Avec la puissance de nuage informatique dont nous disposons aujourd’hui, nous pouvons exécuter une simulation de milliers de conceptions, chacune d’entre elles étant répliquée des milliers de fois. Cependant, les conceptions d’essais sont de plus en plus complexes, et la recherche de l’optimum parmi les millions d’options possibles nécessite une combinaison dynamique de jugement qualifié et de modèles statistiques. La conception optimale implique des compromis entre plusieurs critères de performance tels que les délais, les ressources, les coûts initiaux et la puissance de l’étude.
Lors de la conférence en ligne PSI 2021, Nitin Patel, cofondateur de Cytel, a présenté une discussion sur l’application des méthodes de recherche opérationnelle (RO) à la sélection de la conception des essais. Nitin a démontré deux possibilités d’optimisation à partir de la RO – Optimalité de Pareto et Convexité – pour identifier efficacement les meilleurs modèles d’essais cliniques, à partir d’un large ensemble de modèles simulés.
L’optimalité de Pareto est une approche simple et intuitive pour l’ordonnancement partiel des conceptions. Elle peut être utilisée dans des situations multicritères pour éviter d’avoir à définir explicitement des compromis. Pour un ensemble donné, une conception est un optimum de Pareto s’il n’y en a pas d’autre dans l’ensemble qui lui soit égale ou supérieure pour tous les critères. Les plateformes de stratégie d’essais cliniques, comme Solara de Cytel, sont en mesure de fournir plus d’un millier de conceptions parmi des millions de scénarios. Un front de Pareto peut aider les promoteurs à identifier rapidement les conceptions à évaluer. Dans sa présentation, Nitin démontre en quoi l'optimalité de Pareto est très efficace pour passer au crible les résultats d’un grand nombre de simulations de conception d’essai, afin d’en identifier un ensemble qui dominent collectivement toutes les autres quant aux trois critères de puissance, de coût et de durée, dans le cadre d’une conception d’essai de phase 3 en oncologie.
Une autre approche couramment utilisée pour l’optimisation multicritère consiste à utiliser une moyenne pondérée des critères individuels pour définir un score numérique. Ce score peut être utilisé pour identifier la ou les conceptions optimales parmi un ensemble. La meilleure conception se situe toujours sur l'Enveloppe Convexe des vecteurs Critères des conceptions. Nous calculons les pondérations en variant l’échelle entre le minimum et le maximum, et la variation des pondérations modifie la ou les conceptions optimales. Trouver des conceptions correspondant à tous les vecteurs de poids possibles donne un ensemble de conceptions optimales, appelées conceptions d'enveloppe convexe. On peut démontrer que ces conceptions sont un sous-ensemble des conceptions de Pareto et, par conséquent, certaines d’entre elles peuvent ne pas figurer dans l’ensemble des meilleures conceptions pour les scores calculés par des poids linéaires.
Le principal avantage de l’utilisation des méthodes de Pareto et d’Enveloppe Convexe découle du fait que le cadre Scénario-Conception-Critères s’applique à toutes les conceptions d’essai qui nécessitent une simulation pour trouver un optimum. Ces méthodes réduisent considérablement le nombre de conceptions à examiner, car elles identifient rapidement celles les mieux alignées sur les objectifs commerciaux d’une organisation.
Cliquez ci-dessous pour en savoir plus sur la présentation de Nitin au PSI.
A propos de l'auteure du Blog:
Mansha Sachdevest spécialisée dans la création de contenu et la gestion des connaissances. Elle est titulaire d’un MBA et possède 11 ans d’expérience dans la gestion de diverses facettes du marketing, dans plusieurs secteurs. Chez Cytel, Mansha est responsable du marketing et de la production de contenu informatif pour les industries pharmaceutiques et dispositifs médicaux.
