专家视角看肿瘤临床决策：大数据 VS 小随机

肿瘤临床决策大数据医疗

Kathy D. Miller | 2016-04-29 16:10

【数据猿导读】临床肿瘤学杂志（JCO）近期发表了一篇对比临床试验和数据库分析两种方法解决早期乳腺癌放疗获益问题的文章。两种方法显示的结果并不一致。那么精准医学时代该如何解决临床实际问题，该选择"大数据"还是"小随机"

大型随机临床试验解决了肿瘤学中的许多重要临床问题。但是我们知道，临床试验花费巨大，耗费人力，而且具有一些固有偏差。因为我们只能纳入一部分成年患者入组临床试验。

随机试验过时了吗?

随着生物信息技术在过去几十年中的迅猛发展，有些人认为也许临床试验已经过时了。也许大数据可以帮助我们更快的解决一些问题，而且花费更低，或许会得到更好的结果。因为纳入的患者数量更多了，将会对结果产生影响。这一点在人们利用SEER(监测、流行病学和最终结果)数据库或利用个体报告的数据库时就可以发现。

这就是美国临床肿瘤学会(ASCO)CancerLinQ项目的目标之一，即联合社区所有患者的数据和经历，整合在一起来解决重要的问题。但是我们是否能得到好的结果呢?还是仅仅从一种具有偏差的方法转换为另一种具有偏差的方法呢?

考虑到这一点，我建议你们看一下最近JCO上由Katherine Henson及其同事发表的报告。该研究试图解决乳腺癌治疗中受到广泛关注的两个问题：经历保乳手术的女性和经历乳房切除术的女性采用放疗的作用和获益。个体临床试验解决过这些问题，并且我们在每5年的荟萃分析中也分析过这些试验。我们认为我们了解这两类患者的放疗获益。Katherine及同事采用了SEER数据库(该数据库反映真实世界的患者)，搜集了接受放疗或没有放疗的女性，接受保乳手术的女性以及接受乳房切除术的女性的数据。他们还比较了来自临床试验和SEER数据库的获益估计值。

对于经历保乳手术的女性，这两种方法都发现放疗能显著改善结局，但是SEER数据库中的女性的获益似乎比随机临床试验的女性更大。在经历乳房切除术后采用放疗的疗效方面，问题变得更为复杂。临床试验显示，乳房切除术后放疗具有很小但是真实的获益。而在SEER数据库中，经历放疗的乳房切除术患者结局更糟。

利用尽可能获得的数据，作者试图控制共变量和共病。控制这些稍稍减小了两者的差异，但是没有消除。原因可能是真实世界中经历乳房切除术并放疗的患者具有更严重的疾病，所以他们的结局更差。或许保乳术治疗的患者也是同样情况。或许没有接受放疗的患者存在更多的共病。

“如果要放弃随机试验，拥抱大数据，我们要非常谨慎才行……”

我们并不能确切的知道造成这种差异的原因。我们只知道结果是不同的，如果我们想放弃临床试验，选择大数据，那么我们需要非常谨慎才行。

这两种方法都有偏差，我们需要牢记没有方法是不存在偏差的。我们的工作应该是了解这种偏差，试图理解它的影响，更好的利用这些资源。大型数据可能是解决罕见毒性、罕见癌症或罕见后期事件的唯一方法，因为临床试验不会有这么多患者。但是对于常见疾病和常见重要问题，我认为我们仍然需要将随机试验作为解决重要问题的唯一途径。你是这么认为的吗?

来源：医脉通

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。