การทดลองทางคลินิกแบบสุ่มชนิดปรับเปลี่ยนได้
- ผู้เสนอ
- Donald Berry and colleagues; formalized by FDA guidance in 2010 and 2019
- ปี
- Late 1990s–2000s (widespread adoption post-2010)
- ประเภท
- Experimental clinical trial design
- กลุ่มวิธี
- Clinical / epidemiology
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การทดลองทางคลินิกแบบสุ่มชนิดปรับเปลี่ยนได้ (adaptive RCT) เป็นการศึกษากลุ่มทดลองเชิงทดลองแบบไปข้างหน้า ซึ่งใช้กฎที่กำหนดไว้ล่วงหน้าเพื่อปรับเปลี่ยนลักษณะการทดลองอย่างน้อยหนึ่งอย่าง เช่น ขนาดตัวอย่าง อัตราส่วนการจัดสรร หรือแขนงการรักษา โดยอิงตามข้อมูลที่รวบรวมได้ระหว่างการทดลองเอง ขณะเดียวกันก็รักษาความถูกต้องทางสถิติและความสมบูรณ์ของการศึกษา
แนวคิดเบื้องหลังวิธีการ
ในการทดลอง RCT แบบดั้งเดิม ระเบียบวิธีวิจัยจะถูกกำหนดไว้ก่อนที่จะมีการลงทะเบียนผู้ป่วยรายแรก และจะไม่มีการเปลี่ยนแปลงใดๆ โดยไม่คำนึงถึงสิ่งที่ข้อมูลที่ปรากฏขึ้นบ่งชี้ แต่การทดลอง RCT แบบปรับเปลี่ยนได้จะสร้างจุดตรวจสอบการตัดสินใจขึ้น: เมื่อข้อมูลระหว่างการทดลองสะสม กฎที่วางแผนไว้ล่วงหน้าจะช่วยให้การทดลองตอบสนองได้ เช่น การตัดแขนงที่มีประสิทธิภาพต่ำออก การจัดสรรผู้ป่วยจำนวนมากขึ้นให้กับการรักษาที่มีแนวโน้มดี หรือการยุติการทดลองก่อนกำหนดเมื่อมีหลักฐานที่ชัดเจน ความยืดหยุ่นนี้สามารถลดจำนวนผู้ป่วยที่ได้รับผลกระทบจากการรักษาที่ด้อยกว่า และลดระยะเวลาการพัฒนา แต่ต้องมีการวางแผนล่วงหน้าที่รอบคอบอย่างยิ่งเพื่อหลีกเลี่ยงการเพิ่มอัตราการเกิดผลบวกลวง
ประวัติศาสตร์
รากฐานแนวคิดของการออกแบบการทดลองแบบปรับเปลี่ยนได้ได้รับอิทธิพลจากการทำงานด้านการวิเคราะห์แบบลำดับ (sequential analysis) ของ Abraham Wald ในทศวรรษที่ 1940 และข้อเสนอการสุ่มแบบเล่นตามผู้ชนะ (play-the-winner randomization) ในทศวรรษที่ 1970 วิธีการทดลองแบบปรับเปลี่ยนได้แบบเบย์ที่มีอิทธิพลของ Donald Berry ในช่วงปลายทศวรรษที่ 1990 และทศวรรษที่ 2000 และการทดลองสำคัญ เช่น การทดลองมะเร็งเต้านม I-SPY 2 ที่เริ่มในปี 2010 ได้นำการออกแบบแบบปรับเปลี่ยนได้เข้าสู่กระแสหลักของการวิจัยทางคลินิก สำนักงานคณะกรรมการอาหารและยา (FDA) ได้ออกแนวทางฉบับร่างในปี 2010 และแนวทางฉบับสมบูรณ์ที่แก้ไขในปี 2019 ซึ่งรับรองการทดลองแบบปรับเปลี่ยนได้ที่ออกแบบมาอย่างดีสำหรับการยื่นขออนุมัติอย่างเป็นทางการ ซึ่งเป็นการตอกย้ำความถูกต้องตามกฎหมายในการพัฒนายาและชีววัตถุ
ควรใช้เมื่อใด
ใช้การทดลอง RCT แบบปรับเปลี่ยนได้เมื่อคุณต้องการตอบคำถามเกี่ยวกับประสิทธิภาพที่ยืนยันได้ ขณะเดียวกันก็ยังคงความยืดหยุ่นในการตอบสนองต่อหลักฐานที่สะสม — ตัวอย่างเช่น เมื่อการประมาณค่าขนาดผลกระทบไม่แน่นอนในขั้นตอนการออกแบบ เมื่อจำเป็นต้องเลือกขนาดยาหรือแขนงการรักษาหลายแขนง หรือเมื่อเหตุผลด้านจริยธรรมหรือประสิทธิภาพสนับสนุนให้ลดการสัมผัสของผู้ป่วยต่อการรักษาที่ด้อยกว่า มีประโยชน์อย่างยิ่งในการวิจัยโรคมะเร็ง โรคหายาก และการพัฒนายา ซึ่งการกำหนดขนาดตัวอย่างมาตรฐานทำได้ยาก อย่าใช้เมื่อไม่สามารถกำหนดกฎการปรับเปลี่ยนได้อย่างน่าเชื่อถือเมื่อเริ่มต้น เมื่อไม่มีโครงสร้างพื้นฐานสำหรับการติดตามผลระหว่างการทดลองอย่างอิสระ เมื่อผลลัพธ์ล่าช้ามากเมื่อเทียบกับอัตราการรับผู้ป่วย (ทำให้การปรับเปลี่ยนแบบเรียลไทม์ไม่สามารถปฏิบัติได้) หรือเมื่อความซับซ้อนในการดำเนินงานและทางสถิติที่เพิ่มขึ้นไม่สมเหตุสมผลกับคำถามทางวิทยาศาสตร์
ข้อจำกัดและข้อควรพิจารณา
- ต้องมีการวางแผนทางสถิติและการจำลองล่วงหน้าอย่างกว้างขวาง ข้อผิดพลาดในการออกแบบที่เกิดขึ้นก่อนการทดลองจะไม่สามารถแก้ไขได้ระหว่างการทดลอง
- ความซับซ้อนในการดำเนินงานสูงกว่าการทดลอง RCT มาตรฐานอย่างมาก — การผลิต ห่วงโซ่อุปทาน และโครงสร้างพื้นฐานของ DSMB ต้องรองรับการตัดสินใจแบบปรับเปลี่ยนได้ทั้งหมด
- เมื่อการวัดผลลัพธ์ล่าช้าเมื่อเทียบกับอัตราการรับผู้ป่วย ข้อมูลระหว่างการทดลองอาจมีน้อยเกินไปที่จะนำไปสู่การปรับเปลี่ยนที่มีความหมาย
- การตรวจสอบของหน่วยงานกำกับดูแลมีความเข้มงวด หน่วยงานต้องการคำอธิบายโดยละเอียดสำหรับกฎการปรับเปลี่ยนที่กำหนดไว้ล่วงหน้าทุกข้อ และหลักฐานจากการจำลอง
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- สามารถลดจำนวนผู้ป่วยทั้งหมดที่ต้องการได้โดยการยุติการทดลองก่อนกำหนดเนื่องจากประสิทธิภาพ หรือการตัดแขนงที่ไร้ผลออก
- จัดสรรผู้ป่วยจำนวนมากขึ้นให้กับการรักษาที่มีประสิทธิภาพดีกว่า ซึ่งช่วยปรับปรุงลักษณะด้านจริยธรรมของการทดลอง
- อนุญาตให้มีการออกแบบระยะที่ II/III แบบไร้รอยต่อ (seamless phase II/III designs) ซึ่งช่วยลดระยะเวลาการพัฒนายาทั้งหมด
- กฎการปรับเปลี่ยนที่กำหนดไว้ล่วงหน้าช่วยให้มั่นใจได้ว่าความเข้มงวดทางสถิติจะยังคงอยู่ แม้จะมีความยืดหยุ่นในการออกแบบ
- มีประสิทธิภาพอย่างยิ่งสำหรับโรคหายากและโรคมะเร็ง ซึ่งการออกแบบด้วยขนาดตัวอย่างคงที่มักเป็นไปไม่ได้
การประยุกต์ใช้
- การทดลองมะเร็งระยะที่ II/III แบบไร้รอยต่อ (seamless phase II/III oncology trials) ที่เลือกขนาดยาที่ดีที่สุดในขั้นตอนระหว่างการทดลอง แล้วจึงดำเนินการทดสอบเพื่อยืนยันผลโดยไม่มีการหยุดชะงัก
- การทดลองการระบาดของโรคติดเชื้อที่ต้องการการหาขนาดยาอย่างรวดเร็วและการยืนยันประสิทธิภาพภายใต้แรงกดดันด้านเวลา (เช่น การทดลองแบบแพลตฟอร์ม COVID-19 เช่น RECOVERY และ ACTT)
- การศึกษาโรคหายากที่การกำหนดเป้าหมายการลงทะเบียนแบบคงที่ไม่สามารถบรรลุได้ และการยุติการทดลองก่อนกำหนดเนื่องจากประสิทธิภาพเป็นข้อบังคับทางจริยธรรม
- การออกแบบแบบหลายแขนงหลายระยะ (Multi-arm multi-stage - MAMS) ในเวชศาสตร์หัวใจและหลอดเลือด เปรียบเทียบการรักษาหลายอย่างพร้อมกันพร้อมกับการตัดแขนงที่วางแผนไว้ล่วงหน้า
- การศึกษาการเพิ่มขนาดยาและการปรับขนาดยาให้เหมาะสมในระยะเริ่มต้นของการวิจัยโรคมะเร็ง โดยใช้กฎการปรับเปลี่ยนตามแบบจำลอง เช่น CRM (Continual Reassessment Method)
- การพัฒนายาในเด็ก ซึ่งการลดการสัมผัสของผู้ป่วยต่อขนาดยาที่ด้อยกว่าเป็นลำดับความสำคัญด้านกฎระเบียบและจริยธรรม
วิธีการทำงาน
วิธีการทำงาน
ก่อนเริ่มการลงทะเบียน นักสถิติและแพทย์จะกำหนดการปรับเปลี่ยนทั้งหมดในระเบียบวิธีวิจัย: พารามิเตอร์ใดบ้างที่อาจเปลี่ยนแปลงได้ (อัตราส่วนการจัดสรร ขนาดตัวอย่าง จำนวนแขนง ระดับขนาดยา) การวิเคราะห์ระหว่างการทดลองใดที่จะกระตุ้นการเปลี่ยนแปลงเหล่านั้น และกฎการตัดสินใจจะถูกนำไปใช้อย่างไร การกำหนดล่วงหน้าเป็นสิ่งจำเป็น — การปรับเปลี่ยนหลังการทดลอง (post-hoc) จะทำให้การทดลองนั้นไม่ถูกต้อง
ผู้ป่วยจะได้รับการลงทะเบียนและสุ่มจัดสรรให้เข้ากลุ่มการรักษาโดยใช้อัตราส่วนการจัดสรรเริ่มต้น การสุ่มอาจถูกกำหนดไว้คงที่ในตอนแรกและจากนั้นจึงปรับเปลี่ยนโดยกฎการปรับเปลี่ยน (การสุ่มแบบปรับเปลี่ยนตามการตอบสนอง) หรือการออกแบบอาจใช้การสุ่มแบบปรับเปลี่ยนตามชั้น (stratified) หรือแบบเบย์ (Bayesian) ตั้งแต่เริ่มต้น
คณะกรรมการอิสระเพื่อการติดตามข้อมูลและความปลอดภัย (DSMB) ทำการวิเคราะห์ระหว่างการทดลอง ณ จุดเวลาที่กำหนดไว้ล่วงหน้า หรือหลังจากเหตุการณ์ผลลัพธ์ตามจำนวนที่กำหนดไว้ล่วงหน้า DSMB จะตรวจสอบข้อมูลที่รวบรวมได้โดยไม่ปิดบัง (unblinded) เทียบกับขอบเขตการหยุดหรือการปรับเปลี่ยนที่กำหนดไว้ล่วงหน้าเพื่อปกป้องความสมบูรณ์ของการทดลอง
ตามผลการวิเคราะห์ระหว่างการทดลองและกฎที่กำหนดไว้ล่วงหน้า จะมีการปรับเปลี่ยนอย่างน้อยหนึ่งอย่าง: การตัดแขนงที่มีประสิทธิภาพต่ำออก (adaptive seamless design) การเพิ่มขนาดตัวอย่างหากการประมาณค่าผลกระทบในช่วงต้นมีค่าน้อยกว่าที่คาดไว้ (sample size re-estimation) การเปลี่ยนการจัดสรรไปยังการรักษาที่มีประสิทธิภาพดีกว่า หรือการยุติการทดลองก่อนกำหนดเนื่องจากประสิทธิภาพหรือความไร้ผล
การวิเคราะห์ขั้นสุดท้ายใช้วิธีการที่คำนึงถึงลักษณะการปรับเปลี่ยนของการออกแบบ — โดยทั่วไปคือการผสมผสานระหว่างฟังก์ชันการใช้ระดับนัยสำคัญอัลฟา (alpha-spending functions) การคำนวณกำลังการทดสอบแบบมีเงื่อนไข (conditional power calculations) หรือความน่าจะเป็นภายหลังแบบเบย์ (Bayesian posterior probabilities) — เพื่อให้ได้ค่าประมาณผลลัพธ์หลัก (primary endpoint) และช่วงความเชื่อมั่น (confidence intervals) หรือช่วงความน่าเชื่อถือ (credible intervals) ที่ถูกต้องตามที่กำหนดไว้ล่วงหน้า
ข้อผิดพลาดที่พบบ่อย
- การปรับเปลี่ยนที่ไม่วางแผนไว้ล่วงหน้า หรือการปรับเปลี่ยนหลังการทดลอง (post-hoc) — การแก้ไขใดๆ ที่ไม่ได้กำหนดไว้ล่วงหน้าในระเบียบวิธีวิจัย จะทำให้ความถูกต้องทางสถิติของการทดลองเป็นโมฆะ และจะไม่ได้รับการยอมรับจากหน่วยงานกำกับดูแล
- การละเลยความล่าช้าในการดำเนินงาน — หากผู้ป่วยส่วนใหญ่ได้รับการลงทะเบียนแล้วเมื่อข้อมูลระหว่างการทดลองสามารถวิเคราะห์ได้ การปรับเปลี่ยนจะไม่ให้ประโยชน์ในทางปฏิบัติ
- ความเอนเอียงจากการสุ่มแบบปรับเปลี่ยนตามการตอบสนอง — การจัดสรรผู้ป่วยจำนวนมากขึ้นให้กับกลุ่มที่ดูเหมือนจะชนะระหว่างการทดลอง อาจทำให้เกิดความไม่สมดุลของปัจจัยรบกวนที่เปลี่ยนแปลงตามเวลา หากลักษณะของผู้ป่วยหรือมาตรฐานการดูแลเปลี่ยนแปลงไปในระหว่างการลงทะเบียน
- การเพิ่มจำนวนการทดสอบ (Multiplicity inflation) — การเพิ่มจุดตัดสินใจในการปรับเปลี่ยนโดยไม่มีการควบคุมระดับนัยสำคัญอัลฟา (alpha-spending) หรือการควบคุมแบบเบย์อย่างเข้มงวด จะเพิ่มอัตราความผิดพลาดประเภทที่หนึ่งของครอบครัว (family-wise Type I error rate) เกินขอบเขตที่ยอมรับได้
คำถามที่พบบ่อย
การทดลอง RCT แบบปรับเปลี่ยนได้ยังคงถือว่าเป็นการสุ่มและควบคุมอยู่หรือไม่
ใช่ การสุ่มยังคงอยู่ตลอดการทดลอง RCT แบบปรับเปลี่ยนได้ การปรับเปลี่ยนจะแก้ไขพารามิเตอร์ต่างๆ เช่น อัตราส่วนการจัดสรร หรือขนาดตัวอย่าง แต่ไม่ได้กำจัดการสุ่มหรือการควบคุม การทดลองยังคงเป็นการทดลองและสนับสนุนการอนุมานเชิงสาเหตุต่อไป โดยมีเงื่อนไขว่ากฎการปรับเปลี่ยนทั้งหมดได้ถูกกำหนดไว้ล่วงหน้าอย่างสมบูรณ์
การทดลอง RCT แบบปรับเปลี่ยนแตกต่างจากการทดลอง RCT มาตรฐานที่มีการวิเคราะห์ระหว่างการทดลองอย่างไร
การทดลอง RCT มาตรฐานที่มีการวิเคราะห์ระหว่างการทดลองใช้การมองข้อมูลระหว่างการทดลองเพียงเพื่อพิจารณาการยุติการทดลองก่อนกำหนดเนื่องจากความปลอดภัยหรือประสิทธิภาพที่ชัดเจน — พารามิเตอร์พื้นฐานของการทดลองยังคงที่ แต่การทดลอง RCT แบบปรับเปลี่ยนไปไกลกว่านั้น: กฎที่กำหนดไว้ล่วงหน้าสามารถปรับเปลี่ยนอัตราส่วนการจัดสรรอย่างแข็งขัน ตัดแขนง เปลี่ยนขนาดตัวอย่าง หรือปรับโครงสร้างการออกแบบเพื่อตอบสนองต่อข้อมูลระหว่างการทดลองที่ค้นพบ
FDA ยอมรับผลการทดลอง RCT แบบปรับเปลี่ยนสำหรับการอนุมัติยาหรือไม่
ใช่ โดยมีเงื่อนไขว่าการออกแบบแบบปรับเปลี่ยนได้ถูกกำหนดไว้ล่วงหน้า วิธีการทางสถิติควบคุมอัตราความผิดพลาดประเภทที่หนึ่ง (Type I error) ได้อย่างเหมาะสม และผู้สนับสนุนได้มีการติดต่อกับ FDA ตั้งแต่เนิ่นๆ (โดยควรผ่านการประชุมประเภท C) เพื่อตกลงเกี่ยวกับการออกแบบ แนวทางของ FDA ปี 2019 เกี่ยวกับการออกแบบแบบปรับเปลี่ยนได้ให้เกณฑ์โดยละเอียดสำหรับการออกแบบแบบปรับเปลี่ยนที่เข้าใจได้ดีและแบบใหม่
ซอฟต์แวร์ใดที่ใช้ในการออกแบบและจำลองการทดลอง RCT แบบปรับเปลี่ยน
เครื่องมือทั่วไป ได้แก่ EAST (Cytel), ADDPLAN และแพ็กเกจ R ที่ปรับแต่งเอง เช่น rpact, adaptDesign และ RMediation การออกแบบแบบปรับเปลี่ยนได้แบบเบย์มักใช้ BUGS, Stan หรือแพลตฟอร์มการจำลองแบบเบย์ที่เป็นกรรมสิทธิ์ ต้องมีการจำลองล่วงหน้าอย่างกว้างขวางเพื่อตรวจสอบลักษณะการทำงานภายใต้สถานการณ์ที่เป็นไปได้หลากหลาย
การสุ่มแบบปรับเปลี่ยนตามการตอบสนองสามารถนำไปสู่ความเอนเอียงได้หรือไม่
ใช่ หากการลงทะเบียนใช้เวลานานและประชากรผู้ป่วยหรือการรักษาพื้นฐานเปลี่ยนแปลงไปตามกาลเวลา การที่การจัดสรรเอนเอียงไปสู่แขนงใดแขนงหนึ่งอย่างต่อเนื่อง อาจทำให้เกิดความไม่สมดุลของปัจจัยรบกวนที่เปลี่ยนแปลงตามเวลา การแบ่งชั้น (Stratification) การสุ่มแบบปรับเปลี่ยนตามตัวแปรร่วม (covariate-adaptive randomization) และการกำหนดเวลาการปรับเปลี่ยนอย่างระมัดระวัง ถูกนำมาใช้เพื่อลดความเสี่ยงนี้
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Berry, D. A. (2006). Bayesian clinical trials. Nature Reviews Drug Discovery, 5(1), 27–36.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วU.S. Food and Drug Administration. (2019). Adaptive Designs for Clinical Trials of Drugs and Biologics: Guidance for Industry. FDA.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้ว