FDA における革命: 臨床試験の結果を分析するためのより適切な数学的手法

そして FDA長官の簡単なツイートマーティ・マカリー博士は次のように発表しています。 アメリカの政府機関の新しい方向性 ベイズ統計の使用については大きな話題を呼びました。 「 この方向性の重要性はどれだけ強調してもしすぎることはありません。これは、臨床研究を近代化し、臨床試験におけるベイズ手法の使用を促進するという FDA の取り組みを強調しています。 » に掲載された展望記事を参照して、彼は書いた。 自工会 2026 年 3 月 23 日。

これは専門家向けの技術的な発表ではありません。これは、将来の新薬の試験と承認の方法に影響を与える大きな変更です。

しかし、これによって実際に何が変わるのでしょうか?

これがなぜ重要なのかを完全に理解するために、すべての患者が尋ねる最も単純な質問を想像してみましょう。 この薬は本当に私に効きますか？ »

1世紀以上にわたり、医学では主に 「」と呼ばれる方法 頻繁主義者 »。非常に簡単に言うと、この方法は患者の質問に直接答えるものではありません。むしろ、彼女は回りくどい質問をします。 薬がまったく効かない場合、まったくの偶然でこのような結果が得られる可能性はどのくらいあるでしょうか? » この確率は p 値と呼ばれます。それが非常に低い場合 (通常は 5% 未満)、結果を宣言します。 統計的に有意な » など その薬はしばしば承認される。それはこう言っているようなものです。 おそらく偶然ではないでしょう…だから治療は効果があるに違いありません。 » しかし、これは間接的なものであり、現実の生活では解釈が難しい場合があります。

ザ ベイジアン手法、 これらはより効率的で直感的な数学ツールです。非常に簡単に言うと、彼らは本当の質問に直接答えます。 試験前に私たちがすでに知っていたすべてのことと、収集したばかりの新しいデータを考慮した場合、この治療法が機能する本当の確率はどれくらいでしょうか? »

明確に視覚化できる具体的な例:

• 頻度主義法 ：あなたは妊娠検査薬を受けます。彼はポジティブだ。メソッドには次のように書かれています。 妊娠していなかった場合、このような結果になる可能性は非常に低いでしょう → 私たちは「妊娠していない」仮説を否定します。 »
• ベイズ法 : また、基本確率 (たとえば、30 歳の女性の 1% が妊娠している) を統合し、次のように計算します。 この検査結果が陽性であれば、実際に妊娠している確率は約 50% (状況によってはそれ以上) になります。。 » これは、新しい情報 (リアルタイムの交通量など) を取得するたびにルートをリアルタイムで再計算する GPS のようなものです。

これはまさに、人工知能モデルが一貫した応答を生成するために今日行っていることです。

方法 ベイジアン 条件付き確率 – ベイズの定理の核心 – に基づいています。条件付き確率は「事前」(すでに知っていること、または「アプリオリ」、したがって事前という用語が使用されます) から始まり、新しいデータに基づいて継続的に更新されます。これらの技術は新しいものではありませんが、世界に革命を起こしている AI を推進するのに十分堅牢であると考えられるのであれば、意思決定が人の命に関わる医療に応用できないのはなぜでしょうか。

FDA のガイダンスは最終的にこの質問に肯定的に答えています。

初めてセンターが 医薬品および生物由来製品を規制する（FDA の CDER および CBER）は、公式の「ガイドライン草案」を発表しました。 これらの数学ツールは、p 値に基づく従来のアプローチよりも厳密で効率的で、多くの場合優れたオプションであると認識しています。。 J. Jack Lee (MD Anderson Cancer Center)、Frank Harrell (Vanderbilt)、Lisa LaVange (UNC Chapel Hill)、David Spiegelhalter (Cambridge) などの著名な専門家が署名した JAMA に掲載された記事は、FDA がベイジアンに反対しているという通説を決定的に吹き飛ばすこの待望の方向性を歓迎しています。

何よりも、それは可能にします 情報が不完全な状況で意思決定を行う 拡張性があり、これは現実の世界と同様に臨床研究でも標準です。の代わりに 帰無仮説を凍結して証明を待つ « 統計的に有意な »、ベイジアン 不確実性を明示的に定量化する そして「」を更新します 信念 » データが利用可能になり次第。

の スティーブン・キー博士 と彼に強く思い出させた。 初の政府利用 私が知っているベイジアンの 極秘の分析だった (TS) ベトナム戦争中の CIA 内。これは春に北ベトナム軍が攻撃する可能性を見積もるためであった。アナリストはベイズの定理を使用して部分インテリジェンス、フィールドレポート、履歴データを組み合わせ、新しい情報ごとに更新される条件付き確率を計算しました。。 »

その結果は印象的でした。分析により、従来の方法をはるかに超えて、驚くべき精度で特定の敵の動きを予測することが可能になりました。機密解除された CIA 文書 (1975 年の情報のためのベイジアン分析ハンドブックを含む) は、これらのモデルがしばしばデルファイ法と組み合わされて、テトのような大規模な攻撃の可能性を評価するのに役立ったことを示しています。

私たちは正当に次のような疑問を抱くことができます。 最近のイランでの作戦をモデル化するために、これらと同じアプローチが使用されたのでしょうか? AI モデルは確かに活用されていますが、事前分布の調整が不十分であった場合、または不完全な情報が十分なベイズ的注意をもって扱われなかった場合、劇的な結果が生じる可能性があります。これは、事前の品質と条件付き更新の厳密さがすべてであることを思い出させます。

金融の世界との啓発的なアナロジー : トレーディング ルームでは、ベイズ確率は資産の価値についての「信念」をリアルタイムで更新するのに役立ちます。彼らは「」という古典的な罠を回避します。 婚約のエスカレード »（悪い後に良いお金を投じる）新たなマイナスデータに直面してトレーダーに事前の再考を強いることによって。ジェローム・カーヴィエルやニック・リーソンのようなリスクプロファイルは、より早く検出できた可能性があります。ベイジアンモデルは、ポジションが互いに加算されたり、複数の次元で重複したりするため、詐欺や巨額損失の確率が異常に増加し、肉眼での分析が不可能になることを示していた可能性があります。同様に、マドフの事件も、利益を隠すのがもっと難しかったでしょう。」 規則的すぎる » 不正行為の条件付き確率は爆発的に増加しただろう当局が反応するずっと前に。

の ティム・ソーヤー博士X に関して広く支持されている医師が、ベイジアン アプローチを完璧に要約しています シンプルな5つのポイントで。イベントが真である確率を推定するには、次のようにします。

1. イベントが自然に発生する頻度を評価することから始めます。
2. データに基づいてこの確率を上下に調整します。
3. オープンマインドでいてください。
4. 新しいデータが出現するたびに推定値を調整し続けます。
5. 自分の信念を、触れられない真実としてではなく、テストされるべき仮説として常に捉えてください。

この志向性は統計的な「流行」ではありません。

彼女はハイライトします 実践を変える 4 つの具体的なメリット。それは許可します 過去から情報を借用する （例えば、成人からのデータを統合して子供に対する有効性を推定することによって）、実行する 継続的な学習 テストを自然に適応させる中間分析を使用して、 懐疑的または楽観的な事前知識 透明で、そして何よりも 利益の確率を直接評価する 魔法の p 値 0.05 に焦点を当てるのではなく、臨床的に重要です。

このアプローチは、メタ分析をピラミッドの頂点に置き、ランダム化臨床試験をそのすぐ下に置く医学における伝統的な証拠の階層構造に疑問を投げかけているのではないだろうか？実際、それはそれを完成させ、進化させます。メタ分析は動的になる必要があり、研究の規模やバイアスのリスクに基づく固定的な重み付けでは満足できなくなります。これらは他の指標 (年代、人口の均一性、現実世界のデータ) を統合する必要があり、その結果、知識の出現に応じてリアルタイムで更新される累積的なベイジアン モデルになる必要があります。これには、感度シミュレーションと事前分布の明確な正当化を伴う、厳密さと統計的および数学的整合性を備えた実際の科学的作業が必要になる可能性があります。

その影響はすでに新型コロナウイルス感染症の分野で目に見えています。

しばしば「ゴールドスタンダード」として提示される英国の RECOVERY 裁判は、 HCQは効果がなかったということ… ただし、2020 年 6 月から重大な偏見が非難されました フランス・ソワールによる「 致命的なスキャンダル 有毒な用量（初日に2,400 mg、合計で最大9,600 mg – 推奨用量の4倍）を使用すると、患者は後期（最初の症状から平均9日後、つまり抗ウイルス効果が効かなくなる炎症段階）に入院し、標準治療（SOC）治療群の死亡率は非常に高くなる：28日で23.5％（HCQでは25.7％）腕;HR 1.11、p=0.10)。

ベイジアン フレームワークでは、 最初は懐疑的だった （非治癒療法に対してFDAが推奨）死亡原因（直接的な新型コロナウイルス、心臓性、医原性、二次感染など）の詳細な分析と、外来患者における低用量HCQに関する外部情報の借用が必要だったであろう。単一の p 値で結論を出すのではなく、「 効果なし “、おそらく私たちは持っていただろう 明確な事後確率 : « 遅れても利益なし（またはリスクさえ）+高用量 »、 治療クラス全体を非難することなく。

逆に、c19early.org のリアルタイム適応メタ分析 (2026 年 3 月更新) では、早期治療における明らかな有効性が示されています。ヒドロキシクロロキンで 66%、イベルメクチンで 61% のリスク低減が見られます。それはまさに「」です。 継続的な学習 » 現在FDAはこれを奨励しています。

結論として、この FDA の決定は多くの医療および規制の実践を大きく変えることになります。それは、産業界が資金提供するRECOVERYのような大規模なランダム化試験による証拠の収集を防ぐことで、体系的な意思決定のバイアスを回避することになるが、そのバイアス（毒性量、タイミングの遅さ、死因の分析の欠如）が意思決定で省略されることがあまりにも多い。厳密性、透明性、確率の継続的な更新を課すことにより、不確実性に対して科学がより謙虚になり、患者をより保護できるようになります。厳格な p 値とモンスターテストの時代は終わりを迎えています。

ベイズ時代へようこそ: より賢く、より倫理的になり、ついに現実世界に適応しました。

記事のビデオ要約: