Studying Competing Events with Federated Cumulative Incidence Curves

技術要約：フェデレーテッド累積発生率曲線を活用した競合リスクの研究

問題提起
医薬品の市販後安全性監視は、十分なサンプルサイズと一般化可能性を達成するために、複数の施設から電子健康記録（EHR）データを組み合わせることにますます依存しています。しかし、プライバシーへの懸念や規制上の障壁により、個々の患者レベルのデータを共有することは困難です。連合学習（Federated Learning: FL）は、データを転送せずに複数のサイト間でモデルを適合させる解決策を提供しますが、既存の競合リスク分析のためのFL手法には限界があります。現在のアプローチは、半パラメトリックモデル（例：Fine-Gray）に依存しており、これらはマルチセンターの設定では検証が困難な比例ハザード仮定を必要とします。また、疑似観測法（pseudo-observation methods）はローカルのリスクテーブルの共有を必要とするため、個々の生存時間やイベント指標が特定される可能性があり、プライバシーのリスクを増大させます。さらに、累積発生率関数（CIF）や制限平均時間損失（RMTL）のような、直感的な可視化と因果関係の解釈を可能にする非パラメトリックなFLツールも不足しています。

手法
著者らは、競合リスク下での原因別累積発生関数（CIF）および制限平均時間損失（RMTL）を推定するための、新しい非パラメトリックなフェデレーテッド・アルゴリズムを提案しています。これには、逆確率重み付け（IPW）による共変量調整が含まれます。

• データ構造: 本手法は、患者がイベント（例：免疫関連有害事象［irAE］または死亡）または打ち切りまで追跡される観察データを扱います。2種類の競合するイベント（$\Omega=1$ は目的のイベント、$\Omega=2$ は死亡）と、バイナリの曝露（例：既存の自己免疫疾患）を扱います。
• 共変量調整: 観察データにおける交絡に対処するため、本手法はIPWを採用しています。傾向スコアは、フェデレーテッド一般化線形モデル（GLM）アプローチ（例：renewable estimation または ODAL）を用いて推定されます。これらのスコアはすべてのサイトにブロードキャストされ、個々の重みの算出に使用されます。
• フェデレーテッド推定プロセス: アルゴリズムは、サンプルサイズの大きい順（大きいものから小さいものへ）に並べられた、サイト間の3段階の逐次的な通信ラウンドで動作します。
  1. 傾向スコアの推定: 重みを導出するためのフェデレーテッドGLM係数の推定。
  2. 生存関数の推定: 先に出版されたフェデレーテッド加重カプラン＝マイヤー（KM）法を用い、反事実的生存関数（$\hat{S}^a(t)$）およびリスク関数（$\hat{Y}^a(t)$）を推定します。プライバシー保護のため、これらはステップ関数ではなく、連続的な単調多項式スプライン関数として転送されます。
  3. CIFの推定: これが核心となる革新部分です。生データやリスクテーブルを共有する代わりに、サイトは**経験的影響関数（empirical influence function）**を用いてCIFの推定値を反復的に更新します。
     • 第1のサイトは、ローカルデータに基づいて初期CIFを計算し、それをスプライン表現に変換します。
     • 後続のサイトは、現在のスプラインパラメータを受け取り、自身のローカルデータを用いてそれらを更新します。更新ルールは、推定方程式 $\sum \psi(\hat{F}; o_i) = 0$（ここで $\psi$ は経験的影響関数）から導出されます。
     • 更新ステップでは、ニュートン法に似た手法 $\hat{F}^{(r+1)} = \hat{F}^{(r)} + \frac{\text{Residual} + \sum \psi}{\text{Denominator}}$ が用いられます。
     • このプロセスは、すべてのサイトが組み込まれるまで逐次的に継続され、個々の患者レコードを一切共有することなく、グローバルな反事実的CIFが得られます。
• 推論とRMTL: 分散の推定は、各サイトの影響関数の二乗和を行うことで行われます。制限平均時間損失（RMTL）は、時間 $\tau$ までのCIF曲線の下部の面積として計算されます。その分散は、CIFの影響関数を積分することで推定され、フェデレーテッド環境において計算負荷の高いブートストラップ法を回避しています。

主な貢献

1. 初の非パラメトリック・フェデレーテッドCIF: 非パラメトリックな競合リスクツール（CIFおよびRMTL）をフェデレーテッドの文脈に拡張した初めての手法であり、ODACoRのような半パラメトリックなフェデレーテッドモデルで必要とされる比例ハザード仮定を排除しています。
2. 強化されたプライバシー: 個々の生存時間を漏洩する可能性があるローカルのリスクテーブルの共有を必要とする疑似観測法とは異なり、本手法は要約されたスプラインパラメータと影響関数の統計量のみを共有するため、プライバシーリスクを大幅に軽減します。
3. 解釈性: 本手法は、ブラックボックス型の機械学習による予測や複雑なハザード比よりも、臨床医に伝えやすい直感的かつ臨床的に意味のある出力（累積発生曲線および時間損失）を提供します。
4. 小規模サイトへの堅牢性: メタ解析のアプローチでは安定したサイト固有の推定値が必要ですが、本アルゴリズムは非常に小さなサンプルサイズ（わずか1つの観察値でも）を持つサイトにも対応可能です。

結果

• シミュレーション: 本手法は、イベント分布（指数分布およびワイブル分布）と打ち切り率が異なる3つのシミュレーションシナリオで評価されました。統合された「ゴールドスタンダード」の解析と比較して、フェデレーテッド手法は無視できるほどのバイアスと同等の統計的効率性を示しました。対照的に、メタ解析アプローチは、特に高打ち切り条件下で劣った効率性を示し、第I種の過誤の増大または検出力の低下を招きました。
• 実世界への適用: 本手法は、OneFlorida+ネットワーク（$N=10,281$ 患者、$K=10$ サイト）に適用され、既存の非内分泌系自己免疫疾患（AID）を持つ患者における免疫チェックポイント阻害薬（ICI）治療後の内分泌系irAEを調査しました。
  • 共変量調整後、既存のAIDを持つ患者は、最初の18ヶ月以内に内分泌系irAEに対して平均 4.8ヶ月（95% CI: 4.3, 5.2）のイベントフリー生存時間を失いました。
  • これは、AIDのない患者が失った 3.2ヶ月（95% CI: 3.1, 3.3）よりも有意に高い値でした。
  • 本研究は、既存のAIDが内分泌系irAEの高い発生率に関連していることを確認し、当初は臨床試験から除外されていた集団に関する証拠を提供しました。

意義と主張
著者らは、データ共有が制限されている市販後安全性監視において、本研究が極めて重要な代替手段を提供すると主張しています。比例ハザード仮定を回避することで、本手法は、時変効果（time-varying effects）が一般的であるマルチセンター研究において、より柔軟で堅牢なアプローチを提供します。患者レベルのデータを共有せずに、調整済みの累積発生曲線およびRMTLの推定を生成できる能力は、フェデレーテッド分析における重要なギャップを埋めるものです。著者らは、本手法が「情報に基づいた因果比較」と「直感的な可視化」を可能にし、特定の患者サブグループにおける有害事象のリスクに関する臨床医や規制当局の意思決定を促進するものとして位置づけています。なお、本手法は総効果（競合イベントを介した直接効果と間接効果の両方を組み合わせたもの）を推定するものであり、現時点ではこれらの効果を分離していないことを認め、直接効果の推定のために逆確率打ち切り重み付け（IPCW）を含めることが今後の研究課題であるとしています。