How to optimize dynamic borrowing in basket trials - A utility-based framework and results of a comparison study

技術要約：バスケット試験における動的情報借用（Dynamic Borrowing）の最適化

問題提起
バスケット試験は、単一の治療法を、統一された試験構造内の複数のサブポピュレーション（層/strata）に対して調査するものであり、これは初期段階の腫瘍学や希少疾患研究において一般的な設計である。各層を個別に解析することは、第一種の過誤（Type-I error）の制御には有効であるが、サンプルサイズが小さい場合には統計的検出力が低くなる傾向がある。逆に、すべてのデータを統合すると検出力は向上するが、不活性な層における第一種の過誤率（TOER）が増大するリスクがある。層間の応答の類似性に基づいて情報を動的に共有することを目的とした情報借用手法が提案されているが、これらは検出力の向上と第一種の過誤の増大とのバランスを取るためのチューニングパラメータに大きく依存しており、あらゆるアウトカム・シナリオに対して普遍的に最適な設計は存在しない。本論文は、これらの設計を最適化するための体系的なフレームワークの欠如、およびどの最適化アルゴリズムやターゲット関数（効用関数）が最良のトレードオフをもたらすかという不確実性に対処している。

手法
著者らは、チューニングパラメータの選択を制約付き最適化問題として扱う、バスケット試験設計を最適化するための構造化されたフレームワークを提案している。この手法は、主に以下の3つのコンポーネントで構成される。

1. 最適化フレームワーク： 著者らは、バスケット試験の計画のためのチェックリストを定義している。これには、試験固有の側面（層の数、エンドポイントの型、シナリオセット）、運用特性（ターゲットとしての検出力、制約としてのTOER）、および解析戦略が含まれる。フレームワークの中核は、制約（$v \leq c$）の下で最大化すべき効用関数（$u$）（例：正しい決定の期待数）を定義することである。
2. 比較研究設計： 以下の評価を行うため、事前規定された比較研究を実施した。
   • パートI： 様々な最適化アルゴリズム（グリッドサーチ、シミュレーテッド・アニーリング、COBYLA、差分進化法、粒子群最適化）の、最適なチューニングパラメータを見つけるための信頼性と効率性の評価。
   • パートII： 7つの異なるアウトカム・シナリオセットに対する、12種類の異なる効用関数の統計的性能の評価。これらのシナリオは、層の数（$I=3$から$20$）およびサンプルサイズによって変化させた。
3. 具体的な設計と実装： 本研究では、Jensen-Shannonダイバージェンスによって借用ウェイトを決定するベイズ・ベータ二項モデルを用いたFujikawaら（2020）によるバスケット試験設計を利用した。この設計には、決定閾値（$\lambda$）および借用の形状パラメータ（$\varepsilon, \tau$）という3つのチューニングパラメータがある。効用関数は、そのターゲット（実験全体としての検出力、正しい決定の期待数、局所的検出力）によって異なり、第一種の過誤の閾値を超えることに対するペナルティ項も含まれている。シミュレーションは、高パフォーマンス計算クラスター上のRを用いて行われ、小規模なシナリオでは厳密な計算を行い、大規模なシナリオではモンテカルロ近似を用いた。

主な貢献

• 体系的なフレームワーク： 本論文は、シナリオセット、効用関数、および最適化アルゴリズムの指定を明示的に扱う、バスケット試験設計を最適化するための包括的なチェックリストと数学的定式化を提供している。
• アルゴリズムの評価： 著者らは最適化アルゴリズムを経験的に比較し、テストされた3パラメータ設計において、グリッドサーチが最も信頼性が高く効率的な方法であることを特定した（特に並列化した場合）。
• 効用関数の分析： 著者らは、異なる効用関数が異なる借用挙動（保守的、中庸、またはリベラル）をもたらすことを示している。また、厳格な第一種の過誤制約を強制するペナルティ付き効用関数（例：$u\_ecd\_avg\_pen$）を導入し、評価している。
• 数学的限界： 本論文は、バスケット試験において一様最有力（UMP）検定が存在しないことを証明する数学的な反例を提示している。これにより、第一種の過誤を厳密に制御しながら、あらゆる可能な対立仮説に対して最適となる単一の設計は存在しないことが確立された。

結果

• 最適化アルゴリズム： グリッドサーチは、実行時間およびFujikawa設計における最適パラメータ発見の整合性の両面において、確率的メタヒューリスティック・アルゴリズム（シミュレーテッド・アニーリングやPSOなど）よりも優れた性能を示した。確率的アルゴリズムは、効用関数のランドスケープにおける「平坦な」領域に苦戦することが多かった。
• 効用関数の性能：
  • 保守的な借用： $u\_ewp\_avg\_pen$（ペナルティ付き実験全体としての検出力）のような効用関数は、保守的な借用をもたらし、ファミリー全体のエラー率（FWER）を頻度論的なレベルに近く保った。
  • 中庸な借用： $u\_ecd\_avg\_pen$（ペナルティ付き正しい決定の期待数）は、複数の活性な層があるシナリオで検出力を向上させつつ、FWERを許容範囲内（例：公称FWERの1.5倍以下）に制御するという、中庸な妥協案を提供した。
  • リベラルな借用： $u\_2pow\_avg\_pen$ は、より積極的な借用を導き、高い検出力をもたらしたが、同時に高いFWERの増大も招いた。
  • シナリオ依存性： 最適な効用関数は、試験の設定に依存した。層が多く患者数が多いシナリオでは、最適化の結果、情報の借用が全く行われない設計になることがあり、これは設計のパラメータが、エラー制御のために決定閾値 $\lambda$ のみに依存するように調整されたことを示唆している。このような大規模な設定では、Fujikawa設計の明示的な借用制限の欠如により、他のアームからの情報に「圧倒される」可能性がある。
  • デフォルトパラメータ： Fujikawaらによって提案されたデフォルトパラメータ（$fuj1$）は、ほとんどのシナリオにおいてリベラルすぎることが判明したが、$fuj2$ はより中庸なアプローチを提供したものの、厳格なエラー制御を確保するためには依然として決定閾値のチューニングが必要であった。

意義と主張
著者らは、情報の借用は検出力の向上をもたらし得るものの、「万能な（one-size-fits-all）」最適設計は存在しないと主張している。彼らの研究の意義は、透明性の高い最適化手順がバスケット試験の計画において極めて重要であることを示した点にある。彼らは、効用関数の選択が借用の挙動と、結果としての検出力と第一種の過誤の間のトレードオフを決定すると論じている。

本論文は、UMP検定が存在しないため、研究者は自身のターゲットとなるシナリオと許容可能なエラー増大レベルを明示的に定義しなければならないと強調している。このフレームワークは、これらのトレードオフを伝えることを可能にする。これは、多くの既存の試験において、借用パラメータがどのように選ばれたかについての透明性が欠けている現状を鑑みると不可欠である。著者らは、結果がFujikawaの設計およびテストされたシナリオに特有であることを認めつつも、フレームワーク自体は他の借用メカニズム（ベイズ階層モデルなど）や試験設定にも一般化可能であるとしている。また、厳格な第一種の過誤制御のためには、借用を行わない頻度論的な検定が最も安全な選択肢であるが、最適化された借用は、特定の事前規定されたシナリオに対して制約を遵守するように調整可能であると述べている。