2026年11月22日 星期日
临床试验

临床试验中的贝叶斯自适应剂量探索:从传统3+3设计到模型辅助的范式跃迁

引言 在肿瘤早期临床试验中,剂量探索是决定后续开发成败的关键环节。传统3+3设计因其操作简单而被广泛采用,但其固定规则无法利用累积数据动态调整剂量,往往导致推荐剂量(RP2D)偏离最优区间。近年来,贝叶斯自适应设计凭借其模型辅助的灵活性,正逐步改变这一局面。 从规则到模型:方法学演进 3+3设计仅根据当前队列的剂量限制性毒性(DLT)决定下一步剂量,不评估剂量-毒性曲线的整体形状。而贝叶斯自适应设计通过先验分布和似然函数更新后验,可实时估计各剂量水平的DLT概率,并动态分配受试者至更优剂量。例如,连续重评估方法(CRM)和贝叶斯最优区间(BOIN)设计,已在多项I期试验中展现出更高的RP2D正确选择率。 一项模拟研究对比了3+3、CRM和BOIN在相同场景下的表现:当真实DLT率为20%时,3+3仅有约45%的概率正确选择RP2D,而BOIN和CRM分别达到65%和62%。同时,贝叶斯设计将更多受试者分配至治疗剂量附近,减少了无效低剂量暴露。 案例:BOIN设计在实体瘤I期试验中的实践 某国产PD-1抑制剂的多中心I期试验采用BOIN设计,计划纳入30例受试者,预设6个剂量...

## 引言 在肿瘤早期临床试验中,剂量探索是决定后续开发成败的关键环节。传统3+3设计因其操作简单而被广泛采用,但其固定规则无法利用累积数据动态调整剂量,往往导致推荐剂量(RP2D)偏离最优区间。近年来,贝叶斯自适应设计凭借其模型辅助的灵活性,正逐步改变这一局面。 ## 从规则到模型:方法学演进 3+3设计仅根据当前队列的剂量限制性毒性(DLT)决定下一步剂量,不评估剂量-毒性曲线的整体形状。而贝叶斯自适应设计通过先验分布和似然函数更新后验,可实时估计各剂量水平的DLT概率,并动态分配受试者至更优剂量。例如,连续重评估方法(CRM)和贝叶斯最优区间(BOIN)设计,已在多项I期试验中展现出更高的RP2D正确选择率。 一项模拟研究对比了3+3、CRM和BOIN在相同场景下的表现:当真实DLT率为20%时,3+3仅有约45%的概率正确选择RP2D,而BOIN和CRM分别达到65%和62%。同时,贝叶斯设计将更多受试者分配至治疗剂量附近,减少了无效低剂量暴露。 ## 案例:BOIN设计在实体瘤I期试验中的实践 某国产PD-1抑制剂的多中心I期试验采用BOIN设计,计划纳入30例受试者,预设6个剂量水平(0.3–10 mg/kg)。试验前设定目标DLT率为25%,并利用先验信息(同类药物数据)构建保守先验。在入组至第4剂量水平(3 mg/kg)时,6例中仅1例出现DLT,后验概率显示该剂量DLT率低于30%的概率为82%,设计自动允许继续爬坡至5 mg/kg。最终RP2D确定为5 mg/kg,并顺利进入II期。相比传统3+3设计,该试验节省了约4个月时间,且RP2D的疗效暴露量更接近临床获益区间。 ## 实施挑战与应对策略 贝叶斯自适应设计对统计师和临床团队提出了更高要求:需预先模拟操作特性、制定剂量跳跃规则、建立实时数据清理流程。此外,多中心试验中DLT评估的异质性可能引入偏倚,需通过统一培训与中心间一致性核查来缓解。目前,国内已有CRO开发了基于云端的贝叶斯剂量探索平台,支持实时后验计算与决策建议,降低了实施门槛。 ## 展望 随着监管科学的发展,FDA和NMPA均鼓励在探索性试验中采用创新设计。贝叶斯自适应剂量探索不仅提升了试验效率,更体现了“以受试者为中心”的伦理考量——让更多患者暴露于潜在获益剂量。未来,结合暴露-反应模型和生物标志物的联合建模,有望进一步优化剂量选择,加速创新药临床开发。