在创新药研发的赛道上，I期临床试验设计的优劣直接关乎后续开发的成败。作为提供专业数统服务的CRO公司，有临来雅始终紧跟前沿方法学，致力于为客户提供更高效、更科学的研发解决方案。
 

在上一期的文章中，我们深入解析了BOIN（贝叶斯最优区间）设计，其“模型辅助的简单性”和“查表决策”的高效性，使其成为寻找MTD（最大耐受剂量）的利器。但在靶向药物和免疫疗法主导的今天，一个新的问题浮出水面：找到MTD就够了吗？
 

许多新药的最佳生物剂量（OBD）往往低于MTD。如果只顾着“向上爬坡”，往往会忽略低剂量下宝贵的疗效数据。如何在不牺牲安全性的前提下，补齐这块短板？
 

今天，有临来雅团队为您解读BOIN的进阶版——回填贝叶斯最优区间设计。
 

一、核心进化：从“单向爬坡”到“双向优化”

如果说BOIN是一个专注的“攀登者”，一心只为寻找毒性边界；那么BF-BOIN就是一个智慧的“采集者”，在攀登的同时，不忘回头采集低剂量的“疗效果实”。

BF-BOIN的核心思路是： 保留BOIN快速识别MTD的能力，同时引入动态回填机制，在确保安全的前提下，让患者在低剂量组积累疗效数据，为后续RP2D（II期推荐剂量）的选择提供坚实依据。
 

二、关键机制：何时开启“回填”？

这是BF-BOIN区别于传统BOIN最核心的逻辑。并非所有剂量都可以回填，系统设定了两个严格的“双保险”必要条件，必须同时满足：
 

条件1：安全性验证（硬性门槛）
回填剂量必须低于当前正在探索的剂量，且已通过BOIN的安全性检查（未触发降剂量或淘汰）。这确保了回填患者不会暴露在高风险中。
 

条件2：疗效信号（价值导向）
在该剂量或更低剂量水平，必须观察到至少1例临床应答（如肿瘤缓解）。这确保了回填是有意义的，避免患者接受无效治疗。
设计逻辑：只有“安全”且“有效”的剂量，才值得投入更多样本。
 

 三、进阶难点：数据冲突如何解决？

在上一期BOIN介绍中，我们提到了“剂量－毒性单调性”假设。但在BF-BOIN的实际操作中，回填数据可能导致低剂量的毒性率看似高于高剂量（违背单调性）。

对此，BF-BOIN采用了“数据合并策略”进行智能决策：

1. 合并计算：将冲突剂量与当前剂量数据合并，计算区间毒性率。
2. 决策依据：根据合并结果重新判定升降剂量。

• 若合并后的毒性率 ≤ 升剂量边界（λe），则继续升剂量；
• 若合并后的毒性率 > 降剂量边界（λd），则降剂量至区间内安全的最高剂量；
• 否则，维持当前剂量。

这一机制有效避免了孤立数据对决策的误导，确保了统计推断的稳健性。

四、安全性与样本量控制

1. 智能熔断机制

安全是试验的底线。BF-BOIN设定了严格的关闭条件：

• 单剂量毒性超标：回填剂量累积毒性率超过预设边界（如29.7%），立即关闭。
• 合并毒性超标：为防止小样本误差，系统会将该剂量与更高剂量数据合并评估，一旦超标，即刻熔断。

2. 目标导向的样本量管理

• 递增部分：以MTD识别为核心，设置最大样本量。文献中常设单剂量上限nstop=9，但在实际应用中，研究者可根据具体情况进行参数调整。
• 回填部分：设置回填剂量上限ncap（如12例），防止过度收集低剂量数据，平衡效率与成本。

五、实战应用：多中心协作场景

场景示例：
某多中心I期靶向药试验，当前爬坡队列正在探索剂量水平3（DL3）。此时，DL1组数据显示安全且已出现2例PR（部分缓解）。

• 传统设计：DL1组已完成任务，新入组患者只能等待DL3的结果，或者无法入组。
• BF-BOIN设计：满足回填条件，系统开启DL1回填通道。其他研究中心的新患者可以直接入组DL1。
• 成果：既加快了患者招募速度，又为后续证明DL1是最佳RP2D积累了充足的数据。

六、工具赋能：一键生成决策

在实际执行中，BF-BOIN继承了BOIN的易用性。无需繁琐的编程，研究者可通过Web版工具（http://www.trialdesign.org）快速实现BF-BOIN设计 ：

• 参数设置：除常规BOIN参数外，需设置ncap等回填参数。
• 实时决策：在项目进展中，实时录入受试者入组、DLT评估及临床应答数据，系统自动生成剂量分配建议。

【互动问答】

读完本文，相信您对BF-BOIN的设计逻辑有了更深的理解。请尝试回答以下问题：

问：BF-BOIN设计开启回填的两个必要条件是什么？

A. 剂量b高于当前剂量c

B. 剂量b已通过安全性检查

C. 在b或更低剂量观察到疗效信号

D. 剂量b已经达到最大样本量

 请勾选正确答案： [___]

（欢迎扫码参与互动问答，我们将抽取3位幸运读者送出精美小礼品！）

主要参考文献：

[1] Zhao Y, Yuan Y, Korn EL, Freidlin B. Backfilling Patients in Phase I Dose-Escalation Trials Using Bayesian Optimal Interval Design (BOIN). Clin Cancer Res. 2024 Feb 16;30(4):673-679. doi: 10.1158/1078-0432.CCR-23-2585. PMID: 38048044.