptima. En su lugar, los autores argumentan que, a menos que exista evidencia muy sólida para excluir un candidato, un estudio de tres dosis es preferible, incluso con un tamaño de muestra total fijo.

Los hallazgos respaldan la intuición de que espaciar las dosis (Baja vs. Alta) es más informativo que comparar dosis adyacentes, pero cuantifican el alto nivel de confianza requerido para justificar tal reducción en los niveles de dosis. El artículo enfatiza que un diseño de 3 dosis no solo facilita una mejor selección de dosis, sino que también caracteriza la relación dosis-respuesta, lo cual es crítico para la toma de decisiones regulatorias. Los autores posicionan su trabajo como una "regla de oro" derivada de la aproximación matemática y la simulación, destinada a equilibrar el rigor estadístico con las restricciones prácticas del desarrollo de fármacos en fase temprana.