📊 statistics

Likelihood-Ratio E-Value Monitoring for Benchmark-Based Decisions in Early-Phase Oncology Trials

本文提出了校准型 E-值监测（Calibrated E-Value Monitoring, CEVAM），这是一种用于早期肿瘤临床试验的新型似然比框架，该框架建立了相对于临床基准的、具备方案就绪性且与样本量无关的决策边界，与现有的贝叶斯最优设计相比，提供了更高的效率和随时有效的解释性。

原作者： Masahiro Kojima

发布于 2026-07-07

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Masahiro Kojima

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

想象一下你是一位正在测试一种实验性新汤谱的厨师。你有一个被称为“金标准”的配方，它虽然平庸（比如只是一碗“还可以”的汤），还有一个“梦想”配方，那将是绝对美味的。你的目标是在烹饪过程中品尝这道新汤，并做出决定：这道新汤是否足够好，可以端给顾客食用；还是说它太难吃了，以至于我们应该停止烹饪并把它倒掉？

在早期癌症临床试验的世界里，“汤”是新药，“品尝”是观察患者是否康复，而“金标准”则是医生们公认的最低可接受成功率基准。

本文介绍了一种名为 CEVAM（校准 e-值监测）的新工具，旨在帮助厨师（研究人员）比以往更快速、更清晰地做出这些决策。

旧方法：“赌徒的硬币”

以前，许多试验使用一种叫做 BOP2 的方法。想象一下这就像一个赌徒在抛硬币。为了判断汤的味道如何，赌徒会根据一本隐藏的规则书（称为“贝叶斯先验”）计算出一个复杂的“概率得分”。

问题在于： 停止规则取决于你目前已经品尝了多少人。如果你品尝了 10 个人，规则就与品尝了 20 个人时不同。这就像一场游戏，每当你尝一口汤，获胜的分数就会发生变化。此外，这个得分依赖于那本隐藏的规则书，这对于非专业人士来说很难解释清楚。

新方法：CEVAM（“证据计量器”）

作者 Masahiro Kojima 提出了 CEVAM。CEVAM 不再使用变化的概率得分，而是使用一个基于“似然比”的简单证据计量器。

把它想象成一个天平：

“坏”的一侧： 天平的一侧承载着“平庸之汤”（我们想要超越的基准）的重量。
“好”的一侧： 另一侧承载着“梦想之汤”（我们希望达到的目标）的重量。
品尝过程： 每当一名患者产生反应（一次“品尝”），你就在天平上增加一份重量。
- 如果患者康复了，“好”的一侧就会变得更重。
- 如果他们没有康复，“坏”的一侧就会变得更重。

CEVAM 的运作方式：

因有效性而停止（Efficacy）： 如果“好”的一侧变得足够重，足以使天平越过一条固定线，你就提前停止，并宣布：“这是一个赢家！”
因无效性而停止（Futility）： 如果“坏”的一侧变得足够重，足以使天平向另一边倾斜，你就提前停止，并宣布：“这是一个输家；我们不要再浪费时间了。”

为什么这更好？

该论文声称 CEVAM 拥有三个主要超能力：

没有隐藏的规则书： 与旧方法不同，你不需要复杂的“贝叶斯先验”（隐藏的初始假设）。证据是直接从数据和基准中计算出来的。这就像是直接称量汤的食材，而不是根据秘密食谱进行猜测。
简单的计数： 结果只是一个数字。例如：“如果你有 44 名患者中有 25 名成功，则停止。”它创建了一个简单的表格，医生可以在试验开始前查阅。在试验期间无需进行复杂的数学计算。
两种版本对应两种需求：
- “固定”版本： 这像是一个严格的规则，即使你在随机、意想不到的时间进行品尝，它依然有效。它保证了无论你在何时检查，都不会被运气所蒙蔽。
- “校准”版本： 这是针对那些计划在特定时间（例如在 10 人、20 人和 30 人之后）进行品尝的试验。作者对这个版本进行了“调优”，使其最为高效，这意味着它能在使用最少患者数量的同时，依然保持极低的出错风险。

结果：“调优”版本胜出

作者运行了数千次计算机模拟（就像在虚拟厨房里进行 10,000 次汤的测试）。

发现： “调优”后的 CEVAM 版本（称为 CEVAM-T）是最有效的。在几乎所有场景下，它都比旧方法（BOP2）更早地停止了试验。
权衡： 它停止得稍早一些，但并没有错过发现好药的机会。它找到“赢家”的成功率与旧方法几乎完全相同，只是涉及的人数更少了。

现实世界测试：TREND 试验

为了证明它在现实世界中的有效性，作者研究了一项名为 TREND 的过往乳腺癌临床试验。

情况： 该试验因为 44 名患者中有 30 名康复而提前停止。
测试： 作者将 CEVM 的规则应用于这些数据。
结果： CEVAM 达成了一致！它表示：“是的，30 次成功足以提供证据，可以提前停止并判定为成功。”这表明 CEVAM 可以像旧方法一样处理现实世界的数据，但其逻辑更加直接、清晰。

总结

简而言之，这篇论文是在说：“停止使用复杂的、变化的概率规则来判断一种癌症药物是否有效。相反，请使用一个简单的、直接的‘证据计量器’，将药物的表现与固定的基准进行比较。这种新方法（CEVAM）能让你更快地做出决策，使用更少的患者，且更容易解释，同时不会损失准确性。”

技术摘要：基于基准决策的早期肿瘤临床试验中似然比 E-值监测法

问题陈述
早期肿瘤临床试验通常需要制定符合方案的期中规则，以确定实验性方案是否展现出相对于预设临床基准的充分活性。虽然现有的贝叶斯最优 II 期设计（如 BOP2 和 BOP2-FE）提供了用于此类决策的校准计数边界，但这些设计依赖于基于分析先验推导出的后验概率。这些设计利用与样本量相关的后验概率截断函数来定义停止规则。作者指出了这种方法存在的三个局限性：(1) 即使使用无信息先验，证据仍通过后验概率进行量化；(2) 操作性的停止规则是与后验概率阈值挂钩，而非直接的证据度量；(3) 这些规则的有效性依赖于设计阶段的校准，而非直接的序列有效性论证，从而限制了其在任意选择性停止情况下的稳健性。

方法论
本文提出了校准 E-值监测法 (CEVAM)，这是一种似然比证据框架，旨在用 E-值尺度上的似然比证据取代后验概率证据。该方法专门针对监测二元疗效终点的单臂 II 期试验，并针对预设的基准（ $p_0$ 代表不可接受的响应率， $p_1$ 代表具有临床意义的替代率）进行设计。

核心方法论涉及构建两个特定的 E-过程：

疗效 E-过程 ( $ELR_n$ )： 将设计备选方案 $p_1$ 与复合零假设 $p \le p_0$ 中最不利点进行比较的似然比过程。
反向无效 E-过程 ( $FLR_n$ )： 将无前景的速率 $p_0$ 与目标速率 $p_1$ 进行比较的反向似然比过程。

作者证明，在各自的零假设下，这两个过程都是非负超鞅。根据维尔不等式（Ville's inequality），在可选监测下，跨越固定阈值（对于疗效为 $1/\alpha$ ，对于无效性为 $1/\beta$ ）可实现时间一致的 I 类错误控制。

CEVAM 的一个关键特征是推导出了单调响应计数边界。由于似然比统计量是累积响应数 ( $R_n$ ) 的严格单调函数，连续的证据阈值可以转换为每个期中观察的整数边界（ $r_{eff}$ 和 $r_{fut}$ ）。这使得该设计可以以预先制表的边界表形式呈现，而这种格式是临床方案的标准格式。

论文区分了两种实现方式：

固定阈值版本： 直接使用预设的证据阈值 ( $\alpha, \beta$ )。该版本保留了“随时有效”（anytime-valid）的特性，这意味着在任意选择性停止和不规则监测计划下依然有效。
计划观察校准版本 (CEVAM-NT 和 CEVAM-T)： 专为具有固定期中观察次数的常规试验设计。这些版本通过网格搜索校准证据阈值参数 ( $\alpha_{eff}, \beta$ $α_{e f f}, β$ )，以满足在计划观察点时的特定运行特性（I 类错误、效能、预期样本量）：
- CEVAM-NT： 固定无效性参数 ( $\beta$ ) 并仅校准疗效阈值。
- CEVAM-T： 同时校准疗效和无效性阈值以优化效率。

主要贡献

证据尺度的转变： CEVAM 用直接相对于临床基准定义的似然比证据取代了后验概率截断，消除了对贝叶斯分析先验的需求。
方案就绪格式： 该方法通过将 E-过程转换为单调的、整数形式的响应计数边界，保留了 BOP2 类设计的实用性，且这些边界可在试验启动前进行制表。
双重实现框架： 论文提供了既适用于灵活/自适应监测的随时有效固定阈值规则，也适用于标准有限观察试验的计划观察校准规则，弥合了严谨的序列理论与实际临床试验设计之间的鸿沟。
向复杂终点的扩展： 虽然正文侧重于二元终点，但补充材料概述了投影证据原理如何应用于序数、嵌套、共同主要以及疗效-毒性联合终点。

模拟结果
蒙特卡洛模拟将 CEVAM 与现有设计进行了比较：BOP2（仅无效性）、BOP2-FE（包含疗效与无效性的幂函数截断）以及带有 O'Brien-Fleming 型疗效截断的 BOP2-FE。

I 类错误： 所有设计（包括 CEVAM-NT 和 CEVAM-T）在设计零假设（ $p_0 = 0.20$ ）下均成功控制了标称 I 类错误 (0.10)。
效率： 经过调优的 CEVAM-T 设计在所有评估场景下（包括零假设和备选假设下）均实现了最小的预期样本量，优于其他设计。
效能： CEVм-T 保持了与 BOP2-FE 相近的拒绝概率（效能），表明其效率提升并未实质性损害检测有前景方案的能力。
错误消耗： 与将错误消耗集中在最后一次观察的 BOP2-F 设计相比，CEVAM 设计倾向于在试验早期分配更多的 I 类错误概率。

在 TREND 试验中的应用
该方法被回顾性地应用于 TREND 试验（一项关于三阴性乳腺癌新辅助 tislelizumab 的 II 期研究）。利用该试验报告的基准（ $p_0=0.41, p_1=0.56$ ）以及最终的疗效可评价结果（44 例患者中有 30 例病理完全缓解），CEVAM-NT 和 CEVAM-T 均将结果归类为具有足够的早期成功证据，支持停止试验。这证明了可以使用标准的报告设计参数来指定 CEVAM 规则，并且其支持的早期停止决策与原始贝叶斯设计一致。

意义与主张
论文声称，CEVAM 提供了一个无需分析先验、方案就绪的似然比证据尺度，用于基准监测。其主要意义在于将证据尺度从后验概率中解耦，同时保留了临床方案所需的实用边界表格式。

作者谦逊地指出，该方法专门针对“较窄但具有实际重要性”的单臂 II 期基准监测问题，而非通用的双臂随机对照设置。论文结论认为，CEVAM-T 通过减少预期样本量而不牺牲效能，提高了试验效率，为后验截断监测提供了一种灵活的替代方案。未来的工作建议解决延迟结局、替代观察计划以及与多臂剂量优化设计集成的问题。