基于效用评分的新型剂量优化策略U-MET-m与CUI-MET在多终点随机临床试验设计中的应用与比较

本研究针对肿瘤临床试验中多终点剂量优化难题，由来自阿斯利康的研究人员开展多剂量随机试验设计研究，提出U-MET-m（≤3终点）与CUI-MET（>3终点）两种效用评估框架，通过贝叶斯推断比较各剂量效用指标以确定最优生物剂量（OBD）。仿真验证显示两种设计均具备优良的OBD选择特性，为复杂终点场景下的剂量决策提供了方法论支持。

剂量优化浪潮正推动肿瘤临床试验范式的变革，研究者们致力于寻找最优生物剂量（Optimal Biological Dose, OBD）。在早期临床试验中采用随机剂量设置，能够结合安全性、疗效及生物标志物数据，为特定人群的OBD验证提供更丰富证据。

为支持多剂量比较，本研究团队将基于效用评分的U-MET方法拓展为U-MET-m，使其能同时处理多个（≤3）终点和剂量，通过综合评分协调不同终点（如毒性-疗效权衡）。当终点超过3个时，联合权重设定变得复杂，因此提出替代方案CUI-MET，采用效用指数对多个终点进行边际化处理。文章阐明了U-MET-m与CUI-MET的关联性，为三终点以内的U-MET-m权重选择提供指引。

U-MET-m与（扩展版）CUI-MET均在假设检验框架下运用贝叶斯推断，通过比较各剂量的效用指标来识别OBD。文中通过仿真研究与实例分析，将这两种设计与经验性设计进行对比，结果表明U-MET-m与CUI-MET在OBD选择方面均表现出令人满意的操作特性。基于此，我们推荐在终点数≤3时优先采用U-MET-m，终点数>3时选用CUI-MET作为主要剂量比较方法。

（利益冲突声明：G.D.与D.R.为阿斯利康员工，可能持有公司股权或相关权益。）