다기관 무작위 임상시험의 설계 기반 분석: 무작위화와 보조통계 활용

초록

본 논문은 다기관 무작위 임상시험의 분석에 있어 무작위화 과정을 근거로 하는 방법을 연구·개발한다. 현재 다기관 연구에서 사용되는 대부분의 통계 절차는 모델 기반이며, 무작위화라는 핵심 설계 요소를 무시한다는 점이 문제점으로 제기된다. 모델 기반 분석은 공변량을 쉽게 포함할 수 있다는 장점이 있지만, 실제로는 센터 효과와 전반적인 시험 설계가 거의 반영되지 않는다. 이에 설계 기반 분석을 대안으로 제시한다. 제안된 방법은 무작위화 과정에서 생성되는 표본공간의 보조통계량에 조건부로 분석을 수행한다. 센터 변동이 존재할 경우, 이 방법이 통계적 검정력(power)을 크게 향상시킴을 확인하였다. 또한, 동일한 검정력 향상이 그룹 순차 시험에도 적용될 수 있음을 보였다.

상세 요약

이 연구는 다기관 임상시험에서 흔히 간과되는 ‘무작위화 설계 자체’를 통계적 추론의 근본으로 삼는 점에서 혁신적이다. 기존의 모델 기반 접근법은 일반화 선형 모델, 혼합효과 모델 등을 활용해 치료 효과와 공변량을 동시에 추정한다. 그러나 이러한 방법은 사전 가정(예: 정규성, 등분산성, 랜덤 효과의 분포) 위에 서 있기 때문에 실제 데이터가 가정에 부합하지 않을 경우 편향된 추정치와 과대·과소 검정력을 초래한다. 특히, 다기관 시험에서는 각 센터마다 환자 모집 특성, 치료 수행 수준, 진단 장비 등이 다르게 나타나 ‘센터 효과’가 크게 변동한다. 모델 기반 분석에서는 이 변동을 무작위 효과 혹은 고정 효과로 모델링하지만, 센터 수가 많고 각 센터당 표본이 적은 경우 추정이 불안정해진다.

본 논문이 제안하는 설계 기반 방법은 무작위 배정표에 의해 정의된 표본공간에서 보조통계량(예: 각 센터별 치료군 배정 비율, 전체 치료군 크기 등)을 조건부로 고정하고, 그 조건 하에서 치료 효과에 대한 순열 검정(permutation test) 혹은 무작위화 검정(randomization test)을 수행한다. 이 접근법은 ‘무작위화 자체가 귀무가설 하에서의 확률 분포’를 제공한다는 점에서 베이즈 혹은 빈도주의적 가정에 얽매이지 않는다. 또한, 보조통계량을 조건부로 고정함으로써 센터 간 변동을 자연스럽게 통제하고, 실제 관측된 배정 구조를 그대로 반영한다.

시뮬레이션 결과는 두드러진 두 가지 시사점을 제공한다. 첫째, 센터 간 변동이 클수록 설계 기반 검정이 전통적인 혼합효과 모델보다 검정력이 현저히 높다. 이는 무작위화 검정이 센터 효과를 ‘노이즈’가 아니라 설계의 일부로 취급함에 따라 발생한다. 둘째, 그룹 순차 디자인(예: O’Brien‑Fleming 경계)에도 동일한 조건부 접근을 적용했을 때, 중간 분석 단계에서의 검정력 손실이 최소화된다. 이는 임상시험 진행 중 조기 중단 결정을 보다 신뢰성 있게 내릴 수 있음을 의미한다.

하지만 몇 가지 한계도 존재한다. 보조통계량을 선택하는 과정이 주관적일 수 있으며, 복잡한 공변량(예: 연속형 베이스라인 변수)과의 결합이 어려울 수 있다. 또한, 무작위화 검정은 표본공간이 거대해질 경우 계산량이 급증하므로, 효율적인 알고리즘(예: Monte Carlo 순열) 개발이 필수적이다. 향후 연구에서는 다변량 보조통계량을 동시에 조건부로 고정하는 다중 조건 검정과, 비정형 데이터(예: 이미지, 유전체)와의 통합 방법을 모색할 필요가 있다. 전반적으로 이 논문은 무작위화 설계 자체를 통계적 추론의 핵심으로 재조명함으로써, 다기관 임상시험의 신뢰성과 효율성을 크게 향상시킬 수 있는 새로운 패러다임을 제시한다.