外部情報のベイズ的借用は、患者集団が限られる小児や希少疾患の状況で特に試験効率を改善し得るが、外部研究と試験が異なる場合にはバイアスを導入し、第一種過誤（Type~I error）率を増大させる可能性がある。近年の米国食品医薬品局（FDA）による暫定的なベイズ指針は、外部情報の慎重な評価、事前分布の指定、作動特性の評価を強調している。本論文では、ベイズ的借用のための3つのメタ解析予測（MAP）ベース手法を比較する。すなわち、MAP事前分布、頑健MAP（RMAP）事前分布、自律適応ミクスチャ（SAM）事前分布である。ケーススタディとして、レット症候群の適応的プラットフォーム試験デザインを用いる。シミュレーション研究では、SAM事前分布に対して、事前分布とデータの不一致、研究間の異質性、治療効果、臨床的に重要な差異（CSDs）を変化させた場合の頻度主義的作動特性を評価する。MAP事前分布は、外部データと現在のデータが整合する場合に最も大きな効率を達成したが、実質的な事前分布—データ不一致下では最も大きなバイアスを示した。RMAP事前分布は、頑健成分の固定された重みを通じて頑健性を改善した。一方でSAM事前分布は、借用を適応的に調整し、事前分布—データ不一致への感度が低いにもかかわらず、データが整合する場合には効率の利得を維持した。適応的借用の程度を反映する有効サンプルサイズとして、CSDは借用の大きさに影響を与えたが、頻度主義的作動特性への影響はわずかであった。懐疑的な頑健成分を用いた感度分析では同様の定性的結論が得られたが、MAPとRMAPの事前分布の違いをより際立たせた。これらの知見は、特に希少疾患の状況において、現行のFDA推奨に整合する形で、試験実施前にMAPベースの借用戦略を評価・選択するための指針を提供する。
https://doi.org/10.64898/2026.08.26.26360843