📊 statistics

A Globally Calibrated Bayesian Optimal Phase II Design for Adaptive Enrichment Trials

本文提出了一种路径式全局校准的贝叶斯最优 II 期（BOP2）设计，用于自适应富集试验，该设计通过对全人群和生物标志物阳性亚组的决策阈值进行联合校准，在严格控制全局 I 类错误率的同时，通过预设的分支规则实现高效的治疗开发。

原作者： Masahiro Kojima, Hisato Sunami, Masaaki Kuriki

发布于 2026-07-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Masahiro Kojima, Hisato Sunami, Masaaki Kuriki

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试图破解谜题的侦探，但你的预算有限，而且时间紧迫。在医学世界里，这个侦探就是一项临床试验，而谜题则是某种新药是否真的有效。通常情况下，医生会对一大群人进行药物测试，希望能找到治愈方法。但有时，这种药物对大众来说是个“哑弹”，却对携带特定“生物学身份证”（称为生物标志物）的特定人群而言是奇迹。这就是“适应性富集设计”（adaptive enrichment）发挥作用的地方：它就像一个聪明的侦探，开始时会对所有人进行询问，但如果大众中没有提供任何线索，侦探会立即切换赛道，只专注于那些拥有特殊身份证的人。其目标是在不浪费时间和金钱在死胡同里的情况下找到治愈方法。

然而，这种策略中隐藏着一个棘手的陷阱。如果你使用两套不同的规则手册分别测试大众组和特殊组，你可能会在无意中误导自己，让你以为药物有效而实际上并非如此。这就像抛两次硬币；如果你一直不停地抛直到出现“正面”为止，你可能会说服自己这枚硬币具有魔力，尽管你只是运气好而已。科学家们需要一种方法，能让他们在不作弊的前提下运行这个两步走的侦探故事。本文介绍了一种全新的、在数学上完美的规则手册，以确保无论故事如何展开，侦探都能保持诚实。

双路径侦探故事

把临床试验想象成一场分支冒险游戏。你从一个庞大的玩家群体（“全人群”群体）开始。游戏设有检查得分的检查点。如果得分太低，整个人群的游戏就会结束。但这里有一个转折：如果整个人群的得分很低，游戏并不一定会结束。相反，它可能会切换到一个“秘密关卡”，只有持有特定徽章（“生物标志物阳性”亚组）的玩家才能继续游戏。

作者小岛正浩（Masahiro Kojima）及其团队正在解决的问题是：如果你为“人群关卡”和“秘密关卡”分别设计规则，你最终可能会得到一个通过运气就能轻易获胜的游戏。如果你将人群的标准设在一个高度，而将秘密关卡的标准设在另一个高度，你可能会因为在其中一条路径上运气好而误称胜利。这被称为夸大了“假阳性”率——即在药物实际上无效时，却认为找到了治愈方法。

“全局校准”解决方案

本文提出了一种新的设定规则的方法，他们称之为“全局校准贝叶斯最优 II 期设计”。把它想象成一次性设计整个冒险地图，而不是先画前半部分，再画后半部分。

作者没有创建两套独立的规则手册，而是创建了一本观察整个旅程的“总规则手册”。他们会问：“如果药物实际上是无效的，我们在‘人群路径’或‘秘密路径’上声称获胜的可能性是多少？”然后，他们会调整检查点（阈值）的难度，使得这种假性获胜的总概率保持在严格的限制之下（在他们的示例中为 10%）。

以下是神奇之处是如何实现的：

人群路径： 试验从所有人开始。在特定的检查点（在 20、30 和 40 名患者之后），他们会检查药物是否有效。如果药物看起来效果不佳，他们会停止人群路径。
切换： 如果人群路径失败，试验并不会停止。它会立即切换到仅包含生物标志物阳性患者的“秘密关卡”。
秘密路径： 该路径有自己的检查点（在 20、30 和 40 名生物标志物阳性患者之后）。
全局校准器： 作者使用了一种巧妙的数学技巧（称为“精确有限状态递归枚举”）来计算游戏可能进行的每一种方式。他们不仅仅是猜测或进行几次模拟；他们计算了每一种可能性。这使他们能够调整规则，从而确保假警报的总风险始终得到完美控制，无论有多少人拥有该生物标志物。

他们的发现

作者将他们的新设计与旧方法（即分别校准两条路径的方法）进行了对比测试。他们针对不同的场景运行了数据，改变了生物标志物的普遍程度（从 40% 到 80% 的人口比例）以及药物的有效程度。

结果非常明确：

旧方法： 当他们分别校准两条路径时，假警报率会跳升至 12.5% 到 14.5% 之间。这相当于有 1/7 的机会误以为假药是真药，这在医学领域风险过高。
新方法： 通过他们的全局校准设计，假警报率始终安全地保持在 8.5% 到 9.0% 之间，远低于 10% 的安全限制。

他们还观察了当药物确实有效时的情况。他们发现，新设计在寻找真实疗效方面与旧设计一样出色。如果药物对生物标志物组效果极佳，试验能找到它；如果药物对所有人有效，试验也能发现这一点。唯一的区别在于，新设计不会作弊。

为什么这很重要

本文不仅仅是提出了一个新想法，它还提供了一种精确且经过数学证明的方法来运行这些复杂的试验。通过将“人群”和“亚组”视为一个单一且连贯的故事的一部分，作者确保了科学家可以对他们的结果充满信心。他们证明了你可以保持灵活性——从广泛搜索切换到针对性搜寻——而不丢失科学诚信。

最后，这个设计就像是一本精心编写的棋类游戏规则手册。它允许玩家根据发现的线索在中途改变策略，但它保证了游戏的公平性，确保没有人仅仅因为规则草率而宣称胜利。对于医生和患者来说，这意味着可以获得关于哪些治疗方案真正有效以及对谁有效更可靠的答案。

技术摘要：一种用于自适应富集试验的全局校准贝叶斯最优 II 期设计

问题陈述
在 II 期肿瘤学试验中，自适应富集策略允许研究在全人群（all-comer）表现出不足的有效性时，转向在预设的生物标志物阳性亚组中继续进行。当将标准的贝叶斯最优 II 期（BOP2）设计应用于此类分支程序时，会出现一个关键的统计挑战：如果对全人群和生物标志物阳性组分别进行校准，则整个自适应程序产生至少一个假阳性有效性结论的概率（全局 I 类错误）将会膨胀。现有的自适应富集中方法主要集中在随机确证性试验或无缝 II/III 期设计上，这些方法与此处所需的单臂、全人群无效性门控设置有所不同。

方法论
作者提出了一个用于具有二项（并可扩展至复杂分类）终点的单臂自适应富集试验的路径化、全局校准 BOP2 框架。该设计运行如下：

试验结构： 试验首先招募全人群患者。在预设的期中分析时，试验监测全人群中的无效性。如果触发了全人群无效性边界，则停止在一般人群中的招募，并转向富集路径，仅招募生物标志物阳性患者。
决策规则： 该设计利用 BOP2 型幂函数族阈值进行无效性监测。对于在样本量为 $s$ 时的群体 $h$ （全人群 $A$ 或生物标志物阳性组 $+$ ），无效性边界 $b_h(s)$ 定义为：若后验概率 $P(\theta_h \le p_0 | \text{data})$ 超过阈值 $C_h(s) = 1 - \lambda_h (s/N_h)^{\gamma_h}$ ，则停止试验。
全局校准： 与单独校准不同，其调节参数 $(\lambda_A, \gamma_A, \lambda_+, \gamma_+)$ 是联合选择的。目标是控制全局 I 类错误率，即在点全局零假设（ $H_{0,global}: \theta_+ = \theta_- = p_0$ ）下，在全人群群体（ $R_A$ ）或生物标志物阳性亚组（ $R_+$ ）中声称有效的概率。
处理随机性： 校准过程明确考虑了在试验转向富集路径时，可获得的生物标志物阳性患者数量的随机性。为了确保前瞻性实施，决策规则针对所有可达到的首次评估样本量及随后的所有期中观察进行了预设。
精确评估： 对于二项终点，作者推导出了一个完整的、基于有限状态递归枚举的精确过程。该方法计算了所有可能的轨迹（全人群路径 vs. 富集路径）的概率，而不依赖于蒙特卡洛模拟，从而实现了精确的校准和运行特性评估。

核心贡献

统一框架： 本文将 BOP2 框架从特定人群监测扩展到了全局校准的、分支式的自适应富集程序。它将全人群和生物标志物阳性组的有效性决策视为单个全局拒绝事件的组成部分。
精确枚举： 精确递归枚举的推导允许精确计算全局 I 类错误和运行特性，消除了评估二项终点设计时的蒙特卡洛误差。
前瞻性实施： 该设计保留了 BOP2 预设表格化决策边界的简洁性。无需根据观察到的生物标志物流行率或期中结果进行重新校准。
向分类终点扩展： 该框架通过狄利克雷-多项分布（Dirichlet–multinomial）公式扩展到了复杂的分类终点，并通过模拟进行了校准评估（详见补充材料）。

结果
作者通过在零响应概率 $p_0 = 0.20$ 、目标 $p_1 = 0.40$ 且标称 I 类错误 $\alpha = 0.10$ 的情景下进行精确枚举，对该设计进行了评估。

I 类错误控制： 在一系列生物标志物阳性流行率（ $\pi \in \{0.4, \dots, 0.8\}$ ）范围内，所提出的全局校准设计将全局 I 类错误率维持在 8.5% 至 9.0% 之间，低于 10% 的阈值。相比之下，使用单独校准的 BOP2 组件的对比设计表现出膨胀的全局 I 类错误率，范围在 12.5% 至 14.5% 之间。
效能与路径动态： 在备选情景下，声称有效的概率通常随生物标志物阳性响应概率的增加而增加。生物标志物阳性流行率会影响有效性声称的“路径”：较高的流行率通过提高边际响应率增加了提出全人群有效性声称的可能性，并降低了对富集路径的依赖。
比较： 虽然组件化对比设计偶尔显示出更高的表观效能，但这归因于其未能控制全局 I 类错误率，使得该比较在同等误差约束下是无效的。

意义
本文声称，所提出的设计为在全人群无效性决策后结合单独校准的 II 期设计提供了一种原则性的替代方案。通过联合校准阈值，该设计在保留 BOP2 前瞻性简洁性和表格化特性的同时，将其扩展到了完整的分支决策程序中严谨的 I 类错误控制。这使得研究人员能够根据新兴的亚组活性证据来调整目标人群，而不会牺牲统计有效性。作者强调，该框架支持通过积累的证据来支持开发决策，同时保持对整个自适应策略中假阳性结论概率的严格控制。

双路径侦探故事

“全局校准”解决方案

他们的发现

为什么这很重要

技术摘要：一种用于自适应富集试验的全局校准贝叶斯最优 II 期设计

类似论文