代替エンドポイント例で学ぶ臨床試験の設計と評価

代替エンドポイントの例と臨床試験での活用法

「代替エンドポイントを使えば試験期間を短縮できる」——その認識、実は大きな落とし穴につながります。

代替エンドポイントの例：がん・生活習慣病・感染症別の具体的な指標一覧

代替エンドポイント（surrogate endpoint）とは、患者にとって直接的な意味をもつ「真のエンドポイント（true endpoint）」—— 例えば全生存期間（OS）や心筋梗塞発症率 —— を直接測定する代わりに、それと相関すると考えられる生物学的指標や臨床指標を用いるものです。

では、実際にどのような指標が使われているのでしょうか。疾患領域ごとに整理すると、以下のように分類できます。

• 🎗️ がん領域：無増悪生存期間（PFS）、客観的奏効率（ORR）、腫瘍縮小率、無病生存期間（DFS）、病理学的完全奏効（pCR）
• 💉 糖尿病・代謝疾患：HbA1c（目標値7.0%未満が一般的基準）、空腹時血糖、インスリン抵抗性指数（HOMA-IR）
• ❤️ 循環器疾患：LDLコレステロール値、収縮期血圧、左室駆出率（LVEF）
• 🦠 感染症・HIV：HIV-1 RNA量（ウイルス量）、CD4陽性T細胞数、細菌培養陰性化率
• 🦴 骨粗鬆症：骨密度（BMD）、骨代謝マーカー（CTX、P1NPなど）

なぜこれらが使われるのかというと、真のエンドポイントである「骨折の発生」や「がんによる死亡」を観察するには数年〜十数年という追跡期間が必要になるからです。骨密度であれば1〜2年の試験期間でも測定可能であり、試験コストと期間を大幅に圧縮できます。

ただし重要な前提があります。真のエンドポイントとの相関が生物学的・疫学的に裏付けられていることが必須条件です。

つまり「測りやすいから使う」という理由だけでは不十分ということですね。

国立医薬品食品衛生研究所（NIHS）安全性生物試験研究センター：臨床試験の評価指標に関する情報

代替エンドポイントの妥当性：PFSとOSの相関を巡る論争と医療従事者が知るべき判断基準

代替エンドポイントの妥当性を巡る議論は、特にがん臨床試験において激しくなっています。代表的な論点が、PFS（無増悪生存期間）とOS（全生存期間）の相関問題です。

多くの研究者が「PFSが延びればOSも延びる」と暗黙的に前提していましたが、2010年代以降の複数のメタアナリシスがこの前提を揺るがしています。例えば大腸がんの第III相試験を解析した研究では、PFSとOSの相関係数（R²）が0.5を下回るケースが複数報告されており、「PFSの改善＝OSの改善」とは必ずしも言えないことが示されています。

相関が弱い理由の一つは、治療レジメンの複雑化にあります。近年は一次治療後の救済療法（サルベージ療法）が高度化しているため、たとえ一次治療のPFSが改善しなくても、後治療によってOSが延長されるケースが増えているのです。

代替エンドポイントの妥当性を評価する際には、以下の3つの観点が重要です。

• 📌 生物学的妥当性（biological plausibility）：その指標が疾患メカニズムの上流に位置するか
• 📌 疫学的エビデンス：過去の試験データで真のエンドポイントとの強い相関が繰り返し示されているか
• 📌 規制当局の認定：FDAのバイオマーカー適格性プロセスやPMDAのガイダンスで認められているか

「相関があれば使える」が原則です。

では、規制当局はどのように代替エンドポイントを審査しているのでしょうか。米国FDAは2018年に「Biomarker Qualification Program」を整備し、提出されたエビデンスパッケージに基づいて段階的に適格性を認定する仕組みを導入しています。日本のPMDAも同様のガイドラインを発出しており、開発段階と適応疾患によって求められるエビデンスレベルが異なります。

これは使えそうです。論文評価の際にこの3観点を使うと、代替エンドポイントへの過信を防ぐ判断軸になります。

PMDA（独立行政法人医薬品医療機器総合機構）：バイオマーカーに関するガイダンス文書（臨床試験における評価指標の設定）

代替エンドポイントの失敗例：CAST試験とVIGOR試験が医療従事者に突きつけた教訓

代替エンドポイントを巡る歴史的な失敗は、医療従事者が繰り返し学ぶべき教材です。最も有名な事例の一つが「CAST試験（Cardiac Arrhythmia Suppression Trial）」です。

CAST試験は1980年代後半に行われた試験で、「心室性不整脈を代替エンドポイントとして抑制すれば、心臓突然死を減らせる」という仮説のもとで設計されました。当時、Ic群抗不整脈薬（フレカイニド・エンカイニド）は確かに不整脈を抑制していました。臨床医の多くはこれを「良い指標」と信じていたのです。

ところが試験結果は逆でした。死亡率が対照群と比較して約2.5倍に上昇し、試験は中止されました。「不整脈の抑制」という代替エンドポイントが、真のエンドポイント（死亡率）と逆方向に動いていたのです。

これは厳しいですね。臨床の直感と生物学的仮説が、実際のアウトカムとまったく異なる結果をもたらした典型例です。

もう一つ重要な事例がVIGOR試験（rofecoxib対ナプロキセン比較試験）です。この試験でrofe coxibは消化管出血リスク（代替的な中間指標）を有意に低下させた一方で、心筋梗塞発症リスクが4倍に増加していることが後から明らかになりました。2004年にVioxxが市場から撤退した背景には、代替エンドポイントへの過信と長期アウトカムの見落としがありました。

これらの教訓から導き出されるルールは明確です。

• ✅ 代替エンドポイントの改善が「真のエンドポイントの改善を通じた機序」で起きているかを確認する
• ✅ 治療が代替エンドポイント以外の経路で真のエンドポイントに悪影響を与えていないかを検討する
• ✅ 試験期間中の安全性モニタリングデータも必ず評価する

代替エンドポイントは「効率的な試験設計のツール」ですが、それだけを見ていては全体像を見誤るリスクがあります。

代替エンドポイントとFDA加速承認制度：HbA1cやORRが承認の根拠になる仕組みと条件

代替エンドポイントは、規制制度とも密接に結びついています。その最たる例が、米国FDAの「加速承認制度（Accelerated Approval Program）」です。

加速承認制度は1992年に導入され、重篤な疾患に対する新薬について、臨床的利益を合理的に予測できる代替エンドポイントまたは中間的臨床エンドポイントを根拠として早期承認を可能にする仕組みです。この制度が最も活用されているのはがん領域で、2023年時点でFDAが承認したがん治療薬の約40%が加速承認を経由したとされています。

具体例を挙げると、次のようなケースがあります。

• 🧪 ORR（客観的奏効率）を根拠に承認されたPD-1/PD-L1阻害剤（後にOSの延長で正規承認）
• 🧪 pCR（病理学的完全奏効）を根拠に承認されたHER2陽性乳がんに対するpertuzumab（ペルツズマブ）の術前補助療法
• 🧪 HbA1c低下を主要評価項目として承認された複数の糖尿病治療薬（ただしCV安全性試験を別途実施）

加速承認には条件があります。承認後に確証的試験（confirmatory trial）を行い、真のエンドポイントにおける臨床的利益を示すことが義務付けられています。この確証試験で有効性が確認できない場合、承認が取り消されるケースもあります（実際に2021〜2023年にかけて複数の腫瘍薬がOSデータ不足で加速承認を自主撤退または取り消されています）。

日本では同様の仕組みとして「条件付き早期承認制度」（2019年施行）が存在し、患者数の少ない疾患に対して代替エンドポイントを根拠とした承認が可能です。

代替エンドポイントによる承認は「仮承認」と理解するのが原則です。

FDA公式サイト：Accelerated Approval Program（加速承認制度の詳細と適用条件）

代替エンドポイントを論文・EBMで正しく読み解く：医療従事者が実践で使える評価チェックリスト

臨床研究を読む際、代替エンドポイントを使用した試験に遭遇する頻度は非常に高くなっています。特に抗がん剤・心血管薬・糖尿病薬の第II相・第III相試験では、主要評価項目が代替エンドポイントであるケースが大半を占めます。

意外ですね。「有意差あり」という結論が、実は代替エンドポイントの改善だけで導かれており、患者の真の利益（生存や生活の質）が確認されていないケースが相当数存在します。

論文を評価する際に確認すべきポイントを以下に整理します。

確認項目	着目すべき記述・数値	リスク
主要評価項目の種類	OS・PFS・ORR・pCR・HbA1cなど	真のEPか代替EPかを識別
相関の生物学的根拠	Introduction〜Methodsの記述	根拠不明なら妥当性に疑問
試験期間と追跡期間	中央値追跡期間（月数）	短すぎるとOSは未成熟
副次評価項目	OSがsecondaryに含まれるか	真の利益の方向性を確認
スポンサーバイアス	Funding・COI開示欄	製薬企業主導は過大評価の傾向

特に注意が必要なのは「統計的有意性」と「臨床的意義」を混同しないことです。例えばHbA1cが0.3%改善したという結果は統計的に有意（p<0.05）であっても、実臨床での合併症リスク低下として意味があるかどうかは別問題です。一方でHbA1cが1.0%以上改善すれば、網膜症・腎症リスクへの影響が疫学的に示されており、臨床的意義も認められます。

数字の大小だけでなく、文脈との照合が条件です。

さらにEBM実践の観点から付け加えると、代替エンドポイントに基づいた推奨をガイドラインで読む際は、「その推奨のもとになった試験は加速承認用の代替EPを使っているか」を確認することが重要です。特にNCCNやJSCOのガイドラインは、エビデンスレベルの注釈（Category 1〜2B / エビデンスレベルIa〜IVなど）を必ず付けていますが、その基礎になった試験設計まで遡る習慣をつけると、診療の精度が上がります。

論文批判的吟味（critical appraisal）のスキルを体系的に鍛えたい場合は、JAMA Evidence「Users' Guides to the Medical Literature」シリーズや、MINORSチェックリスト（観察研究用）、CONSORTステートメント（RCT用）を参照するのが実践的です。これらは文献評価時に手元に置いておくと、論文の代替エンドポイントに関する記述を素早く確認できます。

この習慣が定着すると得です。代替エンドポイントの限界を見抜く力は、日々の診療判断の質を直接引き上げます。

日本臨床試験学会（JSCTR）：臨床試験の評価指標・エンドポイント設定に関する情報と教育リソース