数字孪生在临床试验中的作用：关于方法学与统计学挑战的新视角

《Therapeutic Innovation & Regulatory Science》：The Role of Digital Twins in Clinical Trials: A New Perspective on Methodological and Statistical Challenges

　　

摘要

背景

随机对照试验（RCTs）仍然是评估医学干预的金标准，但面临着持续的方法学挑战：患者脱落、样本量不足、过早终止、数据缺失以及间接治疗比较的局限性。数字孪生技术——能够生成与真实世界数据在统计上无法区分的模拟临床轨迹的计算患者表征——的出现，为应对这些局限性提供了一条颇具前景的方法学补充途径。

方法

我们综合了关键方法学文献、监管指导（ICH E9(R1)、FDA、EMA）以及横跨肿瘤学、神经学和阿尔茨海默病领域的概念验证研究证据。计算机模拟临床试验方法的分类体系提供了组织框架。本文是一篇叙述性观点文章，而非系统综述；未采用预先设定的检索策略、数据库范围或纳入/排除标准。

结果

数字孪生可能为九项试验挑战提供互补的方法学途径：针对非随机缺失（MNAR）结局的基于模型的敏感性分析；针对部分观测纵向结局的贝叶斯和后验预测建模；预后协变量调整和虚拟增强以提高效率；无效性终止规则的前瞻性模拟；有效性终止边界的前瞻性校准；个体化对照臂（ICA）的构建；混合增强与合成对照策略；通过计算机模拟进行试验前方案优化；以及人群校正的间接治疗比较。

结论

数字孪生代表了一个新兴的方法学生态系统，而非孤立的工具。其方法学潜力取决于一致的验证和可解释性标准；算法偏差检测框架；监管接受标准的澄清；以及应对代表性差距的全面数据基础设施。数字孪生方法应被视为对既定随机试验方法学的补充——而非替代品。