Using MRI whole brain atrophy and clinically reported outcomes in combination to assess interim treatment response in multi-arm multi-stage trials in progressive multiple sclerosis

Resumo Técnico: Combinando Atrofia de Todo o Cérebro por RM e Desfechos Relatados Clinicamente em Ensaios MAMS para Esclerose Múltipla Progressiva

Definição do Problema
Ensaios de múltiplos braços e múltiplas etapas (MAMS) requerem resultados de análise intermediária que sejam sensíveis o suficiente para detectar atividade precoce de fármacos, permitindo a continuação de tratamentos eficazes enquanto se descartam braços ineficazes. No entanto, confiar em uma única medida de desfecho intermediário acarreta riscos significativos. No contexto do ensaio OCTOPUS (Optimal Clinical Trials Platform for Progressive Multiple Sclerosis), o desenho original propôs o uso da taxa de atrofia de todo o cérebro (WBA, do inglês whole brain atrophy) medida via RM como o único desfecho intermediário.

Os autores identificam uma vulnerabilidade crítica nesta abordagem: dados históricos de ensaios de Fase 3 em esclerose múltipla progressiva (PMS), como ORATORIO e HERCULES, demonstram que tratamentos podem mostrar benefícios clínicos significativos (redução da progressão da incapacidade) sem apresentar reduções concordantes na WBA. Consequentemente, confiar exclusivamente na WBA cria o risco de rejeitar prematuramente tratamentos potencialmente eficazes se o sinal de WBA no estágio intermediário for mais fraco do que o antecipado ou estiver ausente, apesar da eficácia clínica. O desafio é integrar múltiplos tipos de desfechos — especificamente desfechos clínicos contínuos relatados (CROMs) e taxas de atrofia baseadas em RM — em um arcabouço unificado de tomada de decisão intermediária que aumente o poder estatístico e a resiliência à incerteza nos tamanhos de efeito.

Metodologia
O artigo propõe um arcabouço estatístico para analisar conjuntamente múltiplos desfechos contínuos com diferentes escalas e tipos de medição (medidas clínicas repetidas vs. mudanças medidas diretamente em volume cerebral) dentro de um desenho MAMS.

1. Modelo de Efeitos Mistos Multivariados:
   Os autores propõem um modelo de regressão linear de efeitos mistos multivariado conjunto.

• Desfechos Clínicos (CROMs): Para medidas repetidas como a Escala Expandida de Medida de Incapacidade (EDSS), o Teste de Caminhada de 25 Pés (T25FW) e o Teste de 9 Furos (9HPT), utiliza-se um modelo padrão com interceptos e inclinações aleatórias.
• Desfecho de Imagem (WBA): Para a atrofia de todo o cérebro, que é medida como uma diferença direta entre exames de RM específicos (ex: linha de base versus mês 12), o modelo utiliza uma formulação para "mudança medida diretamente". Isso leva em conta a estrutura de correlação específica onde mudanças que compartilham um ponto temporal de exame estão correlacionadas, distinguindo-se das medidas repetidas padrão.
• Estrutura Conjunta: Esses submódulos são vinculados pela adição dos efeitos aleatórios do desfecho de imagem ao vetor de efeitos aleatórios dos desfechos clínicos. Isso cria uma matriz de covariância não estruturada ($G$) que captura as correlações entre as inclinações aleatórias dos distintos desfechos.

2. Padronização e Combinação Linear:
   Para combinar desfechos com diferentes unidades e variâncias, os autores propõem escalar cada desfecho pelo desvio padrão de sua respectiva inclinação aleatória. Essa padronização permite a combinação linear dos efeitos de tratamento ($\hat{\beta}_{trt}$) em uma única estatística de teste.

• O efeito de tratamento é definido como uma soma ponderada dos efeitos de tratamento individuais ($\beta_{2q}$) para cada desfecho.
• Embora a ponderação por inverso da variância (IVW) seja possível, os autores observam que uma abordagem de pesos iguais é eficaz após a padronização, uma vez que os desfechos são colocados em uma escala comum de taxa de mudança.

3. Cálculo de Poder:
   O artigo detalha um método para calcular o poder para este desenho multivariado. Ele estende os métodos descritos por Frost et al. para considerar:

• A matriz de variância-covariância marginal derivada do modelo conjunto.
• Padrões de recrutamento escalonado e abandono (dropout), modelados usando uma abordagem de mistura de padrões (pattern-mixture approach), onde os participantes são agrupados em coortes com base em seu status de acompanhamento no momento da análise intermediária.
• O cálculo da variância do efeito de tratamento combinado para determinar o tamanho da amostra necessário ou o poder para um determinado nível de significância ($\alpha$).

Principais Resultados
A metodologia foi aplicada aos dados do ensaio MS-STAT2 (um ensaio de Fase 3 de simvastatina em PMS secundária) para estimar componentes de variância e simular o poder para o ensaio OCTOPUS.

• Melhoria do Poder: Utilizando dados de variância do MS-STAT2 e assumindo efeitos de tratamento plausíveis (redução de 15% na taxa de atrofia e 30% nas taxas de CROMs), o modelo conjunto aumentou o poder da análise intermediária de 83% (apenas atrofia) para 90% (desfechos combinados) com um alfa unilateral de 0,45. Isso representa um aumento absoluto de 7% no poder.
• Robustez à Variabilidade: Quando a análise foi repetida utilizando os tamanhos de efeito observados nos ensaios EXPAND e ORATORIO, os ganhos de poder foram mantidos ou ligeiramente melhorados (atingindo até 93,9% no cenário ORATORIO). Isso demonstra que a abordagem conjunta mitiga o risco de decisões com baixo poder quando os efeitos individuais variam significativamente das suposições.
• Aplicação Retrospectiva: Quando o modelo proposto foi aplicado retrospectivamente aos dados do MS-STAT2, ele identificou corretamente a ausência de efeito de tratamento em todos os quatro desfechos (estatística de teste combinada $p=0,634$), apoiando a decisão de descartar o braço da simvastatina. Nenhum componente individual apresentou sinal.
• Estrutura de Correlação: A análise confirmou que os CROMs são altamente correlacionados entre si, mas menos correlacionados com a WBA. Embora a alta correlação reduza o benefício marginal de adicionar um desfecho, a inclusão da WBA ainda proporcionou um aumento mensurável no poder.

Significância e Alegações
Os autores argumentam que, embora o ganho de poder em seu exemplo específico seja moderado (aprox. 7%), a estratégia oferece valor metodológico significativo:

1. Resiliência à Incerteza: O principal benefício não é necessariamente um aumento massivo no poder, mas sim a mitigação do risco associado a tamanhos de efeito incertos. Ao distribuir a "responsabilidade" entre desfechos relacionados, mas distintos, a decisão intermediária torna-se menos suscetível a resultados negativos inesperados em qualquer métrica individual.
2. Generalização: A abordagem é apresentada como uma solução generalizável para ensaios MAMS, particularmente em doenças neurodegenerativas onde os desfechos substitutos (surrogate endpoints) únicos podem não se alinhar perfeitamente com os desfechos clínicos.
3. Implementação Prática: Os autores observam que o modelo complexo pode ser ajustado usando pacotes estatísticos padrão (ex: MLwiN) e fornecem um comando escrito pelo usuário em Stata (mvmixedpower) para facilitar cálculos de poder para desenhos semelhantes.
4. Análise Intermediária vs. Final: Eles enfatizam que esta métrica combinada é mais adequada para decisões intermediárias de "parar/continuar" (stop/go), onde o objetivo é a detecção de sinais, e não a interpretação clínica precisa do tamanho do efeito. Citam o ensaio EJS ACT-PD em doença de Parkinson como um exemplo de uma estratégia semelhante sendo adotada para testes de estágio inicial.

Em conclusão, o artigo demonstra que um modelo de efeitos mistos multivariado pode integrar com sucesso dados de RM e clínicos para criar uma medida de desfecho intermediário mais robusta para ensaios MAMS, reduzendo a probabilidade de descartar erroneamente tratamentos eficazes em esclerose múltipla progressiva.