A Globally Calibrated Bayesian Optimal Phase II Design for Adaptive Enrichment Trials

Resumen Técnico: Un diseño de Fase II óptimo bayesiano con calibración global para ensayos de enriquecimiento adaptativo

Planteamiento del problema
En los ensayos de fase II oncológicos, las estrategias de enriquecimiento adaptativo permiten que un estudio continúe en un subgrupo preespecificado con biomarcador positivo si el tratamiento experimental muestra una actividad insuficiente en la población general de "todos los pacientes" (all-comer). Surge un desafío estadístico crítico al aplicar los diseños estándar de Fase II Óptima Bayesiana (BOP2) a tales procedimientos de ramificación. Si los componentes de la población general y del biomarcador positivo se calibran por separado, la probabilidad de cometer al menos una conclusión errónea de eficacia (error de tipo I global) para todo el procedimiento adaptativo se infla. Los métodos de enriquecimiento adaptativo existentes se han centrado principalmente en ensayos confirmatorios aleatorizados o diseños continuos de fase II/III, los cuales difieren del entorno de un solo brazo con umbral de futilidad para la población general requerido en este caso.

Metodología
Los autores proponen un marco de BOP2 con calibración global y por trayectoria para ensayos de enriquecimiento adaptativo de un solo brazo con variables de desenlace binarias (y extendibles a categorías complejas). El diseño opera de la siguiente manera:

1. Estructura del ensayo: El ensayo comienza reclutando a la población general (all-comer). En análisis intermedios preespecificados, el ensayo monitorea la futilidad en la población general. Si se cruza el límite de futilidad de la población general, el reclutamiento en la población general se detiene y el ensayo transiciona hacia una ruta de enriquecimiento, reclutando únicamente a pacientes con biomarcador positivo (+).
2. Reglas de decisión: El diseño utiliza umbrales de la familia de potencia tipo BOP2 para el monitoreo de futilidad. Para una población $h$ (general $A$ o biomarcador positivo $+$) en un tamaño de muestra $s$, el límite de futilidad $b_h(s)$ se define de tal manera que el ensayo se detiene si la probabilidad posterior $P(\theta_h \le p_0 | \text{datos})$ excede un umbral $C_h(s) = 1 - \lambda_h (s/N_h)^{\gamma_h}$.
3. Calibración global: A diferencia de la calibración separada, los parámetros de ajuste $(\lambda_A, \gamma_A, \lambda_+, \gamma_+)$ se seleccionan de forma conjunta. El objetivo es controlar la tasa de error de tipo I global, definida como la probabilidad de declarar eficacia tanto en la población general ($R_A$) como en el subgrupo con biomarcador positivo ($R_+$), bajo una hipótesis nula global puntual ($H_{0,global}: \theta_+ = \theta_- = p_0$).
4. Gestión de la aleatoriedad: La calibración tiene en cuenta explícitamente el número aleatorio de pacientes con biomarcador positivo disponibles en el momento en que el ensayo realiza la transición a la ruta de enriquecimiento. Para garantizar la implementación prospectiva, las reglas de decisión están preespecificadas para cada tamaño de muestra de primera evaluación alcanzable y para todas las evaluaciones intermedias subsiguientes.
5. Evaluación exacta: Para desenlaces binarios, los autores derivan una enumeración recursiva de estado finito exacta del procedimiento adaptativo completo. Este método calcula las probabilidades de todas las trayectorias posibles (ruta de la población general frente a la ruta de enriquecimiento) sin depender de simulaciones de Monte Carlo, lo que permite una calibración precisa y la evaluación de las características operativas.

Contribuciones clave

• Marco unificado: El artículo extiende el marco de BOP2 desde el monitoreo específico de la población hacia un procedimiento de enriquecimiento adaptativo de ramificación con calibración global. Trata las decisiones de eficacia de la población general y del subgrupo con biomarcador positivo como componentes de un único evento de rechazo global.
• Enumeración exacta: La derivación de una enumeración recursiva exacta permite el cálculo preciso del error de tipo I global y de las características operativas, eliminando el error de Monte Carlo en la evaluación del diseño de desenlace binario.
• Implementación prospectiva: El diseño mantiene la simplicidad de los límites de decisión tabulados prospectivamente. No se requiere recalibración durante el ensayo basada en la prevalencia observada del biomarcador o en los resultados intermedios.
• Extensión a desenlaces categóricos: El marco se extiende a desenlaces categóricos complejos utilizando una formulación de Dirichlet–multinomial, con la calibración evaluada mediante simulación (detallada en el Material Suplementario).

Resultados
Los autores evaluaron el diseño mediante enumeración exacta bajo un escenario de probabilidad de respuesta nula $p_0 = 0.20$, objetivo $p_1 = 0.40$ y error de tipo I nominal $\alpha = 0.10$.

• Control del error de tipo I: A través de un rango de prevalencias de biomarcador positivo ($\pi \in \{0.4, \dots, 0.8\}$), el diseño propuesto con calibración global mantuvo las tasas de error de tipo I global entre 8.5% y 9.0%, manteniéndose por debajo del umbral del 10%. En contraste, un diseño comparador que utiliza componentes BOP2 calibrados por separado exhibió tasas de error de tipo I global infladas que oscilaron entre el 12.5% y el 14.5%.
• Potencia y dinámica de la trayectoria: Bajo escenarios alternativos, la probabilidad de declarar eficacia aumentó generalmente con la probabilidad de respuesta del biomarcador positivo. La prevalencia del biomarcador positivo influyó en la ruta de la declaración de eficacia: una mayor prevalencia aumentó la probabilidad de una declaración de la población general (al elevar la tasa de respuesta marginal) y disminuyó la dependencia de la ruta de enriquecimiento.
• Comparación: Aunque el comparador por componentes mostró ocasionalmente una mayor potencia aparente, esto se atribuyó a su incapacidad para controlar la tasa de error de tipo I global, lo que invalida la comparación bajo restricciones de error comparables.

Significado
El artículo sostiene que el diseño propuesto ofrece una alternativa fundamentada para combinar diseños de fase II calibrados por separado tras una decisión de futilidad de la población general. Al calibrar conjuntamente los umbrales, el diseño preserva la simplicidad prospectiva y la naturaleza tabulada de BOP2, al tiempo que extiende el control riguroso del error de tipo I al completo procedimiento de decisión de ramificación. Esto permite que la población objetivo se adapte basándose en la evidencia emergente de actividad específica del subgrupo sin sacrificar la validez estadística. Los autores enfatkan que el marco permite que las decisiones de desarrollo se apoyen en la evidencia acumulada manteniendo un control estricto sobre la probabilidad de conclusiones de falsos positivos en toda la estrategia adaptativa.