U-DESPE：一种基于贝叶斯效用的早期肿瘤临床试验给药方案优化方法，综合剂量-暴露、安全性、药效学与疗效
统计方法学
2025-11-24 v1
摘要
随着分子靶向药物和免疫疗法等新型疗法的发展，“剂量越高越好”的最大耐受剂量范式已不再必然成立。在此背景下，新型疗法的剂量与给药方案可能无法得到充分表征，肿瘤药物剂量探索方法亟需修订。卫生监管机构已日益认识到这一点，特别是通过Optimus项目。我们开发了一种名为U-DESPE的贝叶斯剂量探索设计，该方法既可在剂量递增阶段结束时确定最优给药方案，也可在找到安全给药方案后，利用专用队列将患者随机分配至候选最优给药方案。U-DESPE设计依赖于一个基于药代动力学数据、使用非线性混合效应建模方法构建的剂量-暴露模型。随后，构建三个模型来评估暴露量与选定的安全性、疗效和药效学相关终点概率之间的关系。然后，将这些模型结合起来，预测每个候选给药方案的不同终点。最后，提出一个效用函数来量化这些终点之间的权衡，并确定最优给药方案。我们将所提出的方法应用于一个临床试验案例研究，并进行了广泛的模拟研究，以评估该方法的操作特性。
引用
@article{arxiv.2511.17376,
title = {U-DESPE: a Bayesian Utility-based methodology for dosing regimen optimization in early-phase oncology trials based on Dose-Exposure, Safety, Pharmacodynamics, Efficacy},
author = {Anaïs Andrillon and Sandrine Micallef and Moreno Ursino and Pavel Mozgunov and Marie-Karelle Riviere},
journal= {arXiv preprint arXiv:2511.17376},
year = {2025}
}
备注
Main manuscript and Supplementary materials