Fugu-MT 論文翻訳(概要): SDF-Bayes: Cautious Optimism in Safe Dose-Finding Clinical Trials with Drug Combinations and Heterogeneous Patient Groups

論文の概要: SDF-Bayes: Cautious Optimism in Safe Dose-Finding Clinical Trials with Drug Combinations and Heterogeneous Patient Groups

arxiv url: http://arxiv.org/abs/2101.10998v1
Date: Tue, 26 Jan 2021 18:59:26 GMT
ステータス: 処理完了
システム内更新日: 2021-03-13 20:00:46.259566
Title: SDF-Bayes: Cautious Optimism in Safe Dose-Finding Clinical Trials with Drug Combinations and Heterogeneous Patient Groups
Title（参考訳）: SDF-Bayes : 薬物併用と異種患者グループによる安全な服用試験における注意深い最適化
Authors: Hyun-Suk Lee, Cong Shen, William Zame, Jang-Won Lee, Mihaela van der Schaar
Abstract要約: 本稿では,薬物の最大許容量(MTD)を臨床試験で検索するための新しいベイズ設計であるSDF-Bayesを提案する。 SDF-Bayesは、1つの薬物の現在の投与量をエスカレートまたは脱エスカレートする従来の原則ではなく、慎重な楽観主義によって進行する。合成データセットと実世界データセットの両方に基づく広範な実験は、最先端のDC試験設計よりもSDFベイズの利点を示しています。
参考スコア（独自算出の注目度）: 84.63561578944183
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Phase I clinical trials are designed to test the safety (non-toxicity) of drugs and find the maximum tolerated dose (MTD). This task becomes significantly more challenging when multiple-drug dose-combinations (DC) are involved, due to the inherent conflict between the exponentially increasing DC candidates and the limited patient budget. This paper proposes a novel Bayesian design, SDF-Bayes, for finding the MTD for drug combinations in the presence of safety constraints. Rather than the conventional principle of escalating or de-escalating the current dose of one drug (perhaps alternating between drugs), SDF-Bayes proceeds by cautious optimism: it chooses the next DC that, on the basis of current information, is most likely to be the MTD (optimism), subject to the constraint that it only chooses DCs that have a high probability of being safe (caution). We also propose an extension, SDF-Bayes-AR, that accounts for patient heterogeneity and enables heterogeneous patient recruitment. Extensive experiments based on both synthetic and real-world datasets demonstrate the advantages of SDF-Bayes over state of the art DC trial designs in terms of accuracy and safety.
Abstract（参考訳）: 第I相臨床試験は、薬物の安全性(非毒性)を検査し、最大許容量(MTD)を求めるように設計されている。この課題は、指数関数的に増加するDC候補と限られた患者予算との間に固有の対立があるため、多剤併用(DC)が関与する場合、さらに困難になる。本論文では,安全制約下での薬物併用のためのMTD探索のためのベイジアン設計である SDF-Bayes を提案する。 sdf-bayesは、現在の薬物の服用量をエスカレートまたは脱エスカレートする従来の原則ではなく、注意深い楽観主義によって進行する: 現在の情報に基づいて、安全である確率の高いdcを選択すること(注意)という制約のもと、最もmtd(最適化)になる可能性が高い次のdcを選択する(最適化)。また,患者の不均一性を考慮した拡張型sdf-bayes-arを提案する。合成と実世界の両方のデータセットに基づく大規模な実験は、精度と安全性の観点から、アートDCトライアル設計の状況に対するSDF-Bayesの利点を実証している。