一种使用真实患者数据的数字双胞胎方法,用于减少阿尔茨海默病随机对照临床试验中的样本大小
Daniel Andrews1,2, Shirin Golchi3, D Louis Collins1,2,4
1Department of Biomedical Engineering, McGill University, Montreal, Canada.
medRxiv : the preprint server for health sciences
|November 24, 2025
概括
数字双胞胎试验 (DTTs) 通过使用预测模型来识别相似个体并调整认知分数,减少阿尔茨海默病临床试验样本大小. 这种方法降低了阿尔茨海默病研究的招聘成本和负担.
科学领域:
- 临床试验 临床试验
- 神经科学是一个神经科学.
- 生物统计学 生物统计学
背景情况:
- 为阿尔茨海默病随机对照试验 (RCT) 招募参与者是具有挑战性和昂贵的.
- 数字双胞胎试验 (DTT) 方法提供了一种新的方法来减少RCT中的样本大小.
研究的目的:
- 引入和评估用于阿尔茨海默病临床试验的数字双胞胎试验 (DTT) 方法.
- 评估DTT在减少样本规模和相关成本方面的潜力.
主要方法:
- 开发了一个可解释的认知衰退预测模型.
- 从DTT参与者的回顾性数据库中识别了"数字双胞胎",以预测认知能力下降.
- 模拟18个月的DTT和标准RCT使用阿尔茨海默病神经成像计划数据.
主要成果:
- 临床痴呆症评级总和的预测和观察到的变化与r=0.4.4相关.
- DTTs需要1,855名受试者,而标准RCT需要2,170名受试者,以检测0.9功率的25%衰退减缓药物效应.
- DTT类型1错误率与标准的0.05α水平一致.
结论:
- 数字双胞胎试验显示,有可能显著减少阿尔茨海默病研究的招聘和财务负担.
- 预测模型的可解释性可能会提高临床医生对个性化患者预后的信心.
