CUI-MET：面向多剂量多结局随机试验设计的临床效用指数剂量优化方法

肿瘤学临床试验中的剂量优化已从寻找最大耐受剂量转向确定最佳生物剂量（OBD），以在多个临床属性之间平衡治疗获益与风险。现有的先进剂量探索方法能够整合多个终点并比较剂量水平，但通常较为复杂或计算量大，限制了它们在早期试验中的应用。为应对这些挑战，我们提出了面向多剂量多结局随机试验设计的临床效用指数剂量优化方法（CUI-MET）。该框架利用基于临床效用的方法整合多个二分类终点，通过对终点响应进行加权，计算每个剂量水平的综合临床效用指数（CUI）。经验方法和建模方法均可估计每个终点的边际概率。然后，利用终点特定权重将这些估计概率合并，计算每个剂量的效用得分，并选择得分最高的剂量作为最优剂量。为提升可用性，我们在一个交互式 R Shiny 应用程序中实现了这些方法，并通过案例展示了其功能。该框架的灵活性允许选择不同的模型和终点加权方案，以反映特定的临床优先级。Bootstrap 分析为 CUI 提供置信区间，并估计每个剂量被选为最优的概率，从而评估剂量选择的稳健性。通过将多个终点整合为单一效用指数并结合用户友好的可视化，CUI-MET 为早期肿瘤学试验中的剂量优化提供了一种灵活且易于使用的解决方案，支持知情决策并推进以患者为中心的护理。