Adaptive clinical trial design with delayed treatment effects using elicited prior distributions

技術要約：引き出された事前分布を用いた遅延治療効果を伴う適応的臨床試験デザイン

問題提起
全生存期間（OS）や無増悪生存期間（PFS）といったタイム・トゥ・イベント（event-time）エンドポイントを利用する臨床試験は、新しい治療法、特に免疫腫瘍学における治療法の評価において極めて重要である。しかし、免疫療法のような現代的な治療法は、治療効果が特定の期間を経て初めて現れる**遅延治療効果（DTE）を示すことが多い。この現象は、Coxモデルやログランク検定といった標準的な統計手法の根底にある比例ハザード（PH）**仮定を逸脱させる。その結果、従来の試験デザインには以下のような重大なリスクが生じる：

1. 最適ではない検出力： 標準的な手法は、PHが逸脱している場合には不適切または最適ではない可能性がある。
2. 早期中止： 遅延期間が経過する前に行われる中間解析では、最終的な治療効果を過小評価する可能性があり、潜在的に有効な試験に対して誤った無効性の判断を下し、試験を早期終了させてしまう恐れがある。
3. 不確実性： 遅延に関する主要なパラメータ（開始時期 $T$ および事後遅延ハザード比 $HR^*$）は、設計段階では本質的に不確実であり、十分な検出力を持ちつつ堅牢な試験を設計することを困難にしている。

手法
著者らは、DTEに対処するために、専門家から**引き出された事前分布（elicited prior distributions）**を統合した、ハイブリッド・ベイズ・頻度論的適応試験デザイン・フレームワークを提案している。この手法は、以下の3つのコンポーネントで構成される：

1. モデルのパラメータ化と事前分布：

   • 本試験は、実験群のハザードが遅延時間 $T$ まで対照群のハザードと一致し、その後は一定のハザード比 $HR^*$ が適用される区分的ハザードモデルを仮定している。
   • 対照群のパラメータ（$\lambda_c, \gamma_c$）は、ヒストリカルデータから導出される。
   • 以下の変数に対して、専門家による引き出し（expert elicitation）を用いて事前分布を定義する：
     • $P_S$：生存曲線が分離する確率（治療効果が存在する確率）。
     • $P_{DTE}$：効果が存在することを条件とした、遅延が発生する確率。
     • $D_{HR^*}$：事後ハザード比の分布。
     • $D_T$：遅延期間の分布。
   • この構造により、「効果なし」、「即時効果」、「遅延効果」という3つの臨床的に意味のあるシナリオが作成される。

2. 中間解析を伴うアシュアランス（Assurance）：

   • 本フレームワークは、適応的デザインにおけるアシュアランス（事前分布で重み付けされた試験成功の確率）の概念を拡張するものである。
   • 固定された代替仮説に基づく従来の検出力とは異なり、アシュアランスはパラメータの結合事前分布にわたって成功確率を平均化し、$T$ や $HR^*$ の不確実性を考慮に入れている。
   • これはシミュレーションを通じて推定され、パラメータベクトルを抽出して試験をシミュレーションし、中間ルックに対して停止ルールを適用する。

3. 無効性停止のための予測確率（PP）：

   • 中間解析での無効性判断のために、新しい**予測確率（PP）**フレームワークが開発された。
   • 中間解析において、引き出された事前分布は観測データを用いてMCMCによって更新され、事後分布が得られる。
   • これらの事後分布を前方へ伝播させて未観測の将来の結果をシミュレートし、最終解析を再構築することで、帰無仮説（$H_0$）を拒絶する最終的な確率を推定する。
   • 革新的な点： 遅延時間 $T$ は固定値ではなく、データと共に更新される自由パラメータとして扱われ、これによりPPは効果のタイミングに関する不確実性を考慮できる。
   • 停止ルール： 推定されたPPが予め設定された閾値 $\lambda$ を下回る場合、試験は無効性により停止する。有効性による停止は、Type I エラーの制御を維持するため、標準的な群逐次境界（alpha-spending）に従う。

4. キャリブレーション（較正）手順：

   • タイミングの選択： 中間解析のタイミングは、事前予測分布の下でのPP値の分布をシミュレーションすることによって選択される。最適なタイミングは、PPの分布が十分に極端な値（0または1の近く）に集中し、有望な試験と有望でない試験を区別できるようになった時、すなわちルックが情報量を持つ状態になった時に選択される。
   • 閾値の選択： 無効性の閾値 $\lambda$ は、Type I エラーの制御、代替シナリオ（遅延効果を含む）における検出力、および帰無仮説下での期待サンプルサイズの最小化のバランスを取るようにキャリブレーションされる。

主な貢献
本論文には、以下の4つの具体的な貢献がある：

1. アシュアランスの拡張： アシュアランスの枠組みを中間解析を伴う適応的デザインへと拡張し、パラメータの不確実性下で中間ルックが全体の成功確率に与える影響を評価することを可能にした。
2. DTEのためのPPフレームワーク： 遅延効果が存在する場合の無効性判断に特化した予測確率（PP）フレームワークを開発し、引き出された事前分布を試験データを用いて逐次的に更新する仕組みを構築した。
3. キャリブレーション手法： 中間解析のタイミングとPP無効性閾値を選択するための、実用的な2ステップのキャリブレーション手順を提供し、遅延構造を考慮した期待サンプルサイズや検出力を最適化した。
4. ソフトウェア実装： 研究者がデザインをシミュレーション、比較、可視化できるように、本フレームワークを実装した無料のオープンソースRパッケージ（DTEAssurance）およびShinyアプリケーションを開発した。

結果
本フレームワークは、非小細胞肺癌（NSCLC）におけるイミューノセラピーとドセタキセルの比較を想定した仮想的なフェーズIII試験を用いて評価された。以下の4つのデザインを比較した：

• D1: 固定デザイン（中間解析なし）。
• D2: 有効性のみを見る群逐次的デザイン（GSD）。
• D3: 本提案のPPベースの無効性を伴うハイブリッドGSD。
• D4: 標準的なベータスペンディング無効性境界を用いるGSD。

主な知見：

• 帰無仮説下（効果なし）において： 両方の適応的デザイン（D3およびD4）は、期待サンプルサイズ（1,200から約1,022へ）および試験期間を大幅に減少させた。これらは、無効な試験の約69%を早期に停止させつつ、Type I エラーを公称レベルの2.5%に維持した。
• 遅延効果下（主要シナリオ）において： 提案されたPPデザイン（D3）は、標準的なベータスペンディング法（D4）と比較して優れた性能を示した。D3は、遅延効果のある試験のうち無効性により停止したのはわずか5.5%であった（D2に対する検出力の低下は0.7%）。一方、D4は15.3%の試験を停止させた（検出力の低下は3.3%）。これは、標準的なログランク統計量（D4で使用）が遅延によって減衰し、早期の無効判定を招くのに対し、PPアプローチ（D3）は遅延に関する事前知識を取り入れることで、堅牢性を維持しているためである。
• 即時効果下において： 両方の適応的デザインは同様の挙動を示し、固定デザインと比較して検出力の低下は最小限であった。
• 感度分析： 結果は、引き出された事前確率（$P_S$ および $P_{DTE}$）の変化に対して頑健であった。

意義と主張
本論文は、本フレームワークが、遅延効果を持つ治療法のための適応的試験を設計するための原理的かつ実用的なアプローチを提供すると主張している。引き出された専門家の知見を設計および意思決定プロセスに直接統合することにより、この手法は以下を実現する：

• 堅牢性の向上： 真の（ただし遅延を伴う）利益が存在する場合の、試験の早期終了リスクを最小限に抑える。これは免疫腫瘍学における極めて重要な課題である。
• 効率性の改善： 妥当な代替シナリオにおける検出力を損なうことなく、帰無仮説下での期待サンプルサイズおよび試験期間を削減する。
• 厳密性の維持： 無効性の判断にはベイズ的手法を用いつつ、有効性の判定については厳格な頻度論的Type I エラーの制御を維持する。
• 実装の容易化： 付属のソフトウェアにより、研究者が遅延構造を可視化し、デザインの選択肢を効果的に伝達するための障壁を下げている。

著者らは、本研究を彼らの以前の引き出し手法の直接的な拡張として位置づけており、現代の臨床試験における非比例ハザードがもたらす推論および運用の課題に対する一貫した解決策を提示している。