摘要：一项关键的研究信函警告称，用于支持新型阿尔茨海默病药物的一种新型统计方法可能会严重夸大临床疗效。该研究评估了量化聚合方法，这是一种将患者分组、平均其结果并在这些集群中追踪趋势的技术。
这种最初应用于礼来公司阿尔茨海默病药物多那单抗具有影响力的数据再分析中的方法，研究人员通过计算机模拟发现，这种数学方法掩盖了患者间的变异性，可能将淀粉样蛋白清除与认知改善之间感知到的关系错误地夸大到实际幅度的29倍。
关键事实
- 问题所在方法：量化聚合将患者队列划分为特定组别，平均他们的个体临床结果，并在这些聚合块中寻找模式。
- 29倍夸大陷阱：在模拟最近临床试验条件的实验中，量化聚合方法将清除淀粉样蛋白斑块与减缓认知衰退之间的关联强度夸大了29倍。
- 掩盖患者变异性：通过合并大量患者并平均其结果，该技术有效地掩盖了个体患者认知变化中的现实世界变异性，制造出一种虚假的可预测性。
- 破坏随机化：该方法通过将接受实际药物的患者与接受安慰剂的患者合并，剥夺了重要的临床试验协议，使其无法确定淀粉样蛋白清除是否真正导致了认知益处。
- 使失败试验"复活"：为了证明该方法的缺陷，研究人员将2014-2023年完全失败的溶瘤单抗药物试验数据通过量化聚合模型运行。该方法制造了一个强烈但完全虚假的淀粉样蛋白减少与更好认知分数之间的联系，而实际上这种联系并不存在。
- 学术独立性：资深作者莎拉·阿克利强调，在制药行业财务激励之外工作，使独立学术研究人员能够自由严格审计影响如何理解一些最重要新药的方法论问题。
来源：布朗大学
根据布朗大学公共卫生学院研究人员领导的一项新研究，一种用于支持新型阿尔茨海默病药物的统计方法可能导致关于药物如何起作用的夸大说法。
发表在《美国医学会神经病学杂志》上的这封研究信函聚焦于量化聚合，这是一种新的统计技术，将人们分组、平均他们的结果，然后在这些分组中寻找模式。
高级生物统计建模表明，通过量化聚合对异质性试验队列进行分组和平均，完全掩盖了个体患者的变异性，人为地将微弱的治疗相关性放大高达29倍。
该信函研究了当将这种方法应用于认知和淀粉样蛋白（一种在阿尔茨海默病患者大脑中积聚的蛋白质）时的工作原理。该方法最初发表在对礼来公司阿尔茨海默病药物多那单抗的分析中。
"许多研究人员认为减少淀粉样蛋白积聚可以减缓与该疾病相关的记忆丧失和认知衰退，使其成为新一代阿尔茨海默病药物的主要靶点，"该研究的资深作者、布朗大学公共卫生学院流行病学助理教授、计算流行病学实验室负责人莎拉·阿克利表示。
"问题在于，使用这种方法来评估淀粉样蛋白清除对认知的影响可能产生误导性结果。"
根据分析，研究人员担心这种方法会使淀粉样蛋白减少与认知改善之间的联系看起来比实际情况强得多。研究人员查看的研究是对多那单抗随机对照试验原始数据的再分析。该研究由与制药商有关联的科学家领导。
"当我们进行模拟时，我们发现你基本上可以把淀粉样蛋白和认知之间非常微弱的关系，使其看起来非常强大和重要，"阿克利说。
研究团队预计该方法可能存在一些问题，但对效果如此之大感到震惊。
在设计用来反映最近试验条件的模拟中，研究团队发现该方法显示的淀粉样蛋白与认知之间的关系比实际幅度高出29倍。
研究人员表示，这是因为通过合并大量患者并平均他们的结果，这一过程掩盖了患者之间认知变化的变异性。这可能会让人觉得减少淀粉样蛋白对认知益处的预测性比实际情况更强。
该方法还将接受药物的患者与接受安慰剂的患者合并。研究称，没有这种随机化，分析无法可靠地确定淀粉样蛋白减少是否真正导致了认知益处，或者是否有其他因素在起作用。
为了说明这一点，研究团队还使用了2014年至2023年进行的"无症状阿尔茨海默病抗淀粉样蛋白治疗研究"的数据来测试该方法。该试验测试了溶瘤单抗是否能够减缓大脑中淀粉样蛋白水平升高的老年人的认知衰退，这是与阿尔茨海默病相关的一个早期迹象。
该试验表明溶瘤单抗并未减缓认知衰退，但当研究团队将该试验的数据通过用于多那单抗分析的量化聚合方法运行时，结果显示淀粉样蛋白水平降低与更好的认知结果之间存在强烈联系。
"我们基本上证明了这种方法会给你误导性结果，"阿克利说。"它让一个失败的试验看起来像是成功清除了淀粉样蛋白，并且淀粉样蛋白的清除减缓了认知衰退。实际上，该药物既没有做到这些。"
阿克利强调，这些发现并未解决关于新型阿尔茨海默病药物如何起作用的更广泛问题。相反，她说，这项工作凸显了需要更严格的统计方法。她还强调了在阿尔茨海默病研究中需要更多数据共享，特别是随着新治疗方法被更广泛使用并被医疗保险等公共计划覆盖。
"我们的研究很简单，但很好地展示了学术研究的价值，"她说。"在行业激励之外工作给了我们自由，可以仔细检查影响如何理解一些最重要新药的方法论问题。"
关键问题解答：
问：如果一种药物成功清除了大脑中的淀粉样蛋白斑块，这是否自动意味着它治疗了阿尔茨海默病？
答：不一定。许多神经科学家基于清除淀粉样蛋白积聚将减缓记忆丧失的假设工作，使其成为新一代昂贵阿尔茨海默病药物的主要目标。然而，在实践中，清除斑块与保持患者思维敏锐之间的实际原始关系可能相当微弱且不可预测。这项研究证明，一个有缺陷的数学方程可以将一个非常微弱的临床关系在纸上看起来异常强大。
问：量化聚合究竟是如何欺骗科学家看到成功的药物试验的？
答：想象一下，如果学校将整个班级的考试成绩平均在一起，而不是看个别学生。极端失败和独特成功完全被抹去，留下一个完美平滑但具有欺骗性的平均值。量化聚合将不同患者组合在一起并平均他们的结果。通过平滑个体人类衰退过程中混乱的现实差异，它掩盖了患者变异性，并错误地强制一条看起来像是清除淀粉样蛋白完美拯救了记忆的线。
问：2014年的一种失败药物如何在这种方法下突然看起来像奇迹疗法？
答：为了彻底测试这个数学框架，布朗团队采用了名为溶瘤单抗的药物的历史数据，临床试验证明该药物完全无法清除淀粉样蛋白或阻止认知衰退。当他们将这些失败的结果输入用于多那单抗等新药物的量化聚合模型时，数学完全扭曲了现实，吐出的分析错误地声称该药物成功清除了淀粉样蛋白并治愈了认知衰退。
编辑说明：
- 本文由Neuroscience News编辑编辑。
- 已全面审阅期刊论文。
- 我们的工作人员添加了额外背景。
关于此阿尔茨海默病和神经药理学研究新闻
作者：胡安·西利扎尔
来源：布朗大学
联系人：胡安·西利扎尔 - 布朗大学
图片：图片由Neuroscience News提供
原始研究：开放获取。
"阿尔茨海默病试验中量化聚合的方法学考量"，作者：迈克尔·D·弗兰德斯、米歇尔·卡乌卡、雷诺·拉乔伊、隆·S·施耐德和莎拉·F·阿克利，《美国医学会神经病学杂志》
DOI:10.1001/jamaneurol.2026.1240
【全文结束】
