基于贝叶斯模型的个体化医学临床试验设计与分析研究

第一， 研究作者、机构与发表信息

本研究由美国堪萨斯大学医学中心生物统计学与数据科学系的Chuanwu Zhang, M.S.、Matthew S. Mayo, Ph.D.、Jo A. Wick, Ph.D. 和 Byron J. Gajewski, Ph.D. 共同完成。通信作者为Byron J. Gajewski, Ph.D.。该研究以论文《Designing and analyzing clinical trials for personalized medicine via Bayesian models》的形式，发表于期刊 Pharm Stat（《医药统计学》）2021年第3期（第20卷，第573-596页），并于2022年5月1日发布于PubMed Central。

第二， 学术背景与研究目的

本研究的科学领域属于生物统计学与临床试验方法学，具体聚焦于个体化医学（Personalized Medicine）背景下的临床试验设计与分析方法。个体化医学旨在根据患者的特征（如生物标志物、风险因素、人口统计学特征）为其量身定制治疗方案。然而，验证治疗在不同患者亚组中疗效差异的个体化随机对照试验（RCTs）面临着多重挑战：如何在识别亚组疗效的同时，控制整体I类错误率和亚组假阳性率，并在不牺牲统计学严谨性的前提下优化研究资源（如时间、样本量）的使用，是亟待解决的关键问题。

近年来，学者们提出了多种频率学派和贝叶斯学派的方法来识别亚组治疗效果。贝叶斯自适应设计因其灵活性（便于构建从简单到复杂的模型）、便于通过期中分析（Interim Analysis）进行前瞻性决策、以及能够直接提供“某治疗对特定亚组最优的概率”等直观解释，在个体化前瞻性RCTs中展现出潜在优势。美国食品药品监督管理局（FDA）的指南也鼓励在个体化自适应设计中使用预先设定的期中分析来评估亚组因素并相应调整入组。然而，针对亚组治疗效应识别的贝叶斯模型研究，尤其是在结合纵向数据（Longitudinal Data）建模与期中分析的综合性设计方面，尚有深入探索的空间。

本研究正是在“设计与分析个体化医学临床试验”（DACTPerM）国家工作组的背景下开展的。其核心目标是：在一个前瞻性、确认性的研究环境中，评估和比较不同贝叶斯模型在识别亚组治疗效果方面的性能，并探索期中分析与纵向数据建模对研究设计关键特征的影响。研究旨在为未来的个体化医学研究（包括离散终点或时间-事件终点）提供高效、严谨的统计设计参考。

第三， 详细研究流程与方法

本研究采用基于模拟（Simulation-based）的研究范式，系统评估了不同贝叶斯模型在多种预设情景下的“操作特征”（Operating Characteristics），包括把握度（Power）、预期样本量（Expected Sample Size）和研究持续时间（Study Duration）。研究并非在真实患者身上进行，而是通过大量计算机模拟来比较不同设计方案的表现。

1. 核心模型设定： 研究比较了三种贝叶斯模型作为统计分析计划候选： * 成对独立模型（Pairwise Independent Model）： 为每个亚组单独设置先验分布，假设各亚组的治疗效果参数（γ_g和θ_g）相互独立。模型简单直接，但未利用亚组间的潜在关联信息。 * 层次模型（Hierarchical Model）： 通过为各亚组的治疗效果参数设定共同的先验分布（超先验），实现“借力”（Borrowing Strength）于所有亚组。该模型假设各亚组效应围绕一个共同的总体均值分布，可以根据数据相似性自动调整向中心收缩的程度。研究中使用了基于正态-逆伽马分布的共轭先验结构，并采用了来自示例研究的弱信息先验（Weakly Informative Priors）。 * 聚类层次模型（Cluster Hierarchical Model）： 作为层次模型的替代，该模型采用狄利克雷过程（Dirichlet Process， DP）先验。它将亚组视为可能来自不同“簇”（Cluster），同一簇内的亚组共享相同的效应分布，而不同簇的分布可以不同。这种非参数贝叶斯方法对超先验设定的依赖更小，在缺乏足够先验信息指定亚组间确切关系时更具稳健性。研究中将DP尺度参数（α）设为2。

2. 研究设计考量与功能参数输入： 模拟不仅考虑了分析模型，还整合了真实临床试验设计中的多种功能因素： * 期中分析： 设计比较了包含与不包含期中分析的情况。期中分析在半数受试者入组时进行。提前成功（Early Success）的标准被定义为：所有亚组的某一治疗臂优于另一治疗臂的后验概率超过预设阈值。若满足此条件，研究将提前停止（所有亚组均成功）。无论是否提前停止，研究最终都会进行最终分析。 * 最终分析： 最终成功（Final Success）的标准定义为：任一亚组的某一治疗臂优于另一治疗臂的后验概率超过预设阈值。该阈值与期中分析的阈值不同，需通过模拟校准，以确保在零效应（无治疗差异）情景下，整体I类错误率控制在5%以内（其中期中分析部分消耗小于0.005）。 * 纵向数据建模与插补： * 模拟： 当设计包含纵向建模时，使用整合双组分预测法（Integrated Two-Component Prediction， ITP）来模拟受试者在多次访视中的纵向数据。ITP允许终点随时间呈指数模型变化，并包含个体特异性随机效应，确保模拟的纵向过程（反应缓慢稳定地达到终点值）符合示例研究的医学观察，且不影响最终终点的分布。 * 插补： 使用简单线性回归（Simple Linear Regression， SLR）进行贝叶斯多重插补（Multiple Imputation），用于估计期中分析时尚未观察到的终点值，或最终分析时的缺失数据。基于观察到的访视数据，通过SLR模型预测最终终点的分布进行插补，同时考虑了模型参数估计和预测本身的不确定性。 * 虚拟情景设定： 为了全面评估设计性能，研究预设了多种虚拟治疗效果情景，模拟真实世界中可能出现的不同疗效模式，包括：中等且同质效应、较小且同质效应、离散效应（各亚组效应值不同但方向相同）、相反效应（部分亚组A臂优，部分B臂优）和单金块效应（仅一个亚组有较强效应，其余无效应）。 * 其他参数： 模拟参数（如入组率、脱落率、访视安排、随机化比例1:1、亚组样本量等）均基于一个真实的疼痛控制研究（PAIN-CONTRoLS）进行设定。例如，设定每个亚组的目标样本量为100人，研究持续12周，共进行3次访视。

3. 模拟执行流程： 研究构成了一个三因素设计：分析模型（3种）x 期中分析（有/无）x 纵向建模（有/无），共12种研究设计方案。对每一种设计方案，首先在“零效应”情景下进行大量模拟（如10，000次），通过迭代调整期中分析和最终分析的成功概率阈值，将整体I类错误率校准至约5%。然后，将校准得到的阈值固定，应用于所有其他备择假设情景（中等效应、离散效应等），再次进行模拟，以计算在各种疗效模式下的把握度、预期样本量和研究持续时间等操作特征。研究分别对包含4个和8个亚组的情况进行了模拟分析。

第四， 主要研究结果

模拟结果通过亚组把握度、总体把握度、预期样本量和平均研究持续时间等多个维度进行了详细比较。

1. 亚组把握度（Subgroup Power）： 在所有设计方案（无论是否包含期中分析或纵向建模）和各种虚拟情景下，层次模型在识别各亚组治疗效应方面几乎始终表现最佳，其亚组把握度最高。聚类层次模型在多数情况下表现次之，特别是在“相反”和“单金块”情景下，其性能略低于层次模型，但仍优于成对独立模型。成对独立模型的亚组把握度通常最低。当亚组数量从4个增加到8个时，这一性能排序保持一致，且层次模型的优势更为明显。纵向建模的引入通常会轻微提升所有模型的亚组把握度，因为数据插补利用了更多信息。而期中分析的引入，由于提前成功标准更为严格（要求所有亚组同时成功），通常会带来轻微的把握度下降，这是为换取可能的样本量节省所做的权衡。

2. 总体把握度（Overall Power/Study Success）： 总体把握度（研究被判定为成功的概率）的结果模式与亚组把握度相似。在“中等且同质效应”和“离散效应”等有利情景下，三种模型的总体把握度都较高且差异不大。然而，在更具挑战性的“相反”和“单金块”情景下，层次模型的总体把握度显著高于其他两种模型，聚类层次模型次之，成对独立模型最低。例如，研究还将层次模型（不包含期中分析和纵向建模）与经典的频率学派两独立样本t检验（忽略亚组差异）进行了比较，发现在“相反”和“单金块”情景下，贝叶斯层次模型的总体把握度远高于t检验，凸显了其识别异质性亚组效应的能力。纵向建模的加入同样带来总体把握度的轻微提升。

3. 样本量与研究持续时间： 对于不包含期中分析的设计，样本量是固定的（每个亚组100人）。而对于包含期中分析的设计，在治疗效应明显且一致的情景下（如“中等且同质效应”、“离散效应”），层次模型和聚类层次模型能够实现显著的样本量节省。例如，在4亚组、含期中分析、无纵向建模的设计中，层次模型在“中等且同质效应”情景下的预期样本量比固定样本量设计减少了156人（从400降至约244）。纵向建模的加入进一步略微扩大了这种节省。然而，在“相反”和“单金块”情景下，由于疗效模式复杂，难以达到所有亚组同时成功的严格提前停止标准，因此包含期中分析的设计预期样本量接近或等于最大样本量，此时成对独立模型（由于未进行“借力”，各亚组更易独立达到成功标准）的预期样本量反而略低。研究持续时间与样本量的变化趋势高度相关。

第五， 结论与研究价值

本研究通过系统的模拟研究，得出以下核心结论： 1. 模型选择： 贝叶斯层次模型是识别亚组治疗效果的最优方法。它通过跨亚组“借力”，能够有效提升把握度，并在效应一致的情景下显著节省样本量。聚类层次模型（基于狄利克雷过程）是一个极佳的备用选择，特别是在缺乏足够信息来精确指定层次模型的超先验时，它因其对先验设定的稳健性而表现出色。 2. 期中分析的作用： 在研究中引入预先设定的期中分析，能够通过调整提前停止标准，在把握度与预期样本量之间实现权衡。在治疗效应明确的情景下，可以大幅减少样本量和研究时间，而仅承受轻微的把握度损失。研究者可以通过调整期中分析策略（如分析次数、时机、样本量分配）和成功阈值来定制这种权衡。 3. 纵向建模的贡献： 引入纵向数据建模（ITP模拟与SLR插补）能轻微改善研究的把握度。其效果取决于待插补数据的比例以及纵向模型与数据特征的契合度。本研究首次将ITP和SLR相结合用于个体化医学试验的纵向数据模拟与插补。

本研究的科学价值在于，它为个体化医学确认性临床试验提供了一套完整、可操作的贝叶斯设计与分析框架，并通过模拟量化了不同设计选择下的性能表现。其应用价值在于，能够指导临床研究者根据对亚组疗效模式的初步认知、资源约束和对风险的容忍度，选择最合适的统计模型与设计要素（是否及如何设置期中分析、是否处理纵向数据），从而设计出既高效又严谨的临床试验。

第六， 研究亮点

1. 系统性比较框架： 研究首次将三种关键的贝叶斯模型（成对独立、层次、聚类层次）、期中分析决策和纵向数据建模整合在一个统一的模拟框架中进行全面、系统的性能比较，覆盖了从4亚组到8亚组、从同质效应到复杂异质效应的多种情景。
2. 操作特征导向的设计优化： 研究强调以把握度、I类错误率、样本量和研究持续时间等“操作特征”作为评价和优化设计方案的客观标准，而非仅仅关注模型的理论属性，这使得研究结论对实际临床试验设计具有直接的指导意义。
3. 创新性的方法组合： 研究开创性地将整合双组分预测法（ITP） 用于模拟符合医学观察规律的纵向数据，并将简单线性回归（SLR）用于贝叶斯多重插补，为处理个体化医学试验中的纵向与缺失数据问题提供了实用方案。
4. 对现实复杂性的考量： 研究没有停留在理想化的模型比较，而是深入考虑了真实试验中的关键功能参数（如入组率、脱落率、访视计划）以及严格的I类错误率控制（包括对期中分析部分的错误消耗进行分配），使得模拟环境高度贴近现实。
5. 明确的实践指南： 研究结论清晰、直接，为不同情境下的模型选择提供了明确的建议（首选层次模型，信息不足时选用聚类层次模型），并阐明了期中分析和纵向建模的预期收益与代价，有助于降低方法学应用门槛。

第七， 其他有价值的内容

研究还讨论了一些重要的延伸问题和未来方向： * 先验设置的重要性： 强调了层次模型的性能对超先验设置的敏感性，指出在实际应用中，应根据已有知识或采用弱信息先验来谨慎设定。 * 扩展性： 指出本研究虽然针对连续型终点，但所述方法学框架（特别是层次模型与期中分析结合的策略）可以拓展应用于分类终点或时间-事件终点的个体化医学研究。 * 缺失数据机制： 指出本研究假设数据为随机缺失（MAR），未来可探索在非随机缺失（MNAR）等其他机制下的插补方法。 * 与自适应随机化的区别： 明确了本研究关注的是基于期中分析结果的治疗效应识别与决策（如停止入组），而非基于反应的自适应随机化（Response-Adaptive Randomization， RAR）来调整各臂的分配比例，厘清了研究范围。