Using MRI whole brain atrophy and clinically reported outcomes in combination to assess interim treatment response in multi-arm multi-stage trials in progressive multiple sclerosis

Résumé technique : Combinaison de l'atrophie cérébrale globale par IRM et des résultats cliniques rapportés dans les essais MAMS pour la sclérose en plaques progressive

Énoncé du problème
Les essais multi-bras multi-étapes (MAMS) nécessitent des résultats d'analyse intermédiaire suffisamment sensibles pour détecter une activité précoce des médicaments, permettant ainsi de poursuivre les traitements efficaces tout en abandonnant les bras inefficaces. Cependant, s'appuyer sur une mesure de résultat intermédiaire unique pose des risques importants. Dans le contexte de l'essai OCTOPUS (Optimal Clinical Trials Platform for Progressive Multiple Sclerosis), la conception originale proposait d'utiliser le taux d'atrophie cérébrale globale (WBA) mesuré par IRM comme unique critère de jugement intermédiaire.

Les auteurs identent une vulnérabilité critique dans cette approche : les données historiques des essais de phase 3 dans la sclérose en plaques progressive (SP), telles que ORATORIO et HERCULES, démontrent que les traitements peuvent montrer des bénéfices cliniques significatifs (réduction de la progression du handicap) sans montrer de réductions concordantes de la WBA. Par conséquent, s'appuyer uniquement sur la WBA crée le risque de rejeter prématurément des traitements potentiellement efficaces si le signal de la WBA à l'intermédiaire est plus faible que prévu ou absent, malgré l'efficacité clinique. Le défi consiste à intégrer plusieurs types de résultats — spécifiquement les résultats cliniques continus (CROMs) et les taux d'atrophie basés sur l'imagerie — dans un cadre décisionnel intermédiaire unifié qui augmente la puissance statistique et la résilience face à l'incertitude des tailles d'effet.

Méthodologie
L'article propose un cadre statistique pour analyser conjointement plusieurs résultats continus présentant des échelles et des types de mesures différents (mesures cliniques répétées par rapport aux changements directement mesurés du volume cérébral) au sein d'un plan MAMS.

1. Modèle mixte multivarié :
   Les auteurs proposent un modèle de régression linéaire mixte multivarié conjoint.

• Résultats cliniques (CROMs) : Pour les mesures répétées comme le score d'incapacité étendue (EDSS), la marche de 25 pieds chronométrée (T25FW) et le test de 9 trous (9HPT), un modèle standard avec intercepts et pentes aléatoires est utilisé.
• Résultat d'imagerie (WBA) : Pour l'atrophie cérébrale globale, qui est mesurée comme une différence directe entre des examens IRM spécifiques (ex. : de la ligne de base au mois 12), le modèle utilise une formulation pour le « changement directement mesuré ». Cela tient compte de la structure de corrélation spécifique où les changements partageant un point temporel de l'examen sont corrélés, se distinguant ainsi des mesures répétées standard.
• Structure conjointe : Ces sous-modèles sont liés en ajoutant les effets aléatoires du résultat d'imagerie au vecteur des effets aléatoires des résultats cliniques. Cela crée une matrice de covariance non structurée ($G$) qui capture les corrélations entre les pentes aléatoires des disparates résultats.

2. Standardisation et combinaison linéaire :
   Pour combiner des résultats ayant des unités et des variances différentes, les auteurs proposent de mettre à l'échelle chaque résultat par sa déviation standard de pente aléatoire respective. Cette standardisation permet la combinaison linéaire des effets de traitement ($\hat{\beta}_{trt}$) en une statistique de test unique.

• L'effet de traitement est défini comme une somme pondérée des effets de traitement individuels ($\beta_{2q}$) pour chaque résultat.
• Bien qu'une pondération par l'inverse de la variance (IVW) soit possible, les auteurs constatent qu'une approche de pondération égale est efficace après standardisation, car les résultats sont placés sur une échelle commune de taux de changement.

3. Calcul de puissance :
   L'article détaille une méthode de calcul de la puissance pour ce design multivarié. Il étend les méthodes décrites par Frost et al. pour tenir compte de :

• La matrice de variance-covariance marginale dérivée du modèle conjoint.
• Les modèles de recrutement échelonné et d'abandon, modélisés à l'aide d'une approche de mélange de formes (pattern-mixture approach) où les participants sont regroupés en cohortes basées sur leur statut de suivi lors de l'analyse intermédiaire.
• Le calcul de la variance de l'effet de traitement combiné pour déterminer la taille d'échantillon requise ou la puissance pour un niveau de signification ($\alpha$) donné.

Résultats clés
La méthodologie a été appliquée aux données de l'essai MS-STAT2 (un essai de phase 3 de la simvastatine dans la SP secondaire) pour estimer les composantes de variance et simuler la puissance de l'essai OCTOPUS.

• Amélioration de la puissance : En utilisant les données de variance de MS-STAT2 et en supposant des effets de traitement plausibles (réduction de 15 % du taux d'atrophie et de 30 % des taux de CROMs), le modèle conjoint a augmenté la puissance de l'analyse intermédiaire de 83 % (atrophie seule) à 90 % (résultats combinés) à un alpha unilatéral de 0,45. Cela représente une augmentation absolue de la puissance de 7 %.
• Robustesse à la variabilité : Lorsque l'analyse a été répétée en utilisant les tailles d'effet observées dans les essais EXPAND et ORATORIO, les gains de puissance ont été maintenus ou légèrement améliorés (atteignant jusqu'à 93,9 % dans le scénario ORATORIO). Cela démontre que l'approche conjointe atténue le risque de décisions sous-dimensionnées lorsque les effets individuels varient considérablement par rapport aux hypothèses.
• Application rétrospective : Lorsque le modèle proposé a été appliqué rétrospectivement aux données de MS-STAT2, il a correctement identifié l'absence d'effet de traitement à travers les quatre résultats (statistique de test combinée $p=0,634$), soutenant la décision d'abandonner le bras simvastatine. Aucun composant individuel ne présentait de signal.
• Structure de corrélation : L'analyse a confirmé que les CROMs sont plus fortement corrélés entre eux qu'avec la WBA. Bien qu'une corrélation élevée réduise le bénéfice marginal de l'ajout d'un résultat, l'inclusion de la WBA a néanmoins apporté un gain de puissance mesurable.

Signification et revendications
Les auteurs soutiennent que, bien que le gain de puissance dans leur exemple spécifique soit modéré (environ 7 %), la stratégie offre une valeur méthodologique significative :

1. Résilience à l'incertitude : Le principal avantage n'est pas nécessairement un boost massif de la puissance, mais plutôt l'atténuation du risque associé à l'incertitude des tailles d'effet. En répartissant la « responsabilité » sur des résultats liés mais distincts, la décision intermédiaire devient moins sensible aux résultats négatifs inattendus dans n'importe quelle métrique individuelle.
2. Généralisabilité : L'approche est présentée comme une solution généralisable pour les essais MAMS, particulièrement dans les maladies neurodégénératives où les points de terminaison de substitution uniques peuvent ne pas s'aligner parfaitement avec les résultats cliniques.
3. Mise en œuvre pratique : Les auteurs notent que le modèle complexe peut être ajusté à l'aide de packages statistiques standards (par exemple, MLwiN) et fournissent une commande Stata écrite par l'utilisateur (mvmixedpower) pour faciliter les calculs de puissance pour des designs similaires.
4. Analyse intermédiaire vs finale : Les auteurs soulignent que cette métrique combinée est mieux adaptée aux décisions intermédiaires de type « stop/go » où l'objectif est la détection de signaux plutôt que l'interprétation clinique précise de la taille de l'effet. Ils citent l'essai EJS ACT-PD dans la maladie de Parkinson comme un exemple d'une stratégie similaire adoptée pour les tests précoces.

En conclusion, l'article démontre qu'un modèle mixte multivarié peut réussir à intégrer les données d'imagerie et cliniques pour créer une mesure de résultat intermédiaire plus robuste pour les essais MAMS, réduisant ainsi la probabilité de rejeter par erreur des traitements efficaces dans la sclérose en plaques progressive.