针对生存时间数据和含潜在变点的纵向肿瘤负荷的治愈率联合模型
统计方法学
2025-07-28 v1 应用统计
摘要
在非小细胞肺癌(NSCLC)临床试验中,肿瘤负荷(TB)是评估治疗效果的关键纵向生物标志物。通常,标准治疗(SOC)以及一些新型干预措施会先降低 TB;然而,许多患者随后会出现 TB 升高——表明疾病进展——而另一些患者则呈现持续下降。在最终出现 TB 升高的患者中,变点标志着进展的开始,且必须早于事件发生时间。为捕捉这些不同的动态特征,我们提出了一种新颖的联合模型,将生存时间数据和纵向 TB 数据相结合,将患者分为变点组或稳定组。对于变点组,我们的方法通过利用生存时间信息,灵活地估计个体化的变点。我们采用蒙特卡洛期望最大化(MCEM)算法以实现高效的参数估计。仿真研究表明,我们的模型通过准确捕捉多样的疾病进展模式并处理删失复杂性,优于传统方法,从而得到稳健的边际 TB 结果估计。在一项比较 cemiplimab 单药治疗与 SOC 的 3 期 NSCLC 试验中,治疗组表现出更持久的 TB 降低,且随时间推移 TB 始终较低,凸显了我们方法的临床实用性。实现代码已在 https://github.com/quyixiang/JoCuR 公开。
引用
@article{arxiv.2507.18773,
title = {Cure Rate Joint Model for Time-to-Event Data and Longitudinal Tumor Burden with Potential Change Points},
author = {Yixiang Qu and Ethan M. Alt and Weibin Zhong and Jeen Liu and Chenguang Wang and Joseph G. Ibrahim},
journal= {arXiv preprint arXiv:2507.18773},
year = {2025}
}