FDA は、臨床試験に関する規制上の意思決定に情報を提供するためにベイズ統計を使用することをどのように推奨していますか? – ヘルスケアエコノミスト

ベイズ手法に関する FDA の 2026 年 1 月ガイドライン草案 医薬品および生物製剤の治験では、臨床試験に関する規制上の意思決定にベイジアン手法が使用されることを明確に検討していることがわかります。このガイダンスでは、ベイジアン設計が解釈可能であり、必要に応じてエラー率を制御し、有効性の実質的な証拠に貢献できる証拠を生成できるように、スポンサー (つまり、製薬会社) が事前分布、成功基準、およびシミュレーションをどのように事前に指定すべきかを示しています。この文書では、特に過去の試験や現実世界のデータなどの外部情報を借用する場合、以前の建設と運用の特性に関する透明性も強調しています。

ベイズ統計の応用例

このガイダンスでは、ベイジアン手法がすでに提出されているいくつかの繰り返し適用分野に焦点を当てています。

• 以前の臨床試験からの借用: 特定の状況下では、再発性クロストリジウム・ディフィシル感染症における以前の第 2 相試験のデータを正式に組み込んだ REBYOTA 第 3 相試験など、同じ薬剤の以前の研究の結果に基づいて、試験に関する有益な事前情報を作成することができます。
• ランダム化された同時コントロールを外部コントロールまたは非同時コントロールで拡張する: GBM AGILE および Precision Promise プラットフォーム試験、および小児多発性硬化症の非劣性研究で提案されているように、採用が困難な環境や倫理的に困難な環境では、外部または非同時対照データで同時対照群を補うことができます。
• 小児外挿: 疾患の経過と薬理が成人と小児で十分に類似している場合、小児の 2 型糖尿病に対するエンパグリフロジンおよびリナグリプチンのプログラムに見られるように、成人のデータは、関連性を慎重に評価した上で、小児の有効性と用量について事前に有益な情報を提供することができます。
• 類似の疾患または疾患のサブタイプにわたる借入: 関連する症状 (分子変化を共有する腫瘍や関連するてんかんなど) については、ベイジアン手法 (多くの場合、階層モデルを介します) により、異質性を許容しながら、バスケット スタイルの設定で適応症やサブタイプ全体で情報を共有できます。
• 試験内のサブグループ間の借用（サブグループ分析）: リラグルチド心血管アウトカム結果試験やリンヴォクを含むいくつかの薬物試験スナップショットで示されているように、ベイジアン階層モデルと収縮は、全体的な効果に向けて部分的にプールすることにより、サブグループ推定値 (例: 地域的効果) を安定化できます。
• 腫瘍学における用量決定試験: ベイジアン モデルベースおよびモデル支援用量漸増設計 (CRM、BLRM、BOIN、mTPI/mTPI-2、EWOC、および事業ベースのアプローチ) を使用して、最大耐容線量またはその他の最適化された線量を従来の 3+3 設計よりも効率的かつ柔軟に特定します。

事前調査に対する FDA の見解

このガイダンスでは、事前分布を 3 つの広範なクラスに分類し、それぞれについて実践的な解説を提供しています。

• 有益ではない、または最小限の情報しか提供しない 事前分布は、一般的な不確実性を符号化するツールとして構成されており、関連する事前証拠がない場合に適していることがよくありますが、FDA は、事前分布が弱いデータ設定では依然として意図しない影響を与える可能性があるため、シミュレーション（有効なサンプルサイズと感度チェックを含む）によって評価する必要があると述べています。
• 懐疑的な事前知識 これらは、治療領域で複数のプログラムが失敗した後や、漸進的な利益しか考えられない場合など、大きな効果量を慎重に検討する必要がある場合に合理的であり、タイプ I エラー制御を維持しながら初期のランダムな高値を抑えるための適応設計における潜在的なツールとして説明されています。
• 有益な事前情報 外部情報（例：小児科、希少疾患、またはプラットフォーム試験）を借用するものは原則として許容されますが、「強力な正当化」、関連性と不確実性の明示的なモデリング、事前データの矛盾の正式な評価、借用量の慎重な調整（多くの場合、動的割引、階層モデル、または混合事前分布を介して）が必要です。

有益な事前情報を提供するために使用されるデータについて、FDA は、情報源が次の条件を満たす必要があることを強調しています。高品質で信頼性が高く（現実世界のデータについては特別な精査が行われている）、体系的な証拠総合計画（包含基準、分析方法、範囲）で事前に指定されており、特定の推定値と設定（人口、エンドポイント、同時発生イベントの処理、最新性、進化する治療標準）に関連しており、理想的には可能な限りランダム化され患者レベルであり、透明性のある文書化されている必要があります。研究を除外する理由も含めて。

このガイダンスの他の重要なトピックには、成功基準と運用特性、以前の影響を定量化する (例: 有効なサンプル サイズ) などがあります。 [ESS])、ベイズ設定、ソフトウェア、計算 (マルコフ連鎖モンテカルロを含む) における推定値と欠損データ [MCMC] 診断）、ベイジアン分析の文書化と報告に対する期待。

詳細に興味のある読者は、次の URL でドラフト ガイダンスを参照してください。 https://www.fda.gov/media/190505/download。