Global Bio Conference 2018 (GBC) Biostatistic를 듣고난 후

[박성훈]

Global Bio Conference 2018 (GBC)이 2018-06-29에 Biostatistic에 대한 section이 있었다.

현재 관심이 되는 이슈사항들에 대해서 국내외 연자들의 소개가 인상적이었다.

LSK 박병관 상무님의 CDISC 의 ADaM에 대한 LSK Process에 대한 설명 후, 다른 통계학자분께서 현업의 BS에 대한 조언이 있었다.

통계분석용 Data의 표준화가 되면 될수록 현재 BS라고 불리는 통계학자들의 역할이 좁아질 것이라는(본인은 그렇게 들었음) 조언이었다.

임상시험에서 (소위) 통게분석을 담당하는 BS가 점차 없어질 것이라는 부분에 동의한다.

우리 나라가 임상시험에 대한 시작과 경험이 1990년대 후반부터 정비가 되어서 늦은 것일뿐, IT가 잘 정비되어 있는 우리나라 실정에서는 임상시험의 전산화가 사실 늦은 것이 맞다고 생각된다.(임상시험에 대한 개념도 정의가 잘 안되어 있었기 때문이기도 하다.)

임상시험 초기에 Protocol이 DM STAT에 대해서 세부적인 사항(통계분석에 대한 구체적 기술 등)을 다루고 있고, 임상시험 중간에 Monitoring이 제대로 된다면 통계분석은 자동출력 프로그램을 통한 출력결과만 내보내면 된다.

DB가 Lock 된 이후 곧바로 출력된 Table, Figure, List만 점검하는 것으로 충분할 수 있다. (여러 시스템적인 보완이 필요하지만..)

현재까지 임상시험의 통계분석은 임상시험 계획서(Protocol)는 통계분석에 대해서 구체적으로 다루고 있지 않고 있으며, 임상시험 중에 발생하는 문제들과 구체적인 분석에 대해서는 SAP를 통해 최종 분석결과를 보완하는 시스템이라고 볼 수 있다. 그런데 점차 임상시험 경험이 많아지고, 예상되는 Bias와 통제 가능한 변인이 많아짐에 따라 최종 분석은 통계적 검토 보다는 정해진 계산방법(통계분석법)을 SAS Program으로 Coding할 SAS Programmer 만 필요하게 될 수 있다. (임상시험의 결과를 분석하는 방법은 미리 방법이 정해져 있어야 하기 때문이다.)

업계 종사자 분들이 동의할지 모르겠으나, SAP와 TLF에 필요한 항목들은 필요시 Protocol에서 다룰 수 있으며,  Data Review, Analysis Set 등은 임상시험 중간에 해결하거나, DM에서 다룰 수 있다. 남는 것은 ADaM이나 Dry-Run 의 설정이다.

또한 임상시험을 계획하는, Protocl 에서 STAT Design을 담당하기 위해서는 높은 통계적 경력과 학문적 지시이 필요하다.

Sensitivity Analysis 도 Protocol 개발을 담당하는, 즉 STAT을 Design하는 통계학자가 Simulation 하고 결과에 대한 해석을 하는 것이 적절할 것이라 생각된다.

Statistical Analysis를 담당하는 BS는 SAS Programmer로 대체되지 않을까? 생각해 본다. 최소 10~15년 후에.

[강성찬]

그렇다면 임상시험에서 통계하는 사람의 역할은 주로 설계와 결과 검토이고 통계분석 일은 점차 없어질 거라는 건가요?

[SASMaster]

제가 계속해서 주장해온것과 같습니다. 사실 임상시험에서 BS의 일은 20년전이나 지금이나 그리 달라진것이 없다고 봅니다. 물론 약들이 점점 복잡해졌고 비교하는 방법도 좀더 복잡해졌지만, 일 자체가 양적으로 늘어난것이 없다고 봅니다. 그렇다보니 많은 Biostat들이 필요없어지고, 그냥 경험있는 consultant 한둘만있어도 문제가 없게 된것같습니다. 하지만 SP(Statistical Programmer)의 일은 20년에 비하면 엄청나게 늘었습니다. IT는 아니어도 어느정도의 IT도 알아야 하고, CDISC는 물론이고 FDA에 Submission하는것 까지 양적으로 알고 직접 해야하는일들이 참 많아졌습니다. 통계학을 많이 알아야하나요? 전혀 아니지요.

[SASMaster]

또한 여러 conference에 논문을 쓰기위한 데이타를 medical doctor 들에게 열심히 공급해야하고, 자동화 하기 위해서 수준 높은 SAS code도 알아야하고, 요즘은 Safety Narrative 같은것도 Biostat보다는 SP들의 SAS Code로 자동으로 만들려고 하고있죠. 많은 이유들이 있겠지만 20-30년 전만해도 SP들의 manager들은 biostat이었습니다. 그러다가 한 10-20년부터 biostat들이 떨어져 나가게 되고 지금은 그야말로 project manager가 된것같습니다. 임상시험에 대해서 잘알고 전체 흐름을 잘아는 사람들은 살아남고 그저 통계학 박사하나로만 버티기에는 어려울것 같습니다. 어디까지나 제 생각입니다.

[김병주]

음... 너무 약어가 많아서... 다만... 제약사 임상에서는... 통계만 아는 사람을 선호 하지 않는 다는 부분은 지극히 정답인것 같습니다. 어느 정도 허가 / 임상에 대한 흐름 정도를 아는 통계 Part 와 온리 통계만 아는 통계 Part 담당자 어느 쪽을 선호 할까는 너무 자명한 사실일꺼 같습니다.

[박성훈]

과거 전통적인 통계분석을 수행하려면 data의 수집과 정리(Cleaning), 통계적 계산(program)이 통계분석의 80%이상 소요된다고 해도 과언이 아니었지요(통계적 논리는 시간이 부족한 상황). 그런나 이제 그런 data의 수집과 정리를 어떻게 할지 미리 예상이 가능하고, 실제로 전산적으로 처리할 수 있게 되었습니다. 어떤 특정한 일이 발생했을 때 통계적 대처도 가능해지고 있습니다. 그러다 보니 전통적인 data를 분석하는 것이 통계분석이 아니라, 임상시험에서 통계디자인을 설계하는, 지식적 강도를 가진 사람들(임상+허가+통계전문+simulation능력을 가진 사람들)이 Sensitivity Analysis 를 하는 것을 통계분석이라고 하게 될 듯 합니다.

[박성훈]

SAS Master 님의 말씀에 전적으로 공감이 갑니다.

통계를 하시는 분들이 해왔던 Programming은 이제 SAS Programmer에게 넘어가고, 임상적인 통계해석과 분석을 할 수 있는 분야로 통계분석의 개념이 바뀌어 가고 있는 것으로 생각됩니다.
ICH E9 R1에서 강조하는 Estimand 는 통계적 개념이라기 보다는 임상시험의 목적의 개념이라고 합니다. 그런데 이 부분이 E9 에 왜 왔을까 생각해 보니... Estimand를 확인하는 근거로 Estimation(Estimator, Estimate)을 어떻게 설정해야 하는지에 초점이 맞춰지고 있다는 생각이 들었습니다. Estimand 를 확인하기 위한 estimation을 통계가 설정해야 하는데... 엄청난 Simuation 이 필요하더군요.

[박성훈]

Sensitivity Analysis 가 많은 simulation 을 반드시 필요한 것은 아니나, 설계시부터 임상시험에서 일어날 수 있는 일들에 대한 통계적 가능성을 산출해야 하고, 그에 대한 결과, 그리고 Protocol에서 다루는 결과뿐만 아니라 임상시험의 차이에서 발생할 수 있는 결과들까지 모두 Simulation 을 해서 종합적으로 Protocol의 결과가 어떤 의미를 갖는지를 해석해 내야 할 것 같습니다.
물론... 이 내용은 이상적인 내용일 수 있습니다. 실제로 Simulation 을 잘해도 재현성과 규제기관에 대한 설득이 쉽지는 않아 한계가 있겠지만, ICH E9 R1에서 제시를 했다면 이렇게 바뀌어 나가지 않을까요?