Leveraging External Controls for Treatment Switching in Randomized Controlled Trials: A Weighted Causal Inference Framework for Overall Survival

技術要約：ランダム化比較試験における治療スイッチングのための外部コントロールの活用

問題提起
生存期間（OS）を主要エンドポイントとする腫瘍学領域のランダム化比較試験（RCT）において、対照群の患者は疾患進行（PD）に伴い、実験的治療や他のプロトコル外の治療へと切り替える（治療スイッチングを行う）ことが頻繁にあります。この「治療スイッチング」は、ランダム化による因果関係の保証を損なうものであり、意図した治療（ITT）原則の下では、真の治療効果を過小評価するバイアスをもたらします。RPSFTM（Rank-Preserving Structural Failure Time Model）やIPCW（Inverse Probability of Censoring Weighting）といった従来の調整手法は、内部の非スイッチヤー（スイッチングを行わなかった患者）に依存してスイッチヤーの反事実的アウトカムを推論します。これらの手法は、スイッチヤーと非スイッチヤーの間でベースライン特性や予後が系統的に異なる場合、選択バイアスの影響を受けやすくなります。さらに、これらは共通の治療効果（RPSFTMの場合）や未測定の交絡の不在（IPCWの場合）といった強力な仮定を必要とすることが多くあります。

手法
著者らは、外部コントロール（EC）——スイッチングが発生しなかった過去の試験やリアルワールドデータ——を組み込んで治療スイッチング・バイアスを調整する、一般的な因果推論フレームワークを提案しています。このフレームワークは、単なる集団レベルの再重み付けを超えた、**スイッチヤー固有の（switcher-specific）**アプローチを採用しています。

1. リスクセットの構築と進行の整合性:

   • スイッチングは疾患進行に依存することを認識し、本手法ではECのリスクセットをPDを経験した患者に限定しています。
   • スイッチヤーの進行時期が異なる問題に対処するため、著者らは**進行整合型選択戦略（progression-aligned selection strategy）**を採用しています。各スイッチヤーに対し、PDを経験したEC患者からカルマン・マイヤー曲線を作成します。スイッチヤーのPD時期を、この曲線上の生存確率の分位点へとマッピングします。その後、対称的な確率ウィンドウを用いることで、ECが同様の疾患進行ステージにあることを保証し、リスクセット内の患者の病態が整合するようにしています。

2. 合成コントロールとバランシング・ウェイト:

   • ロジスティック回帰による傾向スコアの推定（不安定な重みを生む可能性がある）の代わりに、本フレームワークでは合成コントロール法から導出された**バランシング・ウェイト（balancing weights）**を利用しています。
   • 各個別のスイッチヤー $i$ について、その特定の内的リスクセット $E_i$ 内のECに対する重み $w_{ij}$ を求める最適化問題を解きます。この重みは、重みの分散に対するペナルティ（バイアスと分散のトレードオフ）を課しながら、スイッチヤーの共変量プロファイルと、重み付けされたECの平均との間の二乗ユークリッド距離を最小化するように設定されます。
   • これにより、スイッチヤーのベースライン共変量に一致する「合成コントロール」が各スイッチヤーに対して生成されます。

3. 推定戦略:
   本論文では、これらのスイッチヤー固有の重みを用いた3つの推定量を導入しています。

   • 加重リスクセット補完法 (wRSI): スイッチヤーの観測されたスイッチ後のアウトカムを、重み付けされたECリスクセットからランダムに抽出されたアウトカムで置き換えます。
   • 加重カルマン・マイヤー補完法 (wKMI): ECリスクセットから加重カルマン・マイヤー生存曲線を作成し、導出された累積分布関数から補完されたイベント時間をサンプリングします。
   • 時変バランシング・ウェイト (TVW): 動的なアプローチであり、スイッチヤーはスイッチ時まで内部データを提供し、その後、加重されたECの対応者に置き換えられます。ECの重みは時間の経過とともに集計され、内部的な予後情報の喪失を補うために、より多くのスイッチヤーがクロスオーバーするにつれて増加します。

主な貢献

• スイッチヤー固有の再重み付け: 主要な貢献は、集団レベルのEC再重み付け（ECコホート全体をターゲットグループに合わせるもの）から、個別の再重み付けへと移行したことです。これにより、疾患の軌跡やスイッチ時期の異質性を考慮することが可能になります。集団レベルの手法では、事後ランダム化変数に基づいて条件付けること（因果関係の仮定への違反となる）なしには、これを実現できません。
• 合成コントロールの統合: 生存時間データにおける治療スイッチングの問題に対し、合成コントロール法とバランシング・ウェイトを適用しました。これにより、従来の逆傾向スコア重み付けに伴う不安定性を回避しています。
• 進行整合型選択: ECのリスクセットを疾患進行のタイミングに基づいて制限する新しいメカニメントを提供し、重み付けの最適化中に事後的なイベント自体によって条件付けることなく、比較可能性を確保しています。

結果

• シミュレーション研究: 未測定の交絡の強さとPDとOSの相関関係を変化させた広範なシミュレーションにより、提案されたスイッチヤー固有の手法（wRSI, wKMI, TVW）が、従来のメソッド（ITT, RPSFTM, IPCW）および集団レベルのEC重み付けと比較して、有意にバイアスを低減することが示されました。
  • 未測定の交絡と情報的検閲が存在するシナリオにおいて、従来の手法および集団レベルの重み付けは、大幅なバイアスと膨大な第一種の過誤率を示しました。
  • 提案されたスイッチヤー固有の手法は、EC集団がベースラインの健康状態において（試験集団よりも）「より病的な」あるいは「より健康な」状態であったとしても、ほぼ偏りのない推定値、合理的な統計的検出力、および公称の第一種の過誤率を維持しました。
• 実証的適用 (IMpower130 および OAK 試験): 本フレームワークは、OAK試験（アテゾリズマブ単独療法 vs ドセタキセル）をECソースとして、IMpower130試験（アテゾリズマブ＋化学療法 vs 化学療法）に適用されました。
  • 標準的な手法（スイッチヤーの検閲、IPCW）は、治療効果を減衰させて示しました。
  • 提案されたスイッチヤー固有のEC手法は、RPSFTMによる調整済み推定値（HR $\approx$ 0.72）およびOAK試験の直接的な二次ライン・クロスオーバー効果の推定値と密接に一致するハザード比（HR $\approx$ 0.72–0.74）を示しました。
  • この一貫性は、提案されたフレームワークが治療スイッチング・バイアスと集団ドリフトを正常に調整できていることを示唆しており、RPSFTMが要求する強力な仮定や、IPCWが要求する未測定の交絡に関する仮定にのみ依存することなく、仮説的戦略下での治療効果を検証できることを証明しています。

意義と主張
本論文は、スイッチヤー固有のバランシング・ウェイト・フレームワークを通じて外部コントロールを活用することが、従来の調整手法に代わる堅牢な選択肢となることを主張しています。疾患進行のタイムラインとベースライン共変量に基づき、スイッチヤーのための個別の合成コントロールを構築することで、本手法は未測定の交絡や集団ドリフトから生じるバイアスを軽減します。著者らは、提案手法が、素朴なEC利用や外部データを無視する手法と比較して、バイアス低減と検出力の面で有意義な統計的改善を提供すると断言しています。IMpower130/OAKへの適用におけるRPSFTMとの一致は、本フレームワークが現実の腫瘍学の設定において実行可能であり、RPSFTMが必要とする強力な仮定や、IPCWの未測定の交絡に関する仮定に頼ることなく、仮説的戦略下での治療効果を推定する手段を提供することを示しています。