[论文解读] 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 5

一句话总结

本文介绍了PTE，一个开源R软件包，使临床医生能够通过患者特异性因素的个性化治疗策略，统计评估其相对于标准治疗的疗效改进。利用单阶段随机试验的样本外数据进行自助抽样，PTE为治疗改进提供置信区间和假设检验，为在真实世界环境中评估个性化医疗提供了实用工具。

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.

研究动机与目标

• 为解决临床医生缺乏系统性工具来评估基于患者特征的个性化治疗分配是否优于标准治疗的问题。
• 开发一种用户友好、开源的软件解决方案，利用真实世界数据实现对治疗改进的推断。
• 基于随机试验的样本外数据，为个性化医疗中的改进提供置信区间和假设检验。
• 弥合临床决策与个性化治疗策略统计评估之间的差距。

提出的方法

• 该方法以单阶段随机试验中具有连续性、发生率或生存期终点的数据作为输入。
• 基于领域知识指定终点的模型，代表候选的个性化治疗规则。
• 通过自助抽样生成样本外数据，以模拟未来的患者人群。
• 利用改进指标的自助抽样分布构建治疗改进的置信区间。
• 执行假设检验，以评估个性化模型的性能是否显著优于标准治疗。
• 该方法已通过PTE R软件包实现，使临床医生和研究人员能够实际应用。

实验结果

研究问题

• RQ1 基于患者特征的个性化治疗规则是否能在临床实践中带来优于标准治疗的疗效？
• RQ2 临床医生如何可靠地量化个性化治疗策略相对于标准治疗的改进程度？
• RQ3 可采用何种统计推断框架，利用样本外数据评估治疗改进的显著性？
• RQ4 在具有连续性、发生率或生存期终点的现实临床试验场景中，该方法表现如何？

主要发现

• PTE软件包成功利用样本外数据的自助抽样，为治疗改进提供了有效的置信区间。
• 该方法可实现假设检验，以确定个性化模型的治疗分配是否显著优于标准治疗。
• 模拟研究证明了该方法在各种数据生成情景下对改进程度估计的可靠性。
• 该方法在一项真实世界抑郁症治疗随机试验中得到验证，显示出在临床决策中的实际应用价值。
• 开源R软件包PTE提供了一种可扩展且易于获取的工具，适用于在多种临床环境中评估个性化医疗。