早期PSAの低下と再上昇を分ければ予測は良くなるか
On this page
要旨
PSAの曲線に適合しても、独立した再上昇速度を識別したとは限らない。硬すぎる低下モデルを上回っても、直近PSAに対する追加情報は小さいことがある。それぞれ別の検証が必要である。
公開PSA・生存の例示データ400人で、直近値、線形階層、単一低下、低下・再上昇の階層モデルを比べた。6、12、18、24週の各予測は、その時点までの患者履歴だけを使った。対象はその後12週間の、治療継続中に観測された定量下限以上のPSAである。
2成分モデルは線形・単一低下候補を改善したが、直近値に対する利得は6・12週で不確かであり、24週の対応した検証集団では直近値の方が良かった。実装した近似階層推定で再上昇の情報は弱く、集団平均は全時点でパラメータ下限に達した。再上昇に基づく早期判断規則を妥当と認められなかった結果であり、再上昇が起こらないという根拠ではない。
背景と目的
PSAの低下と再上昇を分けることで、単純な外挿を超える信頼できる予測情報を得るまでに、どれだけの観測が必要かを問う。用途は測定・モデル設計の後ろ向き評価に限る。個人の治療選択、薬効の比較、耐性細胞割合の推定、PSAの全生存代替指標としての妥当性は評価しない。
同じランドマークで公平な単純予測と比較する必要がある。追跡全体へ当てはめて早期予測と呼べば、別の問いを解くことになる。
方法
公開データと前処理
公式に配布される例示データは400人、PSA 6,627行、死亡286人を含む (1)。原著のVENICE対照群でdocetaxel/prednisoneを投与された学習部分集団であり、原著の別の検証集団は含まれない。400人を再分割した内部評価であり外部検証ではない (2)。
推定前に3点を確認した。
- 観測の変換。 CSVのPSA値は原著観測式に対応する自然対数
log(PSA+1)尺度である。定量下限未満165行はすべてlog(1.1)で、記録された0.1 ng/mLの閾値と一致する。生のng/mLとして扱えば別のモデルになる。 - 同日測定。 同じ日の2組は値が少し異なり、完全重複ではない。配布された変換尺度上で各組を平均し、患者・日付が異なる6,625記録とした。任意の1つを残していない。
- 治療期間と生存。 CSVには治療終了時刻と、患者ごとに時刻ゼロ・最後のイベントまたは打切りという2つの生存行がある。治療終了後のPSAは主対象から外し、別の感度解析には使った。
原プロトコルは治療中約21日ごと、治療後約84日ごとのPSA測定を予定していた。予定へ強制的に割り付けず実測時刻を使い、治療前記録は確認用に残したが治療中の形状モデルからは除いた (2)。
CSVは登録なしで公開されているが、無制限の再配布権を意味しないため配布資料へ含めない。取得スクリプトが公式ファイルを取得し、保存したSHA-256を照合する。図はすべて自作の集約図である。
モデル構造と推定法
潜在的な治療中PSAを次式とする。
\[ S_i(t)=B_i\left[A_i e^{-d_i t}+(1-A_i)e^{g_i t}\right], \qquad 0<A_i<1,\ d_i,g_i>0, \]
観測モデルは次式とする。
\[ y_{ij}=\log\{1+S_i(t_{ij})\}+\epsilon_{ij}. \]
潜在応答を (B_i) で割ると時刻ゼロで厳密に1になる。重みなしの2指数を足して初期値を2倍にすることを避ける。潜在初期値の推定は、ノイズを含む最初の値への各比を独立と扱うことも避ける。
変換パラメータ (z_i=(log B_i,log d_i,log g_i,operatorname{logit}A_i)) は対角Gaussian階層を持つ。比較候補は直近観測値、配布尺度上の階層線形予測、単一指数低下である。(d)、(g)、(A) はPSA形状を表し、腫瘍細胞増殖、変異、耐性割合の直接測定ではない。
集団推定は、次の1次Gaussian周辺尤度の近似を最大化する。
\[ f(z_i,t)\approx f(\mu,t)+J(\mu,t)(z_i-\mu), \qquad V_i=J_i\operatorname{diag}(\omega^2)J_i^\top+\sigma^2I. \]
線形候補のGaussian周辺尤度は厳密だが、非線形候補はTaylor近似を使う。個人予測は非線形の経験Bayes MAP推定を使う。SAEMや厳密な非線形周辺最尤法ではなく、原著の機序ODE・生存モデルの再現でもない。集団初期値3組、最適化診断、数値境界を結果に含めた。
集団推定は下限打切りのない測定を使う。個人MAPでは定量下限未満にGaussian CDFの寄与を加える。この混成は限界であり、個人の打切り項を加えても、完全な打切りNLME集団尤度にはならない。予測チェックと感度を要し、パラメータの妥当性判断にはより完全な推定法が必要になる。
予測設計
乱数seed 20261004で、学習240人、区間校正80人、検証80人に固定した。各ランドマークの適格条件は、治療と追跡が継続し、それ以前の治療中PSAが2回以上、14日以上にわたることである。集団推定は適格な学習患者のその時点までの履歴だけを使い、検証患者は本人の過去履歴で予測する。将来測定は推定へ入れない。
主対象は観測された目標値の窓で、次の84日以内に治療中に測られた打切りなしPSAを使う。厳密な予定来院時点の目標ではなく、後続測定がない患者も代表しない。患者内誤差を求めてから患者間で平均し、測定頻度の高い人が平均絶対誤差（MAE）を支配しないようにした。
予測区間では各校正患者の観測目標窓での絶対予測誤差の最大値を1スコアとした。有限標本の90% split-conformal分位点を共通半径として使う。検証の患者被覆率は、その患者の観測目標すべてが区間に入った割合で、測定ごとの被覆とは異なる。選ばれた校正・検証患者の交換可能性が必要で、欠測測定や臨床状況変化への保証ではない (3)。
図1 変わる評価分母。 割当検証80人のうち、主予測目標に寄与する人数は69、69、53、43人。後の誤差低下は情報追加だけに帰属できず、治療継続中の集団への選択も変わる。
結果
単純予測との比較
表1のMAEは患者を等重みとするlog(PSA+1)単位で、ng/mL誤差、パーセント、奏効確率ではない。
表1 観測目標での患者重み付き予測誤差
| Landmark | Test patients / targets | Last value MAE | Linear MAE | Decay MAE | Two-component MAE |
|---|---|---|---|---|---|
| 6 weeks | 69 / 234 | 0.472 | 0.543 | 0.565 | 0.429 |
| 12 weeks | 69 / 213 | 0.395 | 0.536 | 0.511 | 0.365 |
| 18 weeks | 53 / 163 | 0.325 | 0.583 | 0.555 | 0.354 |
| 24 weeks | 43 / 118 | 0.249 | 0.515 | 0.477 | 0.327 |
図2 予測の比較。 左は各時点の観測目標集合での点推定、右は2成分から直近値を引いたMAE差と、患者の対応を保つ再標本化95%区間。負なら2成分が良い。推定済みモデルを条件とし、4時点は独立した検証的検定ではない。
表2 直近値予測からのMAE差
| Landmark | Two-component − last MAE | Paired bootstrap 95% interval |
|---|---|---|
| 6 weeks | -0.043 | [-0.108, +0.024] |
| 12 weeks | -0.030 | [-0.070, +0.006] |
| 18 weeks | +0.029 | [-0.015, +0.074] |
| 24 weeks | +0.078 | [+0.016, +0.153] |
図2と表1–2で2成分が低下候補より誤差が小さいことは、低下成分が小さくなったとき平坦になれる柔軟性と整合する。しかし、推定した再上昇成分はほぼ平坦だった。改善を再上昇検出の証拠と呼ぶことは、柔軟性と機序同定の混同になる。
6・12週の直近値との差は小さく、再標本化区間はゼロをまたぐ。24週の対応した検証比較では2成分の方が悪い。これらの検証誤差を使ってパラメータや事前分布を選んでいない。単純比較を捨てたり、普遍的な最適観測期間を決めたりする結果ではない。
予測区間の校正
表3 患者単位の予測区間被覆率
| Landmark | Calibration patients | Two-component patient coverage | Full width | Last-value patient coverage |
|---|---|---|---|---|
| 6 weeks | 59 | 95.7% | 3.483 | 97.1% |
| 12 weeks | 67 | 98.6% | 2.988 | 98.6% |
| 18 weeks | 57 | 90.6% | 2.121 | 98.1% |
| 24 weeks | 45 | 88.4% | 1.496 | 95.3% |
全幅は配布された変換尺度上である。名目目標は患者単位90%で、12週間の窓にある各患者の観測治療中目標をすべて含むかを評価した。
図3 区間の校正。 別の校正集団で半径を調整し、検証集団で評価した。初期の高被覆には広い区間を伴う。24週では2成分の被覆は88.4%、直近値は95.3%。有限検証標本の推定で標本不確実性があり、どちらも臨床的許容性の証明ではない。
図3と表3の尺度を確認すると、6週の半径1.742はPSA+1の約5.7倍に対応し、精密な予測ではない。被覆率だけでは分解能の不足を隠してしまう。校正した予測区間は (g) や腫瘍生物学の信頼区間でもない。
再上昇の同定可能性
表4 適格検証患者の局所情報量
| Landmark | Eligible test patients | Data rank <4 | Data condition >10⁶ | Median g SD ratio |
|---|---|---|---|---|
| 6 weeks | 70 | 70 | 70 | 0.999999 |
| 12 weeks | 72 | 18 | 72 | 1.000000 |
| 18 weeks | 61 | 1 | 61 | 0.999989 |
| 24 weeks | 48 | 0 | 46 | 0.999966 |
SD比は、対数再上昇速度の局所条件付き標準偏差を、推定した事前標準偏差で割った値である。打切りなしGauss–Newton近似の診断で、妥当性を認めた事後区間ではない。
図4 再上昇情報の弱さ。 SD比は約1のままで、データだけの情報行列は大半の適格検証患者で特異または悪条件である。観測増加で階数は改善しても、代数的なフルランクだけでは信頼できる速度推定にならない。
図4と表4に対応する全2成分集団推定は、平均対数再上昇を指定下限 (-10) に置いた。個人推定の多くも境界に達したパラメータを持つ。すべての集団初期値で収束し目的値も近かったが、数値収束によって境界推定が同定可能な生物量になるわけではない。6週の適格70人は全員データ階数4未満で、24週も48人中46人の条件数が (10^6) を超えた。これらの適格人数と、表1の後続目標を持つ人数は異なる。
個々の増殖・低下の確定値や治療推奨へ変換しない。支持されるのは、境界を置いたモデルと1次推定法についての結果である。別の尤度、豊富な機序モデル、長期の完全系列、完全joint解析でも再上昇が同定不能だとは示していない。
縮小と治療境界への感度
表5 事前分布と予測目標を変えた2成分MAE
| Landmark | Prior SD ×0.5 | Primary | Prior SD ×2 | Including post-treatment targets |
|---|---|---|---|---|
| 6 weeks | 0.504 | 0.429 | 0.388 | 0.451 |
| 12 weeks | 0.392 | 0.365 | 0.359 | 0.399 |
| 18 weeks | 0.380 | 0.354 | 0.345 | 0.361 |
| 24 weeks | 0.361 | 0.327 | 0.301 | 0.392 |
事前尺度の列は同じ主目標患者で比べるが、治療後を含む列は目標集合が変わり、対応した治療効果比較ではない。
図5 感度と残差。 左は集団推定を変えず個人事前SDを変えた予測。右は同数の予測区間に分けた平均残差で、残る誤差を示す。集約区間だけを公開し、患者軌跡・識別子は公開しない。
図5と表5では、個人事前SDを2倍にすると6週MAEは0.429から0.388へ減り、半分なら0.504へ増えた。感度の証拠であり、検証集団を見た後に2倍を選ぶ根拠ではない。24週の治療後目標を含めた感度は44人でMAE 0.392、主目標は43人で0.327だった。治療終了を超える外挿は解釈と観測可能性を変える。
個人の定量下限未満（BLQ）履歴を除いても、主予測誤差へ寄与した検証患者のランドマーク履歴にはBLQがないため、主誤差は同じだった。観測目標がない適格患者はこの記述に含まれず、一般的なBLQ処理には情報を与えない。将来BLQ目標は主誤差から除き、集団推定も打切りなしに限定するという限界が残る。42日の予測窓も別の目標人数とともに配布した。
考察
直近値を有力な比較として残すこと、予測精度と再上昇同定を分けること、時間とともに精度が改善するという解釈の前に評価集合の変化を確認することが支持される。実装した階層モデルが追加情報をほとんど与えず、または悪化する条件も明示できた。
再上昇に基づく治療判断の最小観測期間は確立しなかった。検討窓のどれも、この推定法で速度推定の問題を解決せず、時点間では選択された患者も違う。将来試験の便益・害や、PSAの生存代替性も評価していない。他治療へ検証済みカットオフとして移せない。
限界
公開された1治療群の部分集団と内部評価である。原著の独立検証患者、詳細投与歴、治療変更理由がない。治療終了、死亡、計測可能性による選択は、患者分割やconformal区間の追加で解決されない。非無作為欠測機構は同定せず、後期の少数検証群と固定分割が精度を制約する。
1次集団近似、対角ランダム効果、数値境界、部分的に省いた打切り尤度、局所情報近似は大きな方法上の限界である。見かけの再上昇への影響を完全には分離できない。より強いパラメータ・臨床主張には完全な非線形・jointモデルと真に独立した集団が必要であり、実施済みとは主張しない。
結論
実装した2成分階層モデルは、信頼できる再上昇同定や早期判断閾値を確立しなかった。直近値に対する不確かな利得、境界に達する速度推定、変わる観測目標集団から、予測精度とパラメータ同定は別に判断する必要がある。
データとコードの公開状況
取得・ハッシュ確認、変換・監査コード、固定計画、モデル実装、集約結果、自作5図、検証、実行済みノートブックを付属資料へ含めた。生データと個人パラメータは再配布しない。ノートブックは公式取得から解析を再実行する。表は手動転記ではなく保存結果から生成する。
参照
- MonolixSuite documentation. PSA and survival data set [Dataset and documentation]. Version 2024R1; updated 2024 Oct 24. Public CSV accessed 2026 Oct 4. Official example. The acquired file’s SHA-256 is recorded in the companion.
- Desmée S, Mentré F, Veyrat-Follet C, Sébastien B, Guedj J. Using the SAEM algorithm for mechanistic joint models characterizing the relationship between nonlinear PSA kinetics and survival in prostate cancer patients. Biometrics. 2017;73(1):305–312. doi:10.1111/biom.12537. Open author manuscript. Data provenance and observation definition; the estimator used here differs.
- Angelopoulos AN, Bates S. A gentle introduction to conformal prediction and distribution-free uncertainty quantification. arXiv [Preprint]. 2021; revised 2022 Dec 7. arXiv:2107.07511. doi:10.48550/arXiv.2107.07511. Version 6. Background for finite-sample split calibration; selection assumptions remain necessary here.