베이지안 임상시험 설계에서 유형 I 오류 통제는 과연 필요할까

초록

베이지안 임상시험 설계는 전통적인 유형 I 오류 제한을 적용하면 혼합 방법론이 되어 장점이 사라진다. 저자들은 2군 이분형 우월성 시험을 예로 들어, 사후 확률 기반의 연속적 오류 제어(FDP, FFP)를 제안하고, 규제기관은 허용 가능한 거짓 양성 기준을, 연구자는 거짓 음성 기준을 설정하도록 한다. 이를 통해 사전 샘플 사이즈 계산 없이도 중간 분석 시점에 비용‑이익을 고려한 조기 종료 결정을 할 수 있다.

상세 분석

이 논문은 베이지안 임상시험 설계에서 전통적인 빈도주의적 유형 I 오류(α)와 유형 II 오류(β)를 그대로 유지하려는 규제 요구가 근본적인 통계 패러다임의 불일치를 초래한다는 점을 비판한다. 특히, 다중 중간 분석을 포함하는 순차 설계에서는 α‑분산이 급격히 증가해 검정력 감소라는 실질적 비용이 발생한다. 저자들은 이러한 문제를 회피하기 위해 ‘거짓 발견 확률(FDP)’과 ‘거짓 무효 확률(FFP)’이라는 베이지안 운영 특성을 도입한다. FDP는 “양성 결론이 내려졌을 때 실제로는 효과가 없을 확률”을, FFP는 “무효 결론이 내려졌을 때 실제로는 효과가 존재할 확률”을 의미한다. 두 지표는 사후 확률에 직접 기반하므로, 중간 분석 시점에 발생하는 데이터에 따라 자동으로 업데이트된다.

구체적으로, 2군 이분형 결과를 갖는 우월성 시험을 모델링하고, θ₀와 θ₁을 각각 대조군과 실험군의 성공률로 설정한다. 규제기관은 거짓 양성을 억제하기 위해 사전 분포 π_e와 허용 임계값 ε_e를 정의하고, 연구자는 거짓 음성을 억제하기 위해 사전 분포 π_f와 임계값 ε_f를 정의한다. 시행 중에 P_{π_e}(θ₁−θ₀≤Δ|D_{σ_n})가 ε_e 이하가 되면 효능을 선언하고, P_{π_f}(θ₁−θ₀≥0|D_{σ_n})가 ε_f 이하가 되면 무효성을 선언한다. 여기서 Δ는 최소 임상적 차이(MID)이며, 필요 시 0으로 설정할 수 있다. ε_e와 ε_f는 각각 FDP와 FFP에 해당하는 허용 수준이며, ε_e+ε_f<1이라는 조건 하에 두 결론이 동시에 발생하지 않도록 보장한다.

또한, 저자들은 비용‑이익 분석을 통한 조기 종료 규칙을 제시한다. 예측된 추가 환자 모집 비용이 기대되는 효능 확보 이득을 초과할 경우, 사전 정의된 비용 임계값에 따라 시험을 중단한다. 이 접근법은 전통적인 ‘조건부 파워’나 ‘예측 파워’와 달리 사후 확률과 비용 함수의 결합으로 이루어지며, 사전 샘플 사이즈 계산을 필요로 하지 않는다.

마지막으로, 이 베이지안 프레임워크는 규제기관과 연구자 간의 역할을 명확히 구분한다. 규제기관은 FDP(거짓 양성) 기준을 설정해 환자 안전을 보장하고, 연구자는 FFP(거짓 음성)와 비용‑이익 기준을 통해 효율적인 자원 사용을 도모한다. 이러한 구조는 기존의 ‘α‑제한 + 사전 파워 계산’ 방식보다 투명하고 유연하며, 실제 임상 개발 과정에서 발생하는 불확실성을 보다 직관적으로 반영한다.