📊 statistics

Adaptive clinical trial design with delayed treatment effects using elicited prior distributions

本文提出了一种自适应临床试验设计框架，该框架利用专家引导的先验分布来解决生存分析终点中治疗效应延迟的问题，从而通过改进的中期分析及配套的开源软件，提升试验效率并降低过早终止的风险。

原作者： James Salsbury, Jeremy Oakley, Steven Julious, Lisa Hampson

发布于 2026-06-02

📖 1 分钟阅读☕ 轻松阅读

原作者： James Salsbury, Jeremy Oakley, Steven Julious, Lisa Hampson

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一名正在测试一种治疗严重疾病的新药的医生。在过去，如果一种药物有效，你会看到患者几乎立即好转。但现代的“智能”药物，尤其是那些训练免疫系统的药物（免疫疗法），则不同。它们就像一颗见效缓慢的种子。你把它种下，一段时间内似乎什么都没有发生。患者可能几个月都不会好转。然后，突然间，植物绽放，患者康复了。

这种“延迟绽放”为临床试验带来了巨大的问题。

问题：“假警报”陷阱

传统的临床试验就像一场赛跑。你在特定的时间点（中期分析）检查终点线，看哪位选手正在领先。如果新药还没有取得领先，试验就会提前停止，因为它看起来像是失败了。

但对于这些见效缓慢的药物，试验可能会在“绽放”发生之前就停止。你会因为检查得太早且当时尚未看到效果，而撤掉一个奇迹般的疗法。这就是“假警报”陷阱：因为效应存在延迟，导致过早终止了一个优秀的试验。

解决方案：带有专家建议的“水晶球”

本文作者提出了一种运行此类试验的新方法。他们不再仅仅观察当前的数据，而是使用一个结合了专家对药物作用方式的猜测的预测性水晶球。

以下是他们的新系统如何运作，分为简单的步骤：

1. 询问专家（获取先验分布）

在试验开始前，研究人员会询问一个医学专家小组：

“你认为这种药物需要多久才能开始起作用？”（延迟时间）
“一旦起效，它会让患者感觉好转多少？”（效应强度）
“有没有可能它完全不起作用？”

专家们不会只给出一个数字；他们会给出一个可能性的范围（比如说，“它可能在 2 到 4 个月之间开始起作用”）。研究人员将这些猜测转化为一个数学地图，称为先验分布（Prior Distribution）。你可以将其理解为关于药物行为的“天气预报”。

2. “混合型”检查（自适应设计）

在试验中期，研究人员会进行一次检查。他们不再只是问：“新药现在是否正在获胜？”（它可能现在还未起效），而是问一个更聪明的问题：

“结合我们今天看到的情况，以及专家关于延迟时间的说法，该药物在结束时获胜的预测概率是多少？”

这就是预测概率（Predictive Probability, PP）。它就像一个天气应用，它会说：“现在正在下雨（尚未产生效应），但预报显示一小时后太阳就会出来（延迟效应）。所以，先别取消野餐。”

3. 决策规则

该系统有一个安全开关：

如果水晶球显示： “即便考虑到延迟，该药物也不太可能奏效，”那么试验会提前停止，以节省资金并避免让患者接受无效治疗。
如果水晶球显示： “该药物见效慢，但专家的预报表明它最终会奏效，”那么试验将继续进行。

这防止了“假警报”陷阱。试验不会仅仅因为药物见效慢就停止；只有当专家的预报结合当前数据表明该药物确实无效时，试验才会停止。

4. 软件工具

作者不仅提出了理论，还开发了一个免费的开源计算机程序（一个 R 包和一个 Shiny 应用）。

想象一下，这就是临床试验的飞行模拟器。
医生和统计学家可以将他们的专家猜测输入其中，并在计算机上运行数千种“假设如果……”的情景。
他们可以观察到：“如果我们要在第 6 个月检查，我们会过早停止吗？如果我们要在第 12 个月检查，我们会等待太久吗？”
这有助于他们选择完美的检查时间点和完美的“停止规则”，以确保他们不会错过治愈的方法。

结果：更聪明、更安全的试验

作者通过一个虚构的案例（肺癌临床试验）测试了这种方法。他们对比了三种类型的试验：

旧方法： 没有检查点。（安全，但如果药物失败，会浪费时间和金钱）。
标准自适应方法： 早期检查，但如果药物目前没有表现出优势，则停止。（存在误将缓慢起效的疗法停掉的风险）。
新的“水晶球”方法： 早期检查，但利用专家预报进行决策。

研究结果显示：

新方法能更有效地及早识别虚假药物（节省资源）。
至关重要的是，它极少误判并停止真实的、见效缓慢的药物。
它在节省成本与寻找疗法之间取得了平衡，即使这些疗法需要时间才能显现效果。

总结

本文为科学家提供了一个处理见效缓慢药物的智能、灵活的工具包。通过将当前数据与专家知识相结合，它充当了一个预测性指南针，确保临床试验不会仅仅因为治疗过程缓慢就放弃一种好的疗法。它将“何时起效？”的不确定性转化为了一个可计算、可控的部分。

技术摘要：基于启发式先验分布的延迟治疗效应自适应临床试验设计

问题陈述
利用生存时间终点（如总生存期 OS 或无进展生存期 PFS）的临床试验对于评估新型疗法至关重要，尤其是在免疫肿瘤学领域。然而，现代疗法（如免疫疗法）通常表现出延迟治疗效应 (DTEs)，即治疗获益在经过特定时间后才会显现。这种现象违反了支撑标准统计方法（如 Cox 模型和对数秩检验）的比例风险 (PH) 假设。因此，传统的试验设计面临显著风险：

效能次优： 当 PH 被违反时，标准方法可能不再适用或并非最优。
过早终止： 在延迟期结束前的中期分析可能会低估最终的治疗获益，从而导致错误的无效性决策，并导致具有潜在疗效的试验被过早终止。
不确定性： 控制延迟的关键参数（即起始时间 $T$ 和延迟后的风险比 $HR^*$ ）在设计阶段具有内在的不确定性，这使得设计既能保证充足效能又具备稳健性的试验变得十分困难。

方法论
作者提出了一种混合贝叶斯-频率派自适应试验设计框架，该框架整合了从专家处获得的启发式先验分布 (elicited prior distributions) 来解决 DTE 问题。该方法由三个组成部分构成：

模型参数化与先验分布：
- 试验假设一个分段风险模型，其中实验组的风险在延迟时间 $T$ 之前与对照组风险一致，之后则适用一个恒定的风险比 $HR^*$ 。
- 对照组参数 ( $\lambda_c, \gamma_c$ ) 源自历史数据。
- 通过专家启发式方法定义以下变量的先验分布：
  - $P_S$ ：生存曲线发生分离（存在治疗效应）的概率。
  - $P_{DTE}$ ：在存在效应的条件下，出现延迟效应的概率。
  - $D_{HR^*}$ ：延迟后风险比的分布。
  - $D_T$ ：延迟持续时间的分布。
- 这种结构创建了三种具有临床意义的情景：无效应、即时效应和延迟效应。
带有中期分析的保证度 (Assurance)：
- 该框架扩展了保证度（成功概率的先验加权）的概念到自适应设计中。
- 不同于在固定备选假设下计算的传统效能，保证度是在参数的联合先验分布下对成功的概率进行平均，从而考虑了 $T$ 和 $HR^*$ 的不确定性。
- 这通过模拟实现，即在抽取的参数向量下进行试验模拟，并应用停止规则进行中期观察。
用于无效性停止的预测概率 (PP)：
- 开发了一种全新的预测概率 (PP) 框架，用于中期无效性决策。
- 在中期分析时，使用 MCMC 将观测到的数据与启发式先验进行更新，以获得后验分布。
- 将这些后验分布向前传播以模拟未观察到的未来结果，重构最终分析，从而估计最终拒绝零假设 ( $H_0$ ) 的概率。
- 核心创新： 延迟时间 $T$ 被视为随数据更新的自由参数，而非固定值，这使得 PP 能够考虑到效应发生时机的不确定性。
- 停止规则： 如果估计的 PP 低于预设阈值 $\lambda$ ，则试验因无效性而停止。有效性停止仍受标准组序序贯边界（alpha 消耗函数）控制，以维持对 I 类错误的选择控制。
校准程序：
- 时机选择： 通过模拟先验预测分布下的 PP 值分布来选择中期分析的时机。选择的最佳时机是在 PP 分布变得足够极化（集中在 0 和 1 附近），从而能够区分有前景和无前景的试验时，确保观察具有信息量。
- 阈值选择： 阈值 $\lambda$ 的校准旨在平衡 I 类错误控制、在备选情景（包括延迟效应）下的效能，以及最小化零假设下的期望样本量。

主要贡献
本文做出了四个具体的贡献：

扩展保证度概念： 它将保证度框架扩展到具有中期分析的自适应设计中，允许试验设计者评估中期观察如何影响在参数不确定性下的整体成功概率。
针对 DTE 的 PP 框架： 它开发了一个专门用于处理延迟效应的预测概率框架，用于无效性决策，并利用随试验数据顺序更新的启发式先验。
校准方法论： 它提供了一个实用的两步校准程序，用于选择中期时机和 PP 无效性阈值，从而优化包括零假设下的期望样本量在内的运行特性。
软件实现： 作者开发了一个免费、开源的 R 包 (DTEAssurance) 和一个 Shiny 应用，以促进该框架的实施，使研究人员能够模拟、比较和可视化自适应试验设计。

结果
该框架在一个关于非小细胞肺癌 (NSCLC) 比较免疫疗法与多西他赛的假设性 III 期试验中进行了评估。研究对比了四种设计：

D1： 固定设计（无中期分析）。
D2： 仅包含有效性观察的组序序贯设计 (GSD)。
D3： 基于 PP 的混合 GSD（所提出的方法）。
D4： 采用标准 beta-spending 无效性边界的 GSD。

关键发现：

在零假设下（无效应）： 两种自适应设计（D3 和 D4）都显著降低了期望样本量（从 1,200 降至约 1,022）和试验持续时间，同时在保持 I 类错误在标称 2.5% 水平的同时，停止了约 69% 的无效试验。
在延迟效应下（主要情景）： 所提出的 PP 设计 (D3) 表现出优于标准 beta-spending 方法 (D4) 的性能。D3 仅因无效性停止了 5.5% 的延迟效应试验（相对于 D2 的效能损失为 0.7%），而 D4 则停止了 15.3%（效能损失为 3.3%）。这是因为 D4 使用的标准对数秩统计量受到延迟的影响而减弱，导致过早判定无效；而 D3 的 PP 方法整合了关于延迟的先验知识，因此更加稳健。
在即时效应下： 两种自适应设计表现相似，与固定设计相比效能损失极小。
敏感性： 结果对于启发式先验概率（ $P_S$ 和 $P_{DTE}$ ）的变化具有稳健性。

意义与主张
本文声称该框架为具有延迟效应的疗法提供了一种原则性且实用的自适应试验设计方法。通过将获取的专家知识直接整合到规划和决策过程中，该方法：

增强了稳健性： 它最大限度地降低了因真实但延迟的获益而过早终止试验的风险，这是免疫肿瘤学中的一个关键问题。
提高了效率： 它在不牺牲合理备选情景下效能的前提下，减少了零假设下的期望样本量和试验持续时间。
保持了严谨性： 它在利用贝叶斯方法进行无效性决策的同时，保持了对有效性进行严格的频率派 I 类错误控制。
便于实施： 配套软件降低了采用门槛，使试验设计者能够有效地可视化延迟结构并沟通设计选择。

作者将这项工作定位为其先前启发式方法的直接延伸，为解决现代临床试验中非比例风险带来的推断和操作挑战提供了连贯的解决方案。