临床试验中的适应性设计

在整个药品、诊断和医疗器械行业，采用自适应设计的步伐正在加快。为了更多地了解自适应设计，它的好处和含义，我采访了Aptiv Solutions公司自适应试验设计与实施高级副总裁Judith Quinlan。

AB:你能解释一下什么是适应性临床试验吗?

朱迪思·昆兰(JQ):许多人将自适应设计与因无用而提前终止研究而节省的成本联系在一起塔夫茨药物开发研究中心最近的分析每年可节省1 - 2亿美元的大型投资组合。

然而，自适应设计的真正价值在于其独特的能力，为成功或失败的真正仲裁者提供更好的数据和更聪明的答案，例如确定适当的患者亚群和建模剂量-反应关系。

无论预期的应用是什么，自适应设计试验都是“按”自适应设计，分阶段进行，允许在每个阶段结束时对无盲数据进行中期分析。在收集到的数据的基础上，就未来的试验进行做出决定。试验是“通过”设计进行适应的，因为重要的是，这些不是在过程中进行的临时更改，而是对试验设计中指定的参数进行预先计划的适应。

AB:与传统的临床试验相比，这种方法有什么好处?

JQ:在规划传统设计时，会对变异性、效应量、安慰剂反应和退出率做出假设，并就治疗方法、研究人群和样本量做出决定。这些假设往往基于有限的信息，直到试验结束，我们才会发现一种药物或设备是否成功，是否研究了正确的治疗方法或人群，或者其他计划假设是否正确。

相比之下，适应性试验允许您在试验过程中检查这些规划假设并进行调整，例如增加成功或有希望的治疗方法的样本量以获得更明确的信息并增加成功的机会，在试验结束时停止成功机会很小的治疗方法的招募，调整随机化比例，或可能因无效或成功而提前停止试验。在试验的中间阶段而不是等到试验结束时进行这些调整的能力增加了试验每一美元所花费的信息价值，通过提供更多关于成功或失败的定量信息来改善决策，并通过第一次获得正确答案来减少返工和成本。

AB:尽管适应性设计有望在临床试验中应用，但为什么采用率如此之低?

JQ:虽然与传统试验相比，采用率可能仍然很低，但在过去十年中，适应性试验已经有了巨大的发展。这是由于可用性监管机构指导统计学家对自适应设计方法的理解日益加深，这可以归因于更多的教育和更广泛的自适应设计软件工具的可用性。

在统计界之外，我们也看到了非常有希望的迹象，一些大型制药公司的高级管理人员将适应性设计视为一种更好地管理其投资组合成本和资源的方法，并增加有前途的化合物成功的概率。然而，关于自适应设计的好处的误解仍然存在。随着临床试验过程中涉及的其他各方(如医务人员、内部监管小组和操作团队)对适应性试验的了解和了解，采用将会增加。

AB:在你看来，我们目前的状况如何，需要做些什么来提高摄取?

JQ:今天，我们看到越来越多的人采用更简单的自适应方法，如样本量重新估计，因无效而提前停止，以及一些更简单的剂量范围试验设计。这些类型的设计很受欢迎，因为它们对当前的IT系统和执行过程造成的破坏很小，而且越来越多的统计学家可以使用自适应设计软件工具。

虽然这些方法确实为后期试验提供了好处，但就适应性试验设计的可能性而言，它们只是冰山一角。适应性试验在早期开发中存在更大的机会，在早期开发中，必须首先回答关于初始安全性、概念证明和理解剂量反应的问题(例如，药物在预期人群中是否有效，以及在III期研究的最佳剂量是多少)。在这个早期阶段，我们的工作有更多的不确定性，不仅是关于变异性假设，还关于什么是正确/最佳的研究人群，什么是正确/最佳的剂量频率，以及什么是最佳的研究剂量。在这种环境下，适应性试验设计提供了巨大的前景。尽管与后期阶段使用的更简单的自适应方法相比，它们的执行和设计往往更具挑战性，但使用这些更复杂的自适应设计将产生更好的决策。

一般来说，随着教育将自适应知识扩展到统计社区之外，增加的吸收最终必须解决IT基础设施和流程，以支持对更简单方法的增加吸收和早期阶段自适应试验的复杂性的增加。特别是，那些追求更复杂的自适应设计以改善决策(而不是为了无用而提前终止研究)的组织需要采用更健壮的IT基础设施，以支持电子数据捕获(EDC)、随机化和药物供应管理的真正集成。

朱迪斯·昆兰接受了技术网络执行编辑阿什利·博登的采访。188金宝搏备用你可以找到阿什利谷歌+并关注科技网络188金宝搏备用推特．