Likelihood-Ratio E-Value Monitoring for Benchmark-Based Decisions in Early-Phase Oncology Trials

Resumen Técnico: Monitoreo de Valores-E de Razón de Verosimilitud para Decisiones Basadas en Referencias en Ensayos Oncológicos de Fase Temprana

Planteamiento del Problema
Los ensayos oncológicos de fase temprana requieren con frecuencia reglas de interim listas para el protocolo que determinen si un régimen experimental demuestra una actividad suficiente en relación con los referentes clínicos (benchmarks) preespecificados. Si bien los diseños de fase II óptimos bayesianos existentes (como BOP2 y BOP2-FE) proporcionan límites de conteo calibrados para estas decisiones, dependen de probabilidades posteriores derivadas de un prior de análisis. Estos diseños utilizan funciones de corte de probabilidad posterior dependientes del tamaño de la muestra para definir las reglas de parada. El autor identifica tres limitaciones en este enfoque: (1) la evidencia se cuantifica mediante probabilidades posteriores incluso cuando se utilizan priors vagos; (2) las reglas de parada operativas están ligadas a umbrales de probabilidad posterior en lugar de medidas de evidencia directa; y (3) la validez de estas reglas depende de la calibración en la etapa de diseño en lugar de argumentos de validez secuencial directa, lo que limita su robustez bajo un paro opcional arbitrario.

Metodología
El artículo propone el Monitoreo de Valor-E Calibrado (CEVAM, por sus siglas en inglés), un marco de evidencia de razón de verosimilitud diseñado para reemplazar la evidencia de probabilidad posterior con la evidencia de razón de verosimilitud en una escala de valor-e. El método está adaptado para ensayos de fase II de brazo único que monitorean endpoints de eficacia binaria contra referentes preespecificados ($p_0$ para tasas de respuesta inaceptables y $p_1$ para alternativas clínicamente significativas).

La metodología central implica la construcción de dos procesos-e específicos:

1. Proceso-e de Eficacia ($ELR_n$): Un proceso de razón de verosimilitud que compara la alternativa de diseño $p_1$ contra el punto menos favorable de la nulidad compuesta $p \le p_0$.
2. Proceso-e de Futilidad Reversa ($FLR_n$): Un proceso de razón de verosimilitud reversa que compara una tasa no prometedora $p_0$ contra la tasa objetivo $p_1$.

El autor establece que ambos procesos son supermartingalas no negativas bajo sus respectivas hipótesis nulas. Mediante la desigualdad de Ville, el cruce de umbrales fijos ($1/\alpha$ para eficacia, $1/\beta$ para futilidad) proporciona un control del error de Tipo I uniforme en el tiempo bajo monitoreo opcional.

Una característica crítica de CEVAM es la derivación de límites de respuesta de conteo monótonos. Debido a que los estadísticos de razón de verosimilitud son funciones estrictamente monótonas del número acumulado de respuestas ($R_n$), los umbrales de evidencia continuos pueden convertirse en límites enteros ($r_{eff}$ y $r_{fut}$) para cada observación intermedia. Esto permite que el diseño se presente como una tabla de límites pretabulada, un formato estándar en los protocolos clínicos.

El artículo distingue entre dos implementaciones:

• Versión de Umbral Fijo: Utiliza umbrales de evidencia preespecificados ($\alpha, \beta$) directamente. Esta versión retiene las propiedades de ser "válida en cualquier momento" (anytime-valid), lo que significa que es válida bajo paros opcionales arbitrarios y cronogramas de monitoreo irregulares.
• Versiones Calibradas de Observaciones Planificadas (CEVAM-NT y CEVAM-T): Diseñadas para ensayos convencionales con observaciones intermedias fijas. Estas versiones calibran los parámetros de umbral de evidencia ($\alpha_{eff}, \beta$) mediante búsqueda en cuadrícula para cumplir con características operativas específicas (error de Tipo I, potencia, tamaño de muestra esperado) en las observaciones planificadas.
  • CEVAM-NT: Fija el parámetro de futilidad ($\beta$) y calibra únicamente el umbral de eficacia.
  • CEVAM-T: Calibra simultáneamente los umbrales de eficacia y futilidad para optimizar la eficiencia.

Contribuciones Clave

1. Cambio de Escala de Evidencia: CEVAM reemplaza los cortes de probabilidad posterior con evidencia de razón de verosimilitud definida directamente en relación con los referentes clínicos, eliminando la necesidad de un prior de análisis bayesiano.
2. Formato Listo para el Protocolo: El método preserva la utilidad práctica de los diseños tipo BOP2 al convertir los procesos-e en límites de conteo de respuesta enteros y monótonos que pueden tabularse antes del inicio del ensayo.
3. Marco de Implementación Dual: El artículo proporciona tanto una regla de umbral fijo válida en cualquier momento (para monitoreo flexible/adaptativo) como reglas de observación planificada calibradas (para ensayos de observación finita estándar), cerrando la brebra entre la teoría secuencial rigurosa y el diseño de ensayos práctico.
4. Extensión a Endpoints Complejos: Aunque el texto principal se centra en endpoints binarios, el Material Suplementario describe cómo el principio de evidencia proyectada se aplica a endpoints de eficacia ordinales, anidados, co-primarios y conjuntos (eficacia-toxicidad).

Resultados de las Simulaciones
Simulaciones de Monte Carlo compararon CEVAM contra diseños existentes: BOP2 (solo futilidad), BOP2-FE (eficacia y futilidad con cortes de función de potencia) y BOP2-FE con cortes de eficacia tipo O'Brien-Fleming.

• Error de Tipo I: Todos los diseños, incluyendo CEVAM-NT y CEVAM-T, controlaron con éxito el error de Tipo I nominal (0.10) bajo la nulidad de diseño ($p_0 = 0.20$).
• Eficiencia: El diseño ajustado CEVAM-T logró el menor tamaño de muestra esperado en todos los escenarios evaluados (tanto bajo la nulidad como bajo la alternativa) en comparación con los otros diseños.
• Potencia: CEVAM-T mantuvo probabilidades de rechazo (potencia) cercanas a las de BOP2-FE, lo que indica que las ganancias de eficiencia no comprometieron materialmente la capacidad de detectar regímenes prometedores.
• Gasto de Error: Los diseños CEVAM tendieron a asignar la probabilidad de error de Tipo I más temprano en el ensayo en comparación con los diseños BOP2-F, los cuales concentraron el gasto de error en la observación final.

Aplicación al Ensayo TREND
El método se aplicó retrospectivamente al ensayo TREND (un estudio de fase II de tislelizumab neoadyuvante para cáncer de mama triple negativo). Utilizando los referentes reportados del ensayo ($p_0=0.41, p_1=0.56$) y el resultado final de eficacia evaluable (30 respuestas patológicas completas en 44 pacientes), tanto CEVAM-NT como CEVAM-T clasificaron el resultado como evidencia suficiente para un paro por éxito temprano. Esto demostró que las reglas de CEVAM podrían especificarse utilizando los parámetros de diseño estándar reportados y apoyarían la misma decisión de paro temprano que el diseño bayesiano original.

Significancia y Reivindicaciones
El artículo afirma que CEVAM ofrece una escala de evidencia de razón de verosimilitud libre de prior de análisis y lista para el protocolo para el monitoreo de referentes en oncología de fase temprana. Su significancia principal radica en desacoplar la escala de evidencia de las probabilidades posteriores, manteniendo al mismo tiempo el formato práctico de tabla de límites requerido en los protocolos clínicos.

El autor señala modestamente que el método está dirigido específicamente al problema "más estrecho pero prácticamente importante" del monitoreo de referentes de brazo en fase II, en lugar de entornos aleatorizados de dos brazos adaptativos generales. El artículo concluye que CEVAM-T mejora la eficiencia del ensayo al reducir los tamaños de muestra esperados sin sacrificar la potencia, proporcionando una alternativa flexible al monitoreo por corte de probabilidad posterior. Se sugiere trabajo futuro para abordar resultados retrasados, cronogramas de observación alternativos e integración con diseños de optimización de dosis de múltiples brazos.