زمانی که منحنی‌های بقا تلاقی می‌کنند: سنجه میانگین بقای محدود چگونه شکست مدل کاکس را جبران می‌کند

هنگامی که کارآزمایی بالینی CheckMate 057 اثربخشی داروی ایمونوتراپی نیولومب را روی بیماران مبتلا به سرطان پیشرفته ریه بررسی می‌کرد، نتایج آماری اولیه پارادوکسی غریب را پیش چشم پژوهشگران قرار داد: بیمارانی که این درمان جدید را دریافت می‌کردند در مراحل پایانی کارآزمایی آشکارا طولانی‌تر زنده می‌ماندند، اما شاخص اولیه بقای بدون پیشرفت بیماری، نتیجه‌ای کاملاً خنثی و بی‌اثر را ثبت کرد.[3]

گزارش این مطالعه نسبت خطری معادل ۰٫۹۲ با پی-ولیو ۰٫۳۹ را نشان می‌داد که به زبان ریاضی، بیانگر عدم وجود هرگونه برتری معنادار آماری در مقایسه با شیمی‌درمانی استاندارد بود. در حالی که خود دارو در عمل عملکرد درخشانی داشت، چارچوب ریاضی سنتی مورد استفاده برای سنجش آن عملاً از کار افتاده بود.[3]

آن چارچوب ریاضی، «مدل خطرات متناسب کاکس» بود؛ ستون فقرات بی‌چون‌وچرای آمار زیستی از زمان معرفی‌اش در سال ۱۹۷۲ میلادی. مدل کاکس برای خلاصه‌سازی اثربخشی درمان، یک عدد واحد موسوم به نسبت خطر یا هازارد ریشیو تولید می‌کند، اما کارکرد آن بر فرضی سخت‌گیرانه استوار است: نسبت خطر نسبی میان دو گروه باید در طول زمان کاملاً ثابت بماند.

اگر دارویی در ماه نخست خطر پیشرفت بیماری را ۳۰ درصد کاهش دهد، مدل کاکس فرض را بر این می‌گذارد که این کاهش ۳۰ درصدی در ماه بیستم نیز به همان نسبت برقرار است. تا زمانی که این فرض در دنیای واقعی صادق باشد، نسبت خطر چکیده‌ای بسیار کارآمد و شفاف از اثربخشی درمان به دست می‌دهد.

تلاقی منحنی‌ها در کارآزمایی‌های ایمونوتراپی

با این حال، ورود درمان‌های ایمنی‌درمانی سرطان این فرض پایداری خطر را به چالش کشید. بر خلاف شیمی‌درمانی سنتی که سلول‌های سرطانی را فوراً و مستقیم بمباران می‌کند، داروهای مهارکننده نقاط وارسی ایمنی برای برانگیختن لنفوسیت‌های T بدن نیازمند زمان هستند. این تاخیر زیستی، الگویی رفتاری و آماری کاملاً متفاوتی در داده‌های کارآزمایی پدید می‌آورد.[3]

در ماه‌های ابتدایی کارآزمایی‌های ایمونوتراپی، بیمارانی که داروی تجربی جدید را مصرف می‌کنند، اغلب با نرخ بالاتری نسبت به گروه شیمی‌درمانی دچار پیشرفت بیماری می‌شوند. منحنی بقای کاپلان-مایر در گروه ایمونوتراپی در ابتدا پایین‌تر از گروه کنترل می‌افتد که به معنای عقب‌افتادگی موقت درمان جدید است.[3]

اما به محض فعال شدن کامل پاسخ ایمنی، روند به شکلی معکوس دگرگون می‌شود. منحنی ایمونوتراپی افقی می‌شود که نشان‌دهنده یک «دم پایدار» از بازماندگان بلندمدت است، و سپس به سمت بالا حرکت کرده و منحنی شیمی‌درمانی را قطع می‌کند. بررسی جامعی روی کارآزمایی‌های فاز ۳ نشان داد که در ۱۴ مطالعه مختلف، چنین تلاقی منحنی‌هایی مشاهده شده و بدون استثنا همه آن‌ها کارآزمایی‌های ایمونوتراپی بوده‌اند.[3]

زمانی که منحنی‌های بقا تلاقی می‌کنند، مدل خطرات متناسب کاکس دچار فروپاشی تحلیلی می‌شود. این مدل به لحاظ فرمولاسیون ریاضی، دوره اولیه خطر بالا را با دوره ثانویه کاهش چشمگیر خطر میانگین‌گیری می‌کند؛ برای نمونه، نسبت خطر ۱٫۳ در شش ماه نخست در ترکیب با نسبت خطر ۰٫۶ در هجده ماه بعدی، به یک نسبت خطر نهایی حدود ۱٫۰ خنثی ختم می‌شود.

این اثر میانگین‌گیری، همان دم ماندگار بقای بلندمدت را که شاخصه کلیدی پیروزی ایمونوتراپی است، از نظر ریاضی پاک می‌کند. یک نسبت خطر واحد نمی‌تواند جهت‌گیری متغیر اثربخشی درمان در طول زمان را توصیف کند و پزشکان را با معیاری مبهم روبه‌رو می‌سازد که ارزش بالینی واقعی دارو را پنهان می‌کند.

سطح زیر منحنی و منطق زمان مطلق

برای حل این گره آماری، پاتریک رویستون و ماهش پارمار، دو دانشمند آمار زیستی، در سال ۲۰۱۳ رویکردی را پیشنهاد دادند که نیازی به پیش‌فرض خطرات متناسب ندارد: میانگین زمان بقای محدود یا RMST. این سنجه به جای محاسبه نسبت لحظه‌ای رخدادها، زمان عینی و مطلق را اندازه می‌گیرد.[1]

میانگین زمان بقای محدود به شکلی ساده بر پایه محاسبه سطح زیر منحنی بقای کاپلان-مایر از زمان آغاز کارآزمایی تا یک افق زمانی مشخص، موسوم به تاو (tau)، تعریف می‌شود. این فرمولاسیون بدون اتکا به فرضیات مدل کاکس، پاسخی صریح و بیمارمحور فراهم می‌کند.

پلتفرم آماری متریک‌گیت در مستندات فنی خود یادآور می‌شود: «سنجه RMST پاسخی دقیق به یک پرسش ملموس برای پزشک و بیمار ارائه می‌دهد.»

«یک بیمار در طول بازه زمانی تاو ماهه نخست، به طور میانگین چه میزان زمان بدون پیشرفت رویداد بیماری را تجربه می‌کند؟»

از آنجا که این سنجه یک برازش بدون مدل است، فارغ از نوسانات اثربخشی درمان در گذر زمان، اعتبار ریاضی خود را کاملاً حفظ می‌کند. فرقی نمی‌کند که منحنی‌های بقا همپوشانی پیدا کنند، واگرا شوند یا به هم نزدیک شوند؛ مساحت زیر منحنی در هر حال کل مدت بقای زیسته توسط گروه بیماران را با دقت بازتاب می‌دهد.[1][3]

این شاخص همچنین در گفتگوی بالینی با بیمار بسیار شهودی و روشن است. در شرایطی که توضیح نسبت خطر ۰٫۷۳ برای بیمار گیج‌کننده و دشوار است، تفاوت مساحت به واحدهای ساده زمانی بیان می‌شود؛ پزشک می‌تواند بگوید این درمان جدید، به طور میانگین ۱٫۸ ماه بقای بدون پیشرفت بیشتری را طی یک بازه دو ساله برای شما فراهم می‌آورد.[5]

احیای یافته‌های کارآزمایی CheckMate

هنگامی که متخصصان آمار زیستی داده‌های کارآزمایی CheckMate 057 را این بار با محاسبه سطح زیر منحنی دوباره تحلیل کردند، سودمندی پنهان‌مانده نیولومب از نظر ریاضی نمایان شد. پژوهشگران افق زمانی را روی ۲۴ ماه تنظیم کردند و RMST را برای هر دو بازوی کارآزمایی به دست آوردند.[3]

این تحلیل مجدد نشان داد که بیماران به طور میانگین ۱٫۳ ماه بقای بدون پیشرفت بیشتری با پی-ولیو ۰٫۰۲ به دست آورده‌اند که از لحاظ آماری کاملاً معنادار بود. با کنار گذاشتن فرض خطرات متناسب، چارچوب مبتنی بر مساحت موفق شد اثر مثبتی را که مدل کاکس خنثی کرده بود، آشکار سازد.[3]

این احیای آماری یک پدیده استثنایی نبود. یک متاتحلیل گسترده‌تر روی هفت کارآزمایی بالینی ایمونوتراپی با حضور ۱۷۶۶ بیمار با رقومی‌سازی منحنی‌های کاپلان-مایر به بازسازی داده‌های فردی پرداخت. حاصل تجمعی این بررسی‌ها حاکی از ۱٫۸۴ ماه برتری در بقای بدون پیشرفت و ۱٫۹۸ ماه افزایش در بقای کلی بیماران بود.[3]

گسترش این معیار پس از سال ۲۰۱۴ شتابی دوچندان گرفت؛ زمانی که هاجیمه اونو و همکارانش مقاله‌ای بنیادین در ژورنال آنکولوژی بالینی منتشر کردند و بسته نرم‌افزاری متن‌باز survRM2 را ارائه دادند. تلاش‌های آنان ابزار محاسباتی لازم را برای کاربست روزمره این سنجه در اختیار طراحان کارآزمایی قرار داد.[2]

ابعاد بحران مدل‌های سنتی

ابعاد نقض فرض خطرات متناسب بسیار فراتر از چند نمونه محدود است. ارزیابی جامع ۳۵۷ مقایسه در کارآزمایی‌های فاز ۳ سرطان تا پایان سال ۲۰۲۰ نشان داد که ۸۵ مورد از آن‌ها — یعنی نزدیک به ۲۴ درصد — این فرض آماری بنیادین را به طور معناداری نقض کرده‌اند.[3]

این ناهماهنگی آماری به ویژه در دسته خاصی از درمان‌ها متمرکز بود؛ بیش از ۳۰ درصد از مقایسه‌های مربوط به داروهای ایمونوتراپی فرضیه خطرات متناسب را رد کردند، در حالی که این رقم در درمان‌های هدفمند ۲۲ درصد بود. این داده‌ها یعنی ابزارهای آماری متعارف در یکی از هر چهار کارآزمایی سرطان امروزی، کارایی خود را از دست می‌دهند.[3]

در کنار مساحت زیر منحنی، طراحان کارآزمایی‌ها آزمون‌های جایگزینی مانند آزمون مکس‌کامبو (MaxCombo) را نیز به کار بسته‌اند. این آزمون با تلفیق آزمون سنتی لاگ-رنک و آماره‌های وزن‌دار، قدرت آماری مطالعه را حتی هنگام جدایی دیرهنگام منحنی‌ها حفظ می‌کند.[3]

با این حال، اگرچه مکس‌کامبو توان بالایی در دستیابی به مقدار پی-ولیو معنادار در شرایط غیرمتناسب دارد، اما قادر نیست اندازه و مقدار عددی اثربخشی درمان را خلاصه کند. این آزمون به ما می‌گوید دارو موثر است، ولی نمی‌تواند به زبان قابل فهم بالینی بگوید این اثربخشی چقدر طول کشیده است.[3]

معمای انتخاب افق زمانی

با وجود مزایای بی‌شمار، سنجه مساحت زیر منحنی نیز متغیر سلیقه‌ای تازه‌ای وارد طراحی مطالعات می‌کند: انتخاب نقطه برش زمانی یا افق تاو. میزان سودمندی محاسبه‌شده برای بقا می‌تواند بسته به اینکه این نقطه برش کجا تعیین شود، تغییرات چشمگیری نشان دهد و پژوهشگر را به دفاع از انتخاب خود وادارد.[4]

اگر این افق زمانی بیش از حد زود انتخاب شود، مطالعه از ثبت واگرایی و جدایی دیرهنگام منحنی‌ها بازمی‌ماند و فایده دارو کمتر از واقعیت برآورد می‌شود. از سوی دیگر، اگر برش بسیار دیر تعیین شود، محاسبات به داده‌های پراکنده انتهای منحنی کاپلان-مایر تکیه می‌کنند که خطای آماری شدیدی پدید می‌آورد.[4]

برای جلوگیری از اینکه پژوهشگران بتوانند افق زمانی را به دلخواه و برای بزرگ‌نمایی مصنوعی اثر دارو دستکاری کنند، نهادهای رگولاتوری دارویی الزام کرده‌اند که این نقطه برش حتماً در پروپوزال اولیه کارآزمایی پیش‌پژوهی و مشخص شود. این افق باید توجیه بالینی داشته باشد و با حداقل زمان پیگیری بیماران همخوانی داشته باشد.[4]

برخی صاحب‌نظران آمار زیستی پیشنهاد می‌کنند به جای حذف کامل نسبت خطر، سنجه RMST در کنار نسبت خطر گزارش شود. نسبت خطر پیوستگی با سوابق تاریخی کارآزمایی‌ها را حفظ می‌کند و در همان حال، RMST معیاری شفاف، مطلق و بدون پیش‌فرض از منافع عینی بیمار به دست می‌دهد.

این سنجه جدید همچنین در ارزیابی فناوری سلامت و مطالعات اقتصاد دارویی اهمیت فزاینده‌ای یافته است. از آنجا که RMST طول زمان زیست واقعی بیماران را می‌سنجد، اقتصاددانان سلامت می‌توانند آن را مستقیماً به سال‌های تعدیل‌شده بر اساس کیفیت زندگی (QALY) و قیمت‌گذاری داروها پیوند دهند.[6]

گذار به سمت این روش‌شناسی، بازتابنده بازنگری عمیق‌تری در آمار پزشکی است. با ورود درمان‌های نوینی که پاسخ‌های بیولوژیکی پیچیده‌تری برمی‌انگیزند، قالب‌های ریاضی صلب قرن بیستم دیگر پاسخگوی پیچیدگی‌های پزشکی معاصر نیستند.[3]

زمانی که یک داروی پیشگام مسیر بیماری را در بنیاد دگرگون می‌کند، تحمیل کردن اجباری داده‌ها به مدل خطرات متناسب، عظمت دستاورد بالینی را مخدوش می‌سازد. با اندازه‌گیری مستقیم مساحت زیر منحنی، دانشمندان تضمین می‌کنند که طول عمر افزوده بیماران نادیده گرفته نمی‌شود و به رسمیت شناخته می‌شود.[1]