在之前的文章中，我们探讨了BF-BOIN如何在I期试验中“既快又准”，也解读了U-BOIN如何引入“效用函数”开启靶向药研发新范式。U-BOIN凭借其两阶段设计的稳健性，赢得了众多研究者的青睐。

然而，面对样本量极度紧缺的罕见肿瘤试验，或是机制明确的靶向药物研发，是否有更极致的效率方案？本期，我们将深入解读BOIN家族的另一位成员——BOIN-12设计。它摒弃了分阶段策略，以单阶段流程直取OBD，正在引领一场剂量优化的“效率革命”。

一、 核心演进：从“稳扎稳打”到“单刀直入”

BOIN-12与U-BOIN虽然核心目标一致——均为精准定位最优生物剂量（OBD），但路径选择截然不同。

• U-BOIN（稳健派）：采用两阶段设计。第一阶段基于毒性快速筛选安全剂量范围，第二阶段在安全集内基于疗效/毒性精细化选择。优势在于信息全面，能同时提供MTD与OBD。
• BOIN-12（效率派）：采用单阶段设计。直接将疗效与毒性融合为一个量化指标“效用值”，通过准贝塔-二项模型实时动态计算，全程围绕OBD进行自适应探索。

【互动投票】在您的早期临床试验中，更倾向于哪种策略？
A. U-BOIN：稳扎稳打，兼顾MTD与OBD，便于监管沟通。
B. BOIN-12：目标明确，追求样本量最小化与效率最大化。
C. 视情况而定：需根据药物机制（如细胞毒 vs 靶向免疫）具体分析。

（欢迎扫码参与互动投票，我们将抽取3位幸运读者送出精美小礼品！）

二、 深度解析：BOIN-12的三大技术支柱 

BOIN-12之所以能实现高效决策，依赖于三个关键环节的精密配合。
 

1. 量化临床直觉：效用函数的科学设定
 

设计的起点是将医生的临床判断“数字化”。BOIN-12要求针对四种二元结局设定效用值（u1-u4），这不仅仅是打分，更是对治疗目标的界定。

• u1 (有效且无毒)：最理想状态，设为基准100分。
• u4 (无效且有毒)：最差状态，设为0分。
• 关键分歧点：u2 (无效但无毒) 与 u3 (有效但有毒) 的设定。
  • 对于晚期肿瘤，临床往往倾向于“放手一搏”，可能设定 u3 > u2（认为“有效有毒”优于“无效无毒”）。
  • 对于辅助治疗或早期疾病，安全性权重更高，可能设定 u2 > u3。
  • 干货提示：效用值的设定直接决定了OBD的偏好方向，研究者需在方案中明确界定依据。
  • 专业赋能：如何科学设定这些参数？有临来雅的统计设计团队拥有丰富的肿瘤项目经验，能够协助临床专家将模糊的治疗偏好转化为精确的数学参数，确保设计方案既符合统计原理，又精准契合临床意图。

2. 算法内核：准贝塔-二项模型与RDS指数

准贝塔-二项模型是BOIN-12的“大脑”，它将离散的四种结局数据，融合为连续的加权得分，并最终转化为基于秩的满意度指数（RDS）。

RDS表是BOIN-12“免计算”的关键。它预先生成了所有可能的临床情境（患者数、毒性数、有效数），并在后台完成了复杂的贝叶斯后验概率计算。试验中，研究者只需查表，即可知道当前剂量“表现优异”的概率。

3. 关键决策逻辑：探索与优化的平衡

BOIN-12的算法不仅仅是简单的“升剂量”或“降剂量”，其核心逻辑包含一个重要的截断机制：

• 安全性边界（λe, λd）：源自经典的BOIN设计（详见XXX文章），用于判断毒性率是否过高或过低。
• 样本量截断值（N*）：这是一个常被忽视的关键参数（通常设为6—12人）。
  • 当前剂量组人数 n < N* 时：算法允许探索更高剂量，比较低、中、高三个剂量的RDS，择优入组。
  • 当前剂量组人数 n ≥ N* 时：算法认为当前剂量信息已足够丰富，停止探索更高剂量，仅在当前剂量与更低剂量中选择RDS较高者。
  • 实操价值：这一机制有效避免了在数据充足时仍盲目爬坡带来的伦理风险，确保了试验后期的稳定性。在项目执行中，有临来雅的数据管理团队能确保毒性与疗效数据的实时清洗与锁定，为决策表的应用提供“零时差”的高质量数据支持。

三、 实战落地：如何避免决策陷阱？

在实际操作中，有两个细节需要特别注意，以确保试验的科学性：

1.“可接受”是决策的前提
在查阅RDS表进行剂量比较前，必须先通过“可接受性”测试。若某剂量毒性率过高（如超过预设上限φT）或疗效率过低（低于预设下限φE），该剂量将被标记为“E”（Eliminate），直接剔除，不参与RDS比较。任何RDS值均优于“E”状态，这体现了“安全/有效底线优先”的原则。

2.工具辅助与方案生成
复杂的建模过程已由在线工具（https://trialdesign.org/one-page-shell.html#BOIN12）完成。研究者只需输入参数（φT , φE, u2, u3等），系统即可自动生成：

• RDS决策表（试验操作手册）
• 统计性能模拟报告（向监管机构展示设计稳健性）
• 完整试验方案草案

四、总结：如何做出最终选择？

您在临床试验设计中遇到过哪些“两难”抉择？欢迎在评论区分享您的经验！

【参考文献】
[1] Yuan Y, Lee JJ, Hilsenbeck SG. BOIN12: Bayesian Optimal Interval Phase I/II Trial Design for Dose Optimization in Oncology. *Clinical Cancer Research*. 2019;25(14):4624-4633.
[2] Zhou H, Murray TA, Pan H, Yuan Y. Comparative review of novel model-assisted designs for phase I/II clinical trials in oncology. *Contemporary Clinical Trials*. 2022;119:106835.
[3] Lin R, Yuan Y. Time-to-event Bayesian optimal interval phase I/II trial design for dose optimization. *Biometrics*. 2020;76(4):1157-1166.