开发“渐冻症”——肌萎缩性脊髓侧索硬化症（ALS）的新药物是十分困难的。在过去的30年里，有超过70种治疗性化合物被评估，结果只是在预期寿命方面有很小的提高或部分改善了病情的发展速度。ALS临床试验中的高无效率，以及与患者相关的风险，强调了开发更有效的策略的重要性——无论是在伦理上还是在经济上，以更快地识别无效或有害的治疗方法，从而改善试验参与者的安全，并尽量减少时间、资金和资源的损失。

为此，在这项研究中，来自英国谢菲尔德大学的学者介绍了一种优化ALS临床试验中期分析计划的算法，以更好地利用现有的时间和资源，并尽量减少患者接触无效或有害药物的机会。研究人员开发了一种基于模拟的算法，通过整合关于ALS临床试验成功率的先验知识和早期研究中获得的药物特定信息来确定最佳中期分析方案。通过改变中期分析的数量和时间，以及关于何时停止试验的决策规则来优化中期分析方案。

结果显示，研究人员为每项试验评估了183-1351个独特的中期分析方案。应用最佳设计可以正确地确定缺乏疗效，可以提前1.2-19.4个月结束所有的研究（减少4.6%-57.7%的试验时间），并且可以减少1.7%-58.1%的随机患者数量。为了扩大预期治疗效果的不确定性，研究中定义了一个混合分布，从β分布中抽取对数-HR的标准误差，其概率为0.335，1-0.071的概率为1.06（即为历史数据方差的10倍）。通过模拟，研究结果说明了其他治疗方案的效率。在大多数情况下，优化后的中期分析方案优于传统的中期设计。

综上，本研究的算法利用先验知识来确定ALS临床试验中预期治疗效果的不确定性，并优化了中期分析的规划。改善ALS的无效性监测可以最大限度地减少患者接触无效或有害的治疗，并带来显著的伦理和效率的提高。

 

参考文献：

Development and Evaluation of a Simulation-Based Algorithm to Optimize the Planning of Interim Analyses for Clinical Trials in ALS. https://doi.org/10.1212/WNL.0000000000207306

Tags： Neurology：开发和评估基于模拟算法以优化“渐冻症”ALS临床试验的中期分析规划