[論文レビュー] Inference for the Effectiveness of Personalized Medicine with Software

Adam Kapelner, Justin Bleich+4 more|arXiv (Cornell University)|Apr 30, 2014

Advanced Causal Inference Techniques参考文献 40被引用数 5

ひとこと要約

本稿では、患者固有の要因に基づく個別化治療戦略が標準的ケアよりも結果を改善するかどうかを統計的に評価できるようにする、オープンソースのRパッケージPTEを紹介する。単一段階の無作為化試験からの出荷外データを用いたブートストラップリサンプリングにより、PTEは治療改善の信頼区間と仮説検定を提供し、実世界の設定における個別化医療の評価に実用的なツールを提供する。

ABSTRACT

In medical practice, when more than one treatment option is viable, there is little systematic use of individual patient characteristics to estimate which treatment option is most likely to result in a better outcome for the patient. This is due in part because practitioners do not have any easy way to holistically evaluate whether their treatment allocation procedure does better than the standard of care --- a metric we term improvement. Herein, we present easy-to-use open-source software that provides inference for improvement in many scenarios, the R package PTE, Personalized Treatment Evaluator and in the process introduce methodological advances in personalized medicine. In the software, the practitioner inputs (1) data from a single-stage randomized trial with one continuous, incidence or survival endpoint and (2) a functional form of a model for the endpoint constructed from domain knowledge. The bootstrap is then employed on out-of-sample data to provide confidence intervals for the improvement for future patients. One may also test against a null scenario where the hypothesized model's treatment allocations are not more useful than the standard of care. We demonstrate our method's promise on simulated data as well as on data from a randomized trial investigating two treatments for depression.

研究の動機と目的

• 臨床医が個別化治療割り当てが標準的ケアよりも結果を改善するかどうかを評価するための体系的ツールが不足しているという問題に対処すること。
• 実世界のデータを用いた治療改善に関する推論を可能にする、使いやすくオープンソースのソフトウェアソリューションを開発すること。
• 無作為化試験からの出荷外データを用いて、個別化医療における改善の信頼区間と仮説検定を提供すること。
• 臨床的意思決定と個別化治療戦略の統計的評価の間のギャップを埋めること。

提案手法

• 本手法は、連続変数、発症率、または生存時間のアウトカムを有する単一段階の無作為化試験のデータを入力として使用する。
• 分野の知識に基づいて、アウトカムのモデルを指定し、候補となる個別化治療ルールを表す。
• 将来の患者集団を模倣するために、ブートストラップリサンプリングを用いて出荷外データを生成する。
• 改善指標のブートストラップ分布を用いて、治療改善の信頼区間を構築する。
• 個別化モデルの性能が標準的ケアを上回っているかどうかを評価するための仮説検定を実施する。
• 本アプローチはPTE Rパッケージとして実装されており、臨床医や研究者が実用的に応用できる。

実験結果

リサーチクエスチョン

• RQ1 患者の特徴に基づく個別化治療ルールは、臨床現場で標準的ケアよりも良好な結果をもたらすことができるか？
• RQ2 臨床医はどのようにして、個別化治療戦略が標準的ケアをどれほど上回っているかを信頼性を持って定量化できるか？
• RQ3 出荷外データを用いて、治療改善の有意性を評価するための統計的推論フレームワークとして何が利用可能か？
• RQ4 本手法は、連続変数、発症率、または生存時間のアウトカムを有する現実的な臨床試験の状況において、どのように性能を発揮するか？

主な発見

• PTEソフトウェアは、出荷外データに対するブートストラップリサンプリングを用いて、治療改善の妥当な信頼区間を提供した。
• 本手法は、個別化モデルの治療割り当てが標準的ケアを有意に上回っているかどうかを判断する仮説検定を可能にした。
• シミュレーションスタディにより、さまざまなデータ生成シナリオ下での改善の推定の信頼性が示された。
• 実世界のうつ病治療を対象とした無作為化試験に本アプローチを適用した結果、臨床的意思決定における実用的有用性が確認された。
• オープンソースのRパッケージPTEは、多様な臨床現場における個別化医療の評価にスケーラブルかつアクセスしやすいツールを提供する。