美国食品药品监督管理局（FDA）正在推动一项可能改变药物研发模式的变革。该机构发布了一份指导草案，鼓励在临床试验中采用贝叶斯统计方法。与传统的每次试验都必须从零开始的“频率统计”不同，贝叶斯方法允许研究人员正式利用已有的相关研究数据，从而动态更新对药物有效性的判断。这一转变旨在提高试验效率，尤其能帮助罕见病和儿童等难以招募足够患者的领域，有望更快地推出创新药物。
每次都从零开始的传统药物试验
长期以来，药物试验遵循着一种“白板”原则：无论之前有多少相关研究，每一次新的临床试验都必须独立地、从零开始证明药物的有效性。
这种被称为频率统计的方法有其优点，主要是为了防止制药公司挑选对自己有利的过往研究来影响结果。但这种严格的规定也带来了明显的弊端：
- 对罕见病患者不友好： 全球可能只有几百名患者，根本无法招募足够的人来完成一项传统的、大规模的试验。
- 对儿童研究造成阻碍： 已经在成人身上证明有效的药物，仍需在儿童身上重新进行完整的试验流程。
- 效率低下且浪费资源： 试验过程更慢、更昂贵，并且抛弃了大量有价值的现有信息。
正如马萨诸塞州总医院的神经学家梅里特·库德科维奇所说：“利用你已有的数据来指导下一步行动，这听起来非常直观，而不是每次都像得了健忘症一样。”
贝叶斯方法：一种更灵活的统计学
FDA鼓励的新方法，即贝叶斯统计，从根本上改变了提问的方式，让试验变得更加灵活和高效。
- 传统方法 (频率统计) 问： 如果这个药实际上无效，我们仅凭运气看到当前试验结果的概率有多大？如果这个概率极低（通常低于5%），试验就通过。这是一种客观但刻板的“通过/不通过”模式。
- 贝叶斯方法 问： 基于我们已知的一切信息（包括之前的研究），这个药有效的可能性有多大？它会随着新数据的出现而不断更新这个概率。结果不是简单的通过/失败，而是一个具体的可能性，例如“该药物有94%的几率是有效的”。
这种方法的实际好处在于，它允许研究人员正式地“借用”其他地方的信息。例如，在进行儿童药物试验时，可以利用已有的成人试验数据作为参考。
这对患者意味着什么？以ALS为例
对于那些时间宝贵的重症患者来说，这种统计学上的转变可能意味着生与死的区别。
以肌萎缩侧索硬化症 (ALS) 为例，这是一种神经退行性疾病，大多数患者在确诊后2到5年内死亡。传统的“一次一药”试验模式对于这种疾病来说实在是太慢了。
2019年，一项名为 HEALEY ALS 平台试验 的项目获得了FDA批准，它采用了贝叶斯设计，带来了革命性的变化：
- 同时测试多种药物： 无需为每一种药物都启动一个全新的独立试验。
- 动态调整： 可以根据中期数据，快速淘汰无效的药物，并加入有希望的新药。
- 共享数据： 不同药物组的患者数据（包括安慰剂组）可以相互提供信息，减少了所需患者的总数。
在过去四年里，该试验已经测试了七种药物。如果使用传统方法，可能只能完成两种。这充分证明了新方法如何能以患者为中心，更高效地利用参与者奉献的宝贵数据。
灵活性带来的挑战与监管
当然，更大的灵活性也带来了风险，最主要担忧是研究人员可能会挑选对自己有利的先验假设，从而引入偏见。
然而，贝叶斯方法的支持者认为，传统试验只是更好地隐藏了其主观假设，而贝叶斯方法则迫使研究人员将所有假设公开化并加以论证，让包括FDA在内的所有人都能评估其合理性。
为了确保公正性，FDA强调将实施严格的监管措施：
- 所有试验方案都必须由FDA的统计学家审查。
- 研究方法和先验假设必须在试验开始前就预先确定并锁定。
- 研究人员不能在看到数据后才去选择对自己有利的假设。
尽管制药公司可能因不确定性而保持谨慎，但FDA的这一举措明确指出了未来的方向。随着欧洲药品管理局（EMA）也在探索类似的方法，这种更高效、更人性化的药物试验模式有望成为新的标准，为无数等待新疗法的患者带来希望。