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

Sintesi Tecnica: Ottimizzazione tra Due e Tre Dosi sotto Vincolo di Dimensione Campionaria

Definizione del Problema
Nel contesto del Progetto Optimus della FDA, che mira a riformare i paradigmi di selezione della dose nell'oncologia, una sfida critica emerge durante lo sviluppo di fase precoce: determinare il numero ottimale di dosi da includere in uno studio di ottimizzazione della dose quando la dimensione totale del campione è fissa. Mentre la chemioterapia citotossica tradizionale spesso si basa sulla Dose Massima Tollerabile (MTD), le nuove terapie richiedono un approccio più sfumato per identificare la dose ottimale all'interno di un intervallo. Quando sono disponibili tre dosi candidate (bassa, media, alta), gli investigatori devono affrontare un compromesso: uno studio a due bracci permette di avere il 50% in più di pazienti per braccio rispetto a uno studio a tre bracci, aumentando potenzialmente la potenza per specifici confronti a coppie. Tuttavia, escludere una dose rischia di perdere il candidato ottimale. La domanda centrale affrontata è se uno studio a due dosi sia statisticamente preferibile a uno studio a tre dosi sotto una dimensione totale del campione fissa e, in quali condizioni (ad esempio, la forza dell'evidenza pregressa), sia possibile giustificare l'esclusione di una dose.

Metodologia
Gli autori impiegano un approccio metodologico duplice, combinando l'approssimazione matematica e la simulazione, per valutare la potenza statistica e la probabilità di selezione corretta (PCS) attraverso diversi design di studio.

1. Approssimazione Matematica:

   • Gli autori derivano un'approssimazione della relazione tra errori di Tipo I/II e dimensione campionaria negli studi a due bracci.
   • Definiscono un parametro di intensità del segnale relativo, $r$, regolato per dimensione campionaria, e dimostrano che per studi sotto-potenziati (tipici dell'ottimizzazione di Fase 2) con una potenza compresa tra il 25% e il 75%, la funzione di potenza è approssimativamente lineare rispetto all'intensità del segnale. Questa linearità deriva dall'approssimazione della funzione CDF della normale standard ($\Phi$) vicino allo zero.
   • Utilizzando questa relazione lineare, gli autori modellano la potenza di uno studio a tre bracci (guidata dal contrasto tra le dosi bassa e alta tramite un test di tendenza di Cochran-Armitage) rispetto a varie configurazioni a due bracci (Bassa vs Alta, Bassa vs Media, Media vs Alta).
   • Calcolano la soglia di credenza pregressa ($\lambda$) necessaria per giustificare l'esclusione della dose media o la restrizione di uno studio a due dosi adiacenti.

2. Studio di Simulazione:

   • Viene implementato un framework di selezione del modello bayesiano per integrare i risultati teorici.
   • La simulazione copre quattro forme plausibili di risposta alla dose (da piatta a lineare a plateau) utilizzando prior calibrati su aspettative cliniche realistiche.
   • I design confrontati includono un design a 3 dosi ($N=30$ per dose) rispetto a confronti a 2 dosi, mantenendo costante la dimensione totale del campione.
   • La metrica primaria è la Probabilità di Selezionare Correttamente la dose giusta (PCS). La regola di selezione privilegia l'efficacia maggiore, scegliendo le dosi inferiori se l'efficacia è comparabile (considerazione di sicurezza).

Contributi Chiave e Risultati

• Dinamiche di Potenza e Credenza Pregressa:

  • L'analisi matematica rivela che uno studio a tre bracci offre generalmente una potenza superiore per la selezione della dose rispetto a uno studio a due bracci con la stessa dimensione totale del campione, a condizione che la dose ottimale non sia nota con alta certezza.
  • Nello specifico, la potenza di uno studio a due bracci che confronta le dosi bassa e alta è circa $\sqrt{3/2}$ volte la potenza di uno studio a tre bracci, mentre confrontare dosi adiacenti produce solo $\sqrt{3/8}$ della potenza di quello a tre bracci.
  • Soglie di Esclusione: Gli autori derivano che la dose media può essere esclusa solo in uno studio a due bracci (Bassa vs Alta) se esiste una credenza pregressa ($\lambda$) di circa il 63% che la dose media non sia quella ottimale. Al contrario, giustificare uno studio di due dosi adiacenti richiede una credenza pregressa molto più forte, di circa il 78%, che la dose ottimale si trovi strettamente tra di esse.

• Risultati della Simulazione:

  • Sotto un'assunzione di risposta alla dose lineare, il design a 3 dosi ha raggiunto una PCS di circa il 74% per selezionare la dose alta, rispetto al 51% di un design a 2 dosi (dove la dose alta potrebbe essere esclusa interamente).
  • Anche in scenari in cui un design a 2 dosi seleziona costantemente la coppia corretta (ad esempio, Media vs Alta), esso fallisce nel caratterizzare la relazione completa dose-risposta, un limite che il design a 3 dosi supera.
  • Negli scenari di plateau, entrambi i design forniscono una PCS comparabile per la selezione della dose ottimale, ma il design a 3 dosi rimane superiore per stabilire la forma della curva dose-risposta.

• Guida Pratica e Sistema di Valutazione:

  • Il documento propone un "sistema di valutazione a 5 stelle" per guidare i professionisti nella scelta delle strategie di ottimizzazione della dose basate sull'omogeneità della popolazione e sui metodi di randomizzazione.
  • L'ottimizzazione a 3 dosi è valutata con una stella in più rispetto all'ottimizzazione a 2 dosi in generale.
  • La randomizzazione della dose è valutata con due stelle in più rispetto al "backfilling" non randomizzato (espansione dei coorti di escalation della dose) a causa del rischio di squilibri basali in quest'ultimo.
  • Tuttavia, gli autori osservano che il backfilling esteso in popolazioni altamente omogenee (ad esempio, gruppi definiti da biomarcatori specifici) con dimensioni campionarie sufficienti può fornire informazioni di ottimizzazione comparabili ai design randomizzati, offrendo un'alternativa più economica.

Significatività e Rivendicazioni
Il documento sostiene di fornire una guida semi-quantitativa per i professionisti che navigano nelle complessità del Progetto Optimus. La sua significatività primaria risiede nel sfidare l'assunto che massimizzare la dimensione del campione per braccio (tramite uno studio a 2 dosi) sia sempre la strategia ottimale. Inveve, gli autori sostengono che, a meno che non vi siano prove molto forti per escludere un candidato, uno studio a tre dosi è preferibile anche con una dimensione totale del campione fissa.

Le conclusioni supportano l'intuizione secondo cui distanziare le dosi (Bassa vs Alta) è più informativo rispetto al confrontare dosi adiacenti, ma quantificano l'alto livello di fiducia richiesto per giustificare tale riduzione dei livelli di dose. Il documento sottolinea che un design a 3 dosi non solo facilita una migliore selezione della dose, ma caratterizza anche la relazione dose-risposta, elemento critico per il processo decisionale regolatorio. Gli autori pongono il loro lavoro come una "regola empirica" derivata dall'approssimazione matematica e dalla simulazione, intesa a bilanciare il rigore statistico con i vincoli pratici dello sviluppo di farmaci in fase precoce.