Kwangmin Kim - Adaptive Trial

출처

이 글은 사전지식 기반 (교재 미확인 — agent 사전학습 기반). 핵심 인용 — FDA (2019) Adaptive Designs Guidance, Bauer & Köhne (1994), Berry et al. (2010), Berry (2015).

이 글은 Phase J 시리즈의 25 번째 글이자 J-ADAPT 시리즈 (4 편) 의 첫 글. Adaptive trial — pre-specified rule 에 따라 trial 진행 중 protocol 변경 — 의 개관을 다룬다.

1 진입 직관 — “진행하면서 배우고 조정”

기존 RCT: 모든 protocol 을 시작 전 결정. 변경 불가.

Adaptive trial 의 한 줄 원리: pre-specified rule 에 따라 interim analysis 의 결과 로 protocol 일부 변경. 유연성 증가, 효율성 ↑.

1.1 변경 가능 항목

Sample size: interim 결과로 증가/감소
Randomization ratio: 효과 좋은 arm 에 더 많은 환자 (RAR)
Arms: 효과 없는 arm 조기 중단 (futility)
Eligibility: 효과 있는 subgroup 만 enrollment 계속 (enrichment)

1.2 비유

학습률 스케줄링: ML 모델 학습 시 loss 추세 를 보고 learning rate 조정. Pre-specified schedule (cosine, step decay) — 진행하면서 조정.

표준 RCT: fixed learning rate. Adaptive: 진행 결과에 따른 자동 조정.

2 4 대 카테고리

2.1 1: Group Sequential Design

Pre-specified interim analysis 시점 에서 조기 중단 (efficacy or futility).

Pocock (1977), O’Brien-Fleming (1979) 의 boundary. 다중 비교 보정 (alpha spending).

2.2 2: Sample Size Re-estimation

Interim 의 variance estimate 또는 effect size estimate 으로 추가 sample size 결정.

Bauer & Köhne (1994) 의 combination test.

2.3 3: Response-Adaptive Randomization (RAR)

Interim 의 각 arm 효과 를 보고 randomization probability 조정. 효과 좋은 arm 에 더 많은 환자.

Wei (1979) 의 Play-the-Winner. Bayesian RAR (Berry 2015).

2.4 4: Adaptive Enrichment

Interim 에서 효과 있는 subgroup 식별. 해당 subgroup 만 enrollment 계속.

Wang et al. (2007), Mehta et al. (2009).

3 FDA Adaptive Designs Guidance (2019)

3.1 의의

FDA 가 adaptive design 을 공식 인정 + guideline 제공.

3.2 핵심 원칙

Pre-specification: 모든 adaptation rule 을 protocol 에 명시 — post-hoc 변경 금지
Type I error control: 다중 비교 보정 (alpha spending)
Validity: estimator 의 bias 통제
Trial integrity: blinding 유지, interim 결과 leak 방지

3.3 Pre-Approval 의 중요성

Adaptive 는 post-hoc data dredging 위험. Pre-specified protocol 이 핵심 — FDA 가 strict 요구.

3.4 영향

이전: adaptive trial 은 비표준, 논쟁 적. 이후: FDA 공식 path, 항암제 개발 에서 표준화.

4 Bayesian Adaptive Trial (Berry 2015)

4.1 의의

Frequentist alpha control 대신 Bayesian posterior 기반 결정.

4.2 메커니즘

매 interim 에서 posterior probability of efficacy 계산. 일정 threshold 초과 시 효과 인정 또는 조기 중단.

4.3 장점

Continuous learning — 매 환자마다 update
모든 정보 활용 (likelihood)
RAR 자연스럽게 결합

4.4 사례

I-SPY 2 (유방암): 유방암 후보 약 다수의 동시 평가. 효과 있는 약 식별.
REMAP-CAP (COVID-19): 다양한 질환 의약품의 플랫폼 trial.

5 Platform Trial — 다중 arm, 다중 질문

5.1 정의

하나의 master protocol 로 여러 처치 arm 동시 평가. 새 arm 추가/제외 유연.

5.2 사례 — RECOVERY (COVID-19)

영국의 RECOVERY trial — dexamethasone, hydroxychloroquine, lopinavir, tocilizumab, baricitinib, casirivimab/imdevimab 등 동시 평가.

효과 있는 약 조기 발견: dexamethasone — 사망률 17% ↓ (NEJM 2020).

5.3 사례 — ACTT-1 (COVID-19, NIH)

Remdesivir 의 효과 입증. Group sequential design.

5.4 의의

효율 — common control + 동시 평가. 다중 질문 동시 답변. 시간 절약.

6 Adaptive 의 Trade-off

측면	표준 RCT	Adaptive
효율	낮음	높음
윤리	모든 환자 동등 randomize	효과 좋은 arm 에 더 많이
통계 검정력	표준	보정 필요
Operational complexity	단순	복잡 (real-time 분석)
FDA approval	표준 path	명확한 pre-spec 필요
Bias 위험	낮음	중간 (잘 통제 시 OK)

7 COVID-19 의 Adaptive Trial

7.1 Pandemic 의 도전

효과 있는 약 빠른 발견 — 시간 critical. 다양한 약 동시 평가.

7.2 Adaptive 의 가치

RECOVERY: dexamethasone 수개월 만에 효과 확인 — 표준 RCT 라면 수년.

ACTT-1: remdesivir 의 조건부 승인 — 군 + interim 분석.

7.3 사회 영향

Pandemic 이 adaptive trial 의 mainstream 진입 가속.

8 후속 3 글 안내

8.1 J-ADAPT-1: RAR + Play-the-Winner

Wei (1979), Berry 의 RAR. Bayesian + frequentist. 윤리적·통계적 고려.

8.2 J-ADAPT-2: Bayesian Adaptive + Platform Trials

Berry 등의 정통. I-SPY 2, REMAP-CAP 사례.

8.3 J-ADAPT-3: FDA Adaptive Designs

FDA 2019 guidance 의 정통. Pre-spec, type I control, integrity.

9 시뮬레이션 — Group Sequential

import numpy as np

np.random.seed(42)

# 시나리오: 새 약 vs 표준약, 사망률
# 표준약 사망률 30%, 새 약 사망률 20% (효과 -10%)
n_per_arm = 500
true_p_control = 0.30
true_p_treat = 0.20

# 4 차례 interim (n = 100, 200, 300, 400)
interim_points = [100, 200, 300, 400, 500]
alpha = 0.05

# O'Brien-Fleming boundary (간략)
# k 번째 interim 의 critical Z-score
n_interim = len(interim_points)
ob_boundary = []
for k in range(1, n_interim + 1):
    # OBF: Z_k* = c / sqrt(k/K)
    # c 는 type I 보정. 단순화: 2.5 / sqrt(k/K)
    z_k = 2.5 / np.sqrt(k / n_interim)
    ob_boundary.append(z_k)

# 환자 결과 시뮬레이션
control_outcomes = np.random.binomial(1, true_p_control, 500)
treat_outcomes = np.random.binomial(1, true_p_treat, 500)

# Interim analyses
print(f"[Group Sequential Design 시뮬레이션]\n")
print(f"진짜 control mortality: {true_p_control}")
print(f"진짜 treatment mortality: {true_p_treat}")
print(f"진짜 효과: {true_p_treat - true_p_control}\n")

for k, n_k in enumerate(interim_points):
    p_c = control_outcomes[:n_k].mean()
    p_t = treat_outcomes[:n_k].mean()
    diff = p_t - p_c
    se = np.sqrt(p_c * (1 - p_c) / n_k + p_t * (1 - p_t) / n_k)
    z = diff / se if se > 0 else 0

    z_boundary = ob_boundary[k]

    print(f"Interim {k+1} (n = {n_k}): p_c = {p_c:.3f}, p_t = {p_t:.3f}, Z = {z:.2f}, boundary = ±{z_boundary:.2f}")

    if abs(z) > z_boundary:
        print(f"  → STOP — 효과 발견 (또는 reject H0)")
        break
else:
    print(f"\n최종 분석: 효과 통계적 유의 못함 또는 약함")

10 결론

Adaptive trial 은 pre-specified rule 에 따라 진행 중 protocol 변경. Group sequential, Sample size re-estimation, RAR, Enrichment 의 4 카테고리. FDA 2019 guidance 의 정통, Bayesian adaptive 의 발전, Platform trial 의 효율. COVID-19 에서 mainstream 진입.

핵심 메시지:

Adaptive trial 정의: pre-spec rule + interim adaptation
4 카테고리: GSD, SSR, RAR, Enrichment
FDA 2019 guidance: pre-spec, type I, integrity
Bayesian adaptive (Berry): posterior 기반
Platform trial (RECOVERY, REMAP-CAP): 다중 arm
COVID-19: mainstream 진입 가속
Trade-off: 효율 vs complexity, type I 보정

후속 3 글에서 깊이.

11 관련 주제

선행 지식

(Phase C) RCT 의 무작위 배정·protocol 작성
J-SWITCH 시리즈
(Phase F) Sequential testing in A/B

Phase J 후속 글

RAR + Play-the-Winner (placeholder)
Bayesian + Platform Trials (placeholder)
FDA Adaptive Designs (placeholder)

12 참고문헌

FDA (2019). Adaptive Designs for Clinical Trials of Drugs and Biologics: Guidance for Industry. Center for Drug Evaluation and Research.
Bauer, P. & Köhne, K. (1994). Evaluation of experiments with adaptive interim analyses. Biometrics 50, 1029-1041.
Berry, S. M., Carlin, B. P., Lee, J. J., Müller, P. (2010). Bayesian Adaptive Methods for Clinical Trials. CRC Press.
Berry, D. A. (2015). The Brave New World of clinical cancer research: Adaptive biomarker-driven trials. Mol. Oncology 9, 951-959.
O’Brien, P. C. & Fleming, T. R. (1979). A multiple testing procedure for clinical trials. Biometrics 35, 549-556.
Pocock, S. J. (1977). Group sequential methods in the design and analysis of clinical trials. Biometrika 64, 191-199.
RECOVERY Collaborative Group (2021). Dexamethasone in hospitalized patients with COVID-19. NEJM 384, 693-704.
Beigel, J. H. et al. (2020). Remdesivir for the treatment of COVID-19 — Final report (ACTT-1). NEJM 383, 1813-1826.