[论文解读] Time-to-Event Model-Assisted Designs to Accelerate Phase I Clinical Trials

Ruitao Lin, Ying Yuan|arXiv (Cornell University)|Jul 23, 2018

Statistical Methods in Clinical Trials参考文献 25被引用 4

一句话总结

本文提出 TITE-keyboard，一种基于模型的 I 期临床试验设计，通过预先列出剂量递增/递减规则，简化了在快速入组或迟发性毒性情况下的决策过程。该方法采用一种新颖的似然近似方法处理待定的毒性数据，在性能上可与复杂的模型基方法（如 TITE-CRM）相媲美，同时比现有替代方案实现起来简单得多。

ABSTRACT

Two useful strategies to speed up drug development are to increase the patient accrual rate and use novel adaptive designs. Unfortunately, these two strategies often conflict when the evaluation of the outcome cannot keep pace with the patient accrual rate and thus the interim data cannot be observed in time to make adaptive decisions. A similar logistic difficulty arises when the outcome is of late onset. Based on a novel formulation and approximation of the likelihood of the observed data, we propose a general methodology for model-assisted designs to handle toxicity data that are pending due to fast accrual or late-onset toxicity, and facilitate seamless decision making in phase I dose-finding trials. The dose escalation/de-escalation rules of the proposed time-to-event model-assisted designs can be tabulated before the trial begins, which greatly simplifies trial conduct in practice compared to that under existing methods. We show that the proposed designs have desirable finite and large-sample properties and yield performance that is superior to that of more complicated model-based designs. We provide user-friendly software for implementing the designs.

研究动机与目标

• 解决 I 期试验中延迟毒性评估与快速患者入组带来的实时自适应决策困难问题。
• 开发一种模型辅助设计，在保持算法基方法简单性的同时，达到复杂模型基设计的性能水平。
• 实现透明的、预先表格化的剂量寻找规则，无需在试验执行过程中反复拟合模型。
• 通过降低实现负担，提升先进设计的实际应用程度，同时不牺牲统计效率。

提出的方法

• 提出一种新颖的似然近似方法，以处理待定的毒性数据，实现不完整随访数据在决策规则中的无缝整合。
• 将时间-事件持续重新评估方法（TITE-CRM）框架进行适配，以支持预先表格化的剂量分配决策。
• 采用基于观察到的和待定的毒性结果的简化、表格化决策规则，避免实时模型拟合。
• 通过加权方案（如均匀或分段均匀）纳入对毒性发生时间的先验信息，提升稳健性。
• 采用保守规则，除非有足够的随访数据，否则禁止剂量递增，从而增强安全性。
• 推导出理论性质，如单调性、一致性与相合性，以确保剂量进展的逻辑性与统计合理性。

实验结果

研究问题

• RQ1 能否开发一种模型辅助设计，在保持高性能的同时，具备临床使用所需的简洁性与透明性？
• RQ2 如何在不依赖复杂实时计算的情况下，处理快速入组或迟发性事件带来的待定毒性数据？
• RQ3 基于似然近似构建的表格化决策规则，是否在准确性和安全性方面优于现有基于算法的设计（如 R6）？
• RQ4 该设计对毒性发生时间、队列大小和入组率的变化具有多大稳健性？

主要发现

• TITE-keyboard 的运行特性与更复杂的 TITE-CRM 相当，且实现难度显著更低。
• 模拟结果表明，TITE-keyboard 在识别最大耐受剂量的准确性以及患者分配的安全性方面均优于 R6 设计。
• 该设计在 12 种不同的模拟配置下均表现稳健，涵盖不同的毒性发生模式、队列大小和入组率。
• TITE-keyboard 在降低患者过量给药风险和分配不良方面优于 TITE-mTPI 设计，更适合实际应用。
• TITE-keyboard 的性能对处理待定毒性数据的加权方案选择不甚敏感，进一步增强了其实际稳健性。