株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
Adaptive Design（適応的試験デザイン）は、臨床試験進行中に中間解析結果に基づき事前規定された変更（Sample Size・治療群・割付比・用量・対象集団）を加える柔軟な試験設計。FDA は 2019-11 に「Adaptive Design Clinical Trials for Drugs and Biologics」Guidance 発出（FDA Guidance）、ICH E20 は 2025-06-25 に Step 2b Draft 承認（2026 年中の Step 4 予定）、FDA は 2026-01-09 に「Use of Bayesian Methodology in Clinical Trials」Draft Guidance 発出（コメント締切 2026-03-13）、NMPA/CDE は 2026-01 に「药物临床试验中贝叶斯外部信息借用方法应用指导原则（试行）」施行。Complex Innovative Design（CID）Paired Meeting Program は PDUFA VII 下で継続、Sponsor が FDA と早期対話。Bayesian Adaptive・Group Sequential・Sample Size Re-estimation・MAMS（Multi-arm Multi-stage）・Response-adaptive Randomization・Population Enrichment・Adaptive Dose-finding 等が代表手法。Master Protocol・Rare Disease・Pediatric・Oncology で活用拡大。本記事では、Adaptive Design・ベイズ統計の AI 支援を、FDA 2019・ICH E20・FDA Bayesian 2026-01・NMPA 2026-01・CID Program・Simulation の観点で玄人目線で詳述する。
Adaptive Design の主要タイプ
| タイプ | 内容 | 用途 |
|---|---|---|
| Group Sequential Design | 中間解析で早期中止（Efficacy/Futility/Safety） | 確認試験 |
| Sample Size Re-estimation | Blinded/Unblinded で検出力確保 | 効果量不確定時 |
| MAMS（Multi-arm Multi-stage） | 複数治療群の段階的選抜・追加 | Treatment Selection |
| Response-adaptive Randomization | 成績の良い群への割付比調整 | Ethical Allocation |
| Population Enrichment | Responder 亜集団に絞込 | Precision Medicine |
| Adaptive Dose-finding | CRM・BOIN・i3+3 等でベイズ動的用量 | Phase 1 Oncology |
| Bayesian Adaptive | 事前分布 + 逐次更新 | Rare Disease・Pediatric |
| Seamless Design | Phase 1/2 や 2/3 を統合 | Development 加速 |
地域別規制
| 地域 | 規制 |
|---|---|
| FDA | Adaptive Design Guidance 2019-11、Bayesian Draft 2026-01-09（締切 2026-03-13）、CID Paired Meeting Program（PDUFA VII） |
| ICH | E20 Adaptive Designs Step 2b 2025-06-25、E9(R1) Estimand |
| EMA | Reflection Paper on Adaptive Designs、2025-2026 Workplan |
| PMDA | 適応的デザイン国内対面助言、Bayesian 議論中 |
| NMPA/CDE | 贝叶斯外部信息借用方法应用指导原则（试行）2026-01 施行、罕见疾病统计学指导原则 2022-06-06 |
| FDA Medical Device | Adaptive Designs for Medical Device Clinical Studies Guidance |
FDA Bayesian Draft Guidance（2026-01-09）の要点
- Primary Inference（Phase III 主解析）での Bayesian 手法
- Interim Adaptation の Bayesian 基盤
- Dose Selection への応用
- Informative Prior の justification
- Type I Error 相当の Error Rate 管理
- Pre-specification と Simulation の要求
- Operating Characteristics（OC）の事前評価
- External Data Borrowing（RWD・歴史データ）
- コメント締切 2026-03-13
Bayesian 手法の優位性
- 事前情報の体系的統合（Historical Data・RWD・Adult-to-Pediatric）
- 希少疾患・小児で少数例試験が可能
- Interim Decision の理論的明確性
- Stopping Rule の柔軟性
- Posterior Probability による解釈
- External Data Borrowing（NMPA 2026-01 GL 焦点）
- Subgroup Analysis の Shrinkage Estimator
- Hierarchical Model（Basket Trial）
AI 支援の 8 領域
1. Simulation 支援
Operating Characteristics（Power、Type I Error、Bias、OC）を AI で Trial Simulation。Scenario 自動網羅。
2. Prior Elicitation
文献・RWD・専門家意見から Informative Prior を AI で構造化。MAP Prior（Meta-Analytic Predictive）、Power Prior の適用判断。
3. Stopping Rule 設計
Efficacy / Futility / Safety の Stopping Rule を AI で最適化。Spending Function の自動選定。
4. Adaptive Allocation
Response-adaptive Randomization の割付比を AI でリアルタイム更新。Burn-in 期間最適化。
5. Sample Size Re-estimation
Blinded / Unblinded SSR を AI で判定。Ethical Allocation と検出力確保の両立。
6. Enrichment Criteria
Biomarker・臨床特性から Responder 亜集団を AI で特定。Enrichment のタイミング・基準最適化。
7. External Data Borrowing
NMPA 2026-01 GL に沿った Historical Data・RWD Borrowing を AI で統合。Shrinkage 自動調整。
8. Regulatory Submission
Adaptive Design Statistical Analysis Plan（SAP）・OC レポート・Simulation 結果を AI でドラフト。CID Paired Meeting 資料。
Adaptive Design パイプライン
- Step 1: Research Question 定義
- Step 2: Adaptive 要素選定
- Step 3: Simulation（OC 評価）
- Step 4: SAP ドラフト
- Step 5: CID Paired Meeting / PMDA 対面助言
- Step 6: Protocol / SAP Finalize
- Step 7: Trial 開始
- Step 8: Interim Analysis
- Step 9: Adaptive 判断
- Step 10: Final Analysis
Operating Characteristics（OC）の要点
- Type I Error Rate の保持
- Power（1 - β）
- Expected Sample Size
- Probability of Early Stopping
- Bias（Adaptive 特有）
- Coverage Probability
- Robustness（Prior Mis-specification）
- FDA 期待：複数シナリオ横断の Pre-specification
Complex Innovative Design（CID）Program
- FDA PDUFA VII 下で継続
- Paired Meeting Program で早期対話
- Advanced Bayesian・Adaptive・Novel Design 対象
- Pre-IND〜Pivotal の段階的合意
- Simulation Protocol の事前確認
- Sponsor Case Study 公開
- FDA Focus Area of Regulatory Science
失敗パターンと回避策
落とし穴1：Pre-specification 不足
Adaptive は事前規定が必須。Post-hoc Adaptation は Type I Error 膨張。AI Simulation で徹底網羅。
落とし穴2：Informative Prior の不適切 borrow
Historical Data の Exchangeability 仮定誤りで Bias。NMPA 2026-01 GL の Shrinkage 適用。
落とし穴3：Bayesian 結果の誤解釈
Posterior Probability と Confidence Interval の混同。教育と Regulatory Communication。
落とし穴4：Simulation 不足
FDA は複数シナリオ横断の OC 評価を期待。AI で Scenario 網羅。
落とし穴5：CID Program 未活用
Pre-IND から FDA と対話しないと Novel Design は却下リスク。Paired Meeting Program 事前申請。
KPI 設計の観点
- Operating Characteristics 達成
- Expected Sample Size 削減
- Development Timeline 短縮
- Regulatory Acceptance 率
- Interim Decision の予測一致率
- Simulation Protocol Pre-specification 完成度
- CID Paired Meeting 実施
まとめ：Adaptive Design・Bayesian AI 支援の設計指針
- FDA Adaptive Design Guidance 2019-11 + Bayesian Draft 2026-01-09（締切 2026-03-13）準拠
- ICH E20 Step 2b（2025-06-25）の Step 4 化を見据えた設計
- NMPA 2026-01 贝叶斯外部信息借用 GL 対応
- Complex Innovative Design Paired Meeting Program 活用
- Simulation で Operating Characteristics の Pre-specification
- Informative Prior の Shrinkage Estimator で Bias 制御
- Group Sequential・SSR・MAMS・Population Enrichment の Risk-based 選択
- Response-adaptive Randomization の Ethical Allocation
- Seamless Design で Phase 2/3 統合
- AI は Simulation・Prior Elicitation・Stopping Rule・SAP ドラフト、最終判断は Biostatistician・Medical・Regulatory
Adaptive Design・ベイズ統計は 2019 FDA Guidance・2025 ICH E20 Step 2b・2026 FDA Bayesian Draft・2026 NMPA 贝叶斯外部信息借用 GL で規制整備が国際的に加速。希少疾患・小児・Oncology・Master Protocol での活用拡大で Development 効率化が必須テーマ。判断の人間主導と反復的 Simulation・Prior Elicitation・Interim Analysis の AI 自動化が、2026 年以降のグローバル臨床開発の競争力を決定づける。