Including historical control data in simultaneous inference for pre-clinical multi-arm studies

Dit artikel presenteert een Bayesiaanse aanpak met dynamische lening van historische controlegegevens en gelijktijdige kredibele intervallen voor risicoverhoudingen, die in preklinische kankerverwekkendheidsstudies met binaire uitkomsten de steekproefgrootte van de controlegroep aanzienlijk kan verkleinen terwijl de familie-wise foutenratio wordt beheerst en bescherming tegen drift wordt geboden.

De kern

Titel: Hoe we minder proefdieren nodig hebben door slimme "tijdmachines" te gebruiken

Stel je voor dat je een nieuwe medicijn wilt testen op muizen. Je moet een groepje muizen geven (de behandelde groep) en een groepje muizen niets geven (de controlegroep). Om te weten of het medicijn werkt of gevaarlijk is, vergelijk je deze twee groepen.

In de wereld van toxicologie (het testen van gifstoffen) is er een groot ethisch probleem: we willen zo min mogelijk dieren gebruiken. De regel is: Vervang, Verminder, Verfijn. Maar hoe verminder je de controlegroep zonder je resultaten onbetrouwbaar te maken?

Dit is precies wat dit wetenschappelijke artikel onderzoekt. Het idee is simpel maar krachtig: Waarom zou je alleen kijken naar de muizen die je nu hebt, als je kunt kijken naar de muizen die je vroeger al hebt gebruikt?

Hier is de uitleg in gewone taal, met een paar leuke vergelijkingen.

1. Het probleem: De "Blinddoek"

Stel je voor dat je een nieuwe auto test. Je rijdt hem een rondje en vergelijkt hem met een standaardauto. Maar je hebt maar één standaardauto. Als die ene auto toevallig een lekke band heeft of een slechte motor, is je test onbetrouwbaar. Je zou liever tien standaardauto's hebben om een goed gemiddelde te krijgen.

In dierproeven is het echter lastig om 50 muizen in de controlegroep te houden als je ze niet nodig hebt. Als je ze weghaalt, wordt je test "wazig" (minder nauwkeurig).

2. De oplossing: De "Tijdmachine" (Historische Data)

In het verleden zijn er duizenden muizen getest in soortgelijke laboratoria. Die data ligt opgeslagen in grote databases. Dit noemen ze Historische Controle Data (HCD).

De vraag is: Kunnen we die oude muizen gebruiken om onze huidige, kleine controlegroep aan te vullen?

• De slechte manier (De "Blindelinge"): Je telt gewoon alle oude muizen bij de nieuwe muizen op alsof het allemaal dezelfde groep is.
  • Vergelijking: Alsof je de resultaten van een race van 1990 (op een modderbaan) zomaar optelt bij een race van 2024 (op een asfaltbaan). Dat geeft een verkeerd beeld. Dit noemen ze in het artikel "naïef poolen". Het leidt tot veel fouten.
• De slimme manier (Bayesiaanse "Lening"): Je gebruikt de oude data, maar je bent voorzichtig. Je leent informatie van het verleden, maar je houdt een "rem" in je hand.
  • Vergelijking: Stel je voor dat je een voorspelling doet voor het weer. Je kijkt naar het weer van afgelopen week (je huidige data) én naar het gemiddelde weer van de afgelopen 10 jaar (de historische data). Als het vandaag heel anders is dan de afgelopen 10 jaar (bijvoorbeeld: het sneeuwt in juli), dan negeer je de oude data en vertrouw je alleen op het weer van vandaag. Als het weer wel lijkt op het verleden, dan gebruik je de oude data om je voorspelling sterker te maken.

3. De "Robuuste" Rem (Robustification)

Het artikel introduceert een heel slimme methode die ze Robustification noemen.

Stel je voor dat je een auto bestuurt met een dynamische rem.

• Als de weg glad is (de oude data lijkt op de nieuwe data), laat je de rem los en gebruik je de kracht van de oude data om je auto (je test) sneller en veiliger te laten rijden. Je hebt dan minder nieuwe muizen nodig.
• Maar als de weg plotseling verandert (er is een "drift" of verschil tussen nu en toen), trekt de rem automatisch aan. Je stopt met het vertrouwen op de oude data en vertrouwt alleen op je eigen ogen.

Dit zorgt ervoor dat je niet per ongeluk een fout maakt (een medicijn veilig noemen terwijl het gevaarlijk is, of andersom).

4. Wat zeggen de resultaten?

De auteurs hebben duizenden computersimulaties gedaan (virtuele proeven) en echte data van 18 oude studies gecheckt.

• Resultaat 1: Als je de "slimme rem" gebruikt, kun je de controlegroep van 50 muizen verkleinen naar slechts 10 muizen.
• Resultaat 2: Zelfs met die kleine groep van 10 muizen, krijg je net zo betrouwbare resultaten als met de grote groep van 50.
• Resultaat 3: Als je de "domme" manier gebruikt (gewoon alles optellen), krijg je veel meer fouten. Je denkt dan dat medicijnen werken of gevaarlijk zijn, terwijl dat niet zo is.

5. Waarom is dit belangrijk?

Dit is een doorbraak voor de 3R-principes (Replace, Reduce, Refine).

• Verminderen: We hoeven minder nieuwe muizen te gebruiken.
• Betrouwbaarheid: We gebruiken de enorme hoeveelheid kennis die we al hebben opgeslagen, maar op een veilige manier.
• Regels: Het helpt om te voldoen aan strenge regels van instanties zoals de EFSA (Europese Autoriteit voor voedselveiligheid), die zeggen: "Gebruik je data slim, maar wees voorzichtig."

Samenvatting in één zin

Dit artikel laat zien dat we door slimme wiskunde te gebruiken om oude proefresultaten te "lenen" (met een veilige rem), we de hoeveelheid dieren in nieuwe proeven drastisch kunnen verkleinen zonder de veiligheid van de resultaten in gevaar te brengen. Het is alsof we een tijdmachine gebruiken om onze huidige proeven sterker te maken, zonder extra dieren te hoeven offeren.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Including historical control data in simultaneous inference for pre-clinical multi-arm studies" in het Nederlands.

Probleemstelling

In preklinische toxicologische studies, met name bij langetermijncarcinogeniteitstudies, is het volgens het 3R-principe (Replace, Reduce, Refine) essentieel om het dierengebruik te verminderen. Een veelgebruikte aanpak is het verkleinen van de omvang van de huidige controlegroep (Concurrent Control Group, CCG) en het aanvullen met historische controlegegevens (Historical Control Data, HCD).

Echter, er bestaat momenteel een methodologisch gat:

1. Bestaande methoden voor "virtuele controlegroepen" zijn voornamelijk ontwikkeld voor continue eindpunten, niet voor binaire eindpunten (zoals tumorincidentie) die kenmerkend zijn voor carcinogeniteitstudies.
2. De huidige discussie over diervermindering focust sterk op het vervangen van dieren, maar er is weinig aandacht voor Bayesiaanse "borrowing"-methoden (het lenen van informatie uit historische data) die in klinische trials wel gebruikelijk zijn.
3. Bij preklinische studies worden vaak meerdere doseringsgroepen vergeleken met één controlegroep. Dit vereist simultane inferentie (correctie voor meervoudig toetsen), wat de complexiteit vergroot. Bestaande methoden die HCD volledig poolen (samenvoegen) zonder rekening te houden met variatie tussen studies, leiden tot een onderschatting van de variabiliteit en een verhoogd risico op foutieve conclusies.

Methodologie

De auteurs stellen twee Bayesiaanse benaderingen voor om HCD te integreren in simultane inferentie voor binaire uitkomsten (risicoverhoudingen), vergeleken met frequentistische alternatieven:

1. Statistisch Model:

   • De data worden gemodelleerd met een beta-binomiale verdeling om de variabiliteit tussen studies (intra-class correlation, $\rho$) te vangen.
   • Voor de huidige controlegroep ($\pi_0$) wordt een prior verdeling afgeleid uit de HCD.

2. Aanpakken voor "Borrowing" (Informatie lenen):

   • Empirische Bayes: De parameters van de prior ($a, b$) worden direct geschat uit de HCD via momenten-schattingen.
   • Meta-Analytische Predictieve (MAP) Prior: Gebruikmakend van een hiërarchisch normaal-normaal model op de logit-schaal, waarna de verdeling wordt benaderd door een beta-mixtuur.
   • Robustificatie: Om te voorkomen dat de huidige data en historische data niet uitwisselbaar zijn (bijv. door "drift" in de experimentele omstandigheden), worden de priors robustified. Dit gebeurt door een mengsel te vormen van de informatieve prior en een oninformatieve prior (bijv. Beta(1,1)). De weging van de oninformatieve component ($\omega_{rob}$) vertegenwoordigt de mate van scepticisme over de uitwisselbaarheid.

3. Simultane Inferentie:

   • Om de Familywise Error Rate (FWER) te controleren bij het testen van meerdere doseringsgroepen tegen de controle, wordt een rank-gebaseerde methode van Besag et al. (1995) toegepast. Hieruit worden simultane ondergrenzen voor de risicoverhoudingen ($\Delta_m = \pi_m / \pi_0$) berekend.

4. Vergelijkende Methoden:

   • De nieuwe methoden worden vergeleken met:
     • Geen borrowing (alleen huidige data).
     • Naïeve pooling (volledig samenvoegen van data).
     • Test-then-pool (alleen poolen als er geen significant verschil is).
     • Zowel frequentistische als Bayesiaanse Generalized Linear Models (GLM).

Belangrijkste Bijdragen

• Methodologische Innovatie: De eerste toepassing van dynamische Bayesiaanse borrowing met robustified priors specifiek voor simultane inferentie van binaire eindpunten in preklinische multi-arm studies.
• Implementatie: De auteurs tonen aan dat deze methoden relatief eenvoudig te implementeren zijn met bestaande R-packages (zoals RBesT, predint, mratios).
• Robustheid: De introductie van robustificatie als mechanisme om automatisch om te gaan met mogelijke drift tussen historische en huidige data, wat de FWER controleert zonder de voordelen van borrowing volledig te verliezen.

Resultaten

De methoden zijn geëvalueerd via Monte-Carlo simulaties en toegepast op 18 reële carcinogeniteitstudies.

1. Foutcontrole (FWER):

   • Zonder borrowing: De FWER is conservatief (onder de 0.05), maar de power is laag, vooral bij zeldzame gebeurtenissen.
   • Naïeve pooling: Leidt tot ernstige inflatie van de FWER (vaak > 0.05), zelfs zonder drift, omdat variatie tussen studies wordt genegeerd.
   • Bayesiaanse borrowing (zonder robustificatie): Kan de FWER iets overschrijden bij zeldzame gebeurtenissen of kleine steekproeven.
   • Robustified Bayesiaanse borrowing: Biedt de beste balans. Onder optimale omstandigheden (geen drift) wordt de FWER goed gecontroleerd (dicht bij 0.05). Bij aanwezigheid van drift (verschil tussen HCD en CCG) blijft de FWER van robustified methoden lager dan bij niet-robustified methoden, hoewel deze bij extreme drift en kleine CCG's nog steeds kan oplopen tot ca. 0.3.

2. Power (Detectiekracht):

   • Bij een verkleining van de CCG van 50 naar 10 dieren, behouden de robustified Bayesiaanse methoden de power van de standaardontwerpen (met 50 dieren).
   • Frequentistische pooling geeft de hoogste power, maar ten koste van een onacceptabel hoge FWER.
   • De winst in power is het grootst bij lage variatie tussen studies en hoge effectgroottes.

3. Toepassing op Reële Data:

   • In een benchmark met 18 studies (thyroïde C-celcarcinoom) bleek dat bij ongewijzigde controlegroepen de Bayesiaanse borrowing-methoden vergelijkbare resultaten leverden als de standaardmethodiek (geen borrowing), terwijl naïeve pooling extra "positieve" (maar mogelijk vals-positieve) resultaten opleverde.
   • Bij een kunstmatige verkleining van de controlegroep (10 dieren) leverden de borrowing-methoden significante bevindingen op waar de standaardmethodiek geen enkele vond, wat aantoont dat diervermindering mogelijk is zonder power te verliezen.

Betekenis en Conclusie

Het artikel toont aan dat Bayesiaanse borrowing-methoden, specifiek die gebruikmaken van robustified mixtuur-priors, een krachtig instrument zijn om het dierengebruik in preklinische toxicologie te verminderen.

• Diervermindering: Het is mogelijk om de omvang van de controlegroep aanzienlijk te verkleinen (bijv. van 50 naar 10 dieren) terwijl de statistische power behouden blijft.
• Veiligheid: In tegenstelling tot naïeve pooling, controleren de voorgestelde robustified methoden de FWER op een acceptabel niveau, zelfs bij aanwezigheid van enige variatie tussen studies.
• Regulatorische relevantie: De methode biedt transparante tools voor regelgevende instanties (zoals de EFSA) om HCD te integreren. Het is mogelijk om de prior-parameters en het effect van borrowing (inclusief scenario's met drift) al in de planningsfase te evalueren.

De auteurs concluderen dat deze aanpak de potentie heeft om de ethische en economische doelen van het 3R-principe te realiseren zonder de wetenschappelijke integriteit van de risicobeoordeling te compromitteren, mits de methoden correct worden toegepast en de assumpties over uitwisselbaarheid zorgvuldig worden gemonitord.