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

Sintesi Tecnica: Combinazione dell'atrofia cerebrale totale da RM e degli esiti clinici riportati nei trial MAMS per la sclerosi multipla progressiva

Problematica
I trial multi-braccio multi-stadio (MAMS) richiedono esiti di analisi intermedia che siano abbastanza sensibili da rilevare l'attività precoce dei farmaci, permettendo la continuazione dei trattamenti efficaci e l'abbandono di quelli inefficaci. Tuttavia, fare affidamento su un singolo esito intermedio comporta rischi significativi. Nel contesto del trial OCTOPUS (Optimal Clinical Trials Platform for Progressive Multiple Sclerosis), il design originale proponeva l'utilizzo del tasso di atrofia cerebrale totale (WBA) misurato tramite RM come unico esito intermedio.

Gli autori identificano una vulnerabilità critica in questo approccio: i dati storici di trial di Fase 3 nella sclerosi multipla progressiva (PMS), come ORATORIO e HERCULES, dimostrano che i trattamenti possono mostrare benefici clinici significativi (riduzione della progressione della disabilità) senza mostrare riduzioni concordanti della WBA. Di conseguenza, fare affidamento esclusivamente sulla WBA crea il rischio di rifiutare prematuramente trattamenti potenzialmente efficaci se il segnale intermedio della WBA è più debole del previsto o assente, nonostante l'efficacia clinica. La sfida consiste nell'integrare molteplici tipologie di esiti — specificamente esiti clinici continui (CROMs) e tassi di atrofia basati su RM — in un quadro decisionale intermedio unificato che aumenti la potenza statistica e la resilienza all'incertezza delle dimensioni dell'effetto.

Metodologia
Il documento propone un framework statistico per l'analisi congiunta di molteplici esiti continui con scale e tipi di misurazione differenti (misure cliniche ripetute rispetto a cambiamenti misurati direttamente del volume cerebrale) all'interno di un design MAMS.

1. Modello a effetti misti multivariato:
   Gli autori propongono un modello di regressione lineare a effetti misti multivariato congiunto.

• Esiti Clinici (CROMs): Per le misure ripetute come l'Expanded Disability Status Score (EDSS), il Timed 25-Foot Walk (T25FW) e il 9-Hole Peg Test (9HPT), viene utilizzato un modello standard con intercette e pendenze casuali.
• Esito di Imaging (WBA): Per l'atrofia cerebrale totale, che è misurata come una differenza diretta tra specifiche scansioni RM (ad esempio, baseline rispetto al mese 12), il modello utilizza una formulazione per il "cambiamento misurato direttamente". Ciò tiene conto della specifica struttura di correlazione in cui i cambiamenti che condividono un punto temporale di scansione sono correlati, distinguendosi dalle normali misure ripetute.
• Struttura Congiunta: Questi sottomodelli sono collegati aggiungendo gli effetti casuali dell'esito di imaging al vettore degli effetti casuali degli esiti clinici. Ciò crea una matrice di covarianza non strutturata ($G$) che cattura le correlazioni tra le pendenze casuali dei disparati esiti.

2. Standardizzazione e Combinazione Lineare:
   Per combinare esiti con unità e varianze differenti, gli autori propongono di scalare ciascun esito rispetto alla rispettiva deviazione standard della pendenza casuale. Questa standardizzazione permette la combinazione lineare degli effetti del trattamento ($\hat{\beta}_{trt}$) in un singolo test statistico.

• L'effetto del trattamento è definito come una somma pesata degli effetti del trattamento individuali ($\beta_{2q}$) per ciascun esito.
• Sebbene sia possibile utilizzare la ponderazione per invarianza della varianza (IVW), gli autori riscontrano che un approccio a pesi uguali è efficace dopo la standardizzazione, poiché gli esiti vengono posti su una scala commensurabile del tasso di variazione.

3. Calcolo della Potenza:
   Il documento dettaglia un metodo per calcolare la potenza di questo design multivariato. Esso estende i metodi descritti da Frost et al. per tenere conto di:

• La matrice di varianza-covarianza marginale derivata dal modello congiunto.
• Modelli di reclutamento e abbandono (dropout) scaglionati, modellati utilizzando un approccio a miscela di pattern (pattern-mixture approach) in cui i partecipanti sono raggruppati in coorti in base al loro stato di follow-up all'analisi intermedia.
• Il calcolo della varianza del combinato effetto del trattamento per determinare la dimensione del campione necessaria o la potenza per un dato livello di significatività ($\alpha$).

Risultati Chiave
La metodologia è stata applicata ai dati del trial MS-STAT2 (un trial di Fase 3 della simvastatina nella PMS secondaria) per stimare le componenti di varianza e simulare la potenza per il trial OCTOPUS.

• Miglioramento della Potenza: Utilizzando i dati di varianza di MS-STAT2 e assumendo effetti di trattamento plausibili (riduzione del 15% del tasso di atrofia e riduzione del 30% dei tassi CROM), il modello congiunto ha aumentato la potenza dell'analisi intermedia dall'83% (solo atrofia) al 90% (esiti combinati) con un alpha a una coda di 0,45. Ciò rappresenta un aumento assoluto della potenza del 7%.
• Robustezza alla Variabilità: Quando l'analisi è stata ripetuta utilizzando le dimensioni dell'effetto osservate nei trial EXPAND e ORATORIO, i guadagni di potenza sono stati mantenuti o leggermente migliorati (raggiungendo fino al 93,9% nello scenario ORATORIO). Ciò dimostra che l'approccio congiunto mitiga il rischio di decisioni sotto-potenziate quando gli effetti dei singoli esiti variano significativamente dalle assunzioni.
• Applicazione Retrospettiva: Quando il modello proposto è stato applicato retrospettivamente ai dati di MS-STAT2, ha correttamente identificato l'assenza di un effetto del trattamento in tutti e quattro gli esiti (statistica del test combinato $p=0,634$), supportando la decisione di abbandonare il braccio della simvastatina. Nessun componente individuale mostrava un segnale.
• Struttura di Correlazione: L'analisi ha confermato che i CROM sono più altamente correlati tra loro rispetto alla WBA. Sebbene l'alta correlazione riduca il beneficio marginale dell'aggiunta di un esito, l'inclusione della WBA ha comunque fornito un incremento misurabile della potenza.

Significatività e Rivendicazioni
Gli autori sostengono che, sebbene il guadagno di potenza nel loro specifico esempio sia moderato (circa il 7%), la strategia offre un valore metodologico significativo:

1. Resilienza all'Incertezza: Il vantaggio principale non è necessariamente un massiccio aumento della potenza, ma piuttosto la mitigazione del rischio associato all'incertezza delle dimensioni dell'effetto. Distribuendo la "responsabilità" tra esiti correlati ma distinti, la decisione intermedia diventa meno suscettibile a risultati negativi inaspettati in un singolo parametro.
2. Generalizzabilità: L'approccio è presentato come una soluzione generalizzabile per i trial MAMS, particolarmente nelle malattie neurodegenerative in cui i singoli endpoint surrogati potrebbero non allinearsi perfettamente con gli esiti clinici.
3. Implementazione Pratica: Gli autori sottolineano che il modello complesso può essere adattato utilizzando pacchetti statistici standard (ad esempio, MLwiN) e forniscono un comando Stata scritto dall'utente (mvmixedpower) per facilitare i calcoli della potenza per design simili.
4. Analisi Intermedia vs. Finale: Gli autori enfatizzano che questa metrica combinata è più adatta per decisioni intermedie di tipo "stop/go", dove l'obiettivo è la rilevazione del segnale piuttosto che la precisa interpretazione clinica della dimensione dell'effetto. Citano il trial EJS ACT-PD nella malattia di Parkinson come esempio di una strategia simile adottata per i test precoci.

In conclusione, il documento dimostra che un modello a effetti misti multivariato può integrare con successo i dati di imaging e clinici per creare una misura di esito intermedia più robusta per i trial MAMS, riducendo la probabilità di scartare erroneamente trattamenti efficaci nella sclerosi multipla progressiva.