간단한 반응 적응 무작위화 시뮬레이션 – 직접 봐야 믿는다

목표 저는 반응 적응형 무작위화(Response Adaptive Randomization, RAR)의 시뮬레이션을 수행하면서 고정 50-50 할당과 비교해 치료 효과를 식별하는 데 동일한 성능을 보임을 확인했습니다. 적응형 접근이 효과가 있음을 보여줍니다! 그러나 10개의 시도만으로는 표면을 스크래치한 수준입니다. 중요한 한계점으로는 시간 편향 위험, 통계적 비효율성, 베이지안 프레임워크에서의 복잡한 다중성 조정 등이 존재합니다. 반응 적응형 무작위화란? 반응 적응형 무작위화(RAR)는 임상시험에서 환자를 서로 다른 치료군에 할당하는 비율이 중간 결과에 따라 변하는 기법입니다. 전통적인 고정 무작위화와 달리 RAR은 데이터가 축적될수록 더 좋은 성능을 보이는 치료군에 더 많은 환자를 할당하도록 확률을 조정합니다. 이 접근법은 두 가지 주요 목표를 달성하도록 설계되었습니다: 우수한 치료법에 대한 정보를 최대화하면서 시험 도중에 열등한 치료를 받는 환자 수를 최소화합니다. RAR을 사용하는 주된 동기는 윤리적이며, 효과적인 치료를 더 많은 시험 참가자에게 제공하면서도 과학적 결론을 도출하기 위한 충분한 데이터를 수집하도록 합니다. RAR은 1930년대 이후 상당한 이론적 관심을 받아왔지만 실제 적용에서는 논란이 있습니다. 지지자들은 잠재적 윤리적 이점을 강조하고 비평가들은 통계적 타당성, 시간 경향으로 인한 편향 가능성, 시험 설계 및 분석의 복잡성 증가를 지적합니다. REMAP-CAP는 제가 처음 접한 RAR 연구 중 하나이며, 그 이론이 매우 흥미롭고 매력적이었으나, 적응형 무작위화가 어떻게 효과를 식별할 수 있는지 직관을 얻는 데 어려움이 있었습니다. 다행히도 베이지안 방식으로 스스로 시뮬레이션을 해보는 또 다른 방법이 존재합니다. 반응 적응형 무작위화의 수식 (Thall and Wathen 접근) 다음은 후행 확률을 기반으로 무작위화 확률을 조정하는 일반적으로 사용되는 수식입니다. 이 수식은 두-arm 시험에서 치료 1에 환자를 할당할 확률을 다음과 같이 정의합니다. π₁,ᵢ = \frac{[P(p₁ p₀|data)]^c}{[P(p₁ p₀|data)]^c + [1-P(p₁ p₀|data)]^c} P(p₁ > p₀|data)는 치료 1이 치료 0보다 우수하다는 후행 확률이며, c는 적응 속도를 조절하는 튜닝 파라미터입니다. c=0일 때는 동등 무작위화로, c=1일 때는 Thompson Sampling과 동일합니다. 다른 RAR 접근법이 있을 수 있지만, 이 수식이 가장 직관적이고 구현이 쉽습니다. 시뮬레이션 계획 다중 시뮬레이션을 수행해 실제 상황에서 어떻게 동작하는지 더 잘 파악하고자 합니다. 방법은 다음과 같습니다. 전체 모집단을 가정하고, 치료와 비치료 시 반응을 모두 알고 있는 가상 세계를 설정합니다. 치료 효과를 -1.09로 지정합니다. 이는 치료가 대조군에 비해 일부 사건 비율을 감소시키는 데 더 우수함을 의미합니다. 수식은 log odds = b₀ + b₁ × treatment이며, 여기서 b₀는 0, b₁은 치료 효과입니다. 응답 적응형 무작위화와 50-50 할당을 모두 시뮬레이션하는 코드를 작성하고, 50개의 세트를 사용합니다. 각 세트마다 4번의 순차 분석과 샘플링이 진행됩니다. 첫 번째 분석은 50명의 환자를 50% 확률로 무작위화합니다. 이후의 중간 분석에서는 반응 적응형 그룹은 반응에 따라 무작위화 비율을 조정하고, 50-50 할당 그룹은 여전히 50% 비율을 유지합니다. 적응형 무작위화에서는 Thall and Wathen 접근을 사용하고, c를 0과 0.5 사이에서 설정합니다. c는 n/(2N) 공식(여기서 n은 지금까지 샘플링된 환자 수 + 현재 중간 분석에서 샘플링될 환자 수, N은 시험 최대 환자 수)을 사용해 업데이트합니다. 총 200명의 환자가 샘플링되면 마지막 중간 분석에서 c는 0.5가 됩니다. 양 그룹의 각 시험은 동일한 시드를 사용해 재현성을 확보합니다. 각 시험이 끝난 뒤, 관심 있는 계수(이 경우 β₁)를 추출하고, β₁이 0보다 작은 확률(즉, 치료가 원하는 결과를 줄이는 데 도움이 되는지를 나타내는 확률)을 평가합니다. 자신에게 던지는 질문들 반응 적응형 무작위화와 50-50 할당은 치료 효과 추정치에 어떤 차이가 있나요? RAR이 치료 효과를 식별하는 정확도는 동일한가요? RAR이 50-50 할당보다 치료 효과를 더 빠르게 식별할 수 있나요? 효과가 없을 때 RAR이 이를 구별할 수 있을까요? 그렇다면 어떻게 보이는가?