予試験は何例やるべきか — ベイズ・アシュアランスで生物学的同等性試験の例数を設計する
ガイドラインが決めていない数字
生物学的同等性(BE)試験の被験者数について、ICH M13A はクロスオーバー試験で最低12例(並行群間では1群12例)という下限を定めている。日本の後発医薬品BEガイドライン(令和2年改正)は例数の下限を数値では定めておらず、「生物学的同等性を検証するために十分と考えられる例数」としている。同ガイドラインに出てくる「総被験者数20名(1群10名)以上」は例数の下限ではなく、90%信頼区間が許容域を外れたときに、平均値の比と溶出挙動から同等と判定する規定(救済規定)を使える条件である。
一方で、予試験を何例で実施すべきかについての規定はない。日本のガイドラインは、本試験に先立ち予試験を行うなどして必要例数を定め、その設定根拠を明らかにする、という趣旨の記載になっており、予試験は例数を決めるための手段として位置づけられている。手段そのものの規模は設計者に委ねられている。
実務では12〜18例あたりが相場とされるが、自分のケースで6例と20例のどちらが妥当なのかは、相場からは判断できない。この問いに数値で答えるための探索ツールを作った過程で見えたことを整理する。
失敗した実装 — 指標が数学的に縮退していた
以前、ベイズ流のBEサンプルサイズ設計モジュールを実装したことがある。しかし何を入力しても推奨例数が最小値(n=4)にしかならず、実務ツールとして成立しないため画面から外した。
★追記(2026-08-12): 「取り下げた」と書いていたが、正確には画面から外しただけで、計算とAPIは残っていた。その後、縮退を検出して判定不能を返すようにしたうえで、モジュールごと撤去した。指標の定義そのものが下記のとおり誤っており、直すには作り直すしかないためである。BE の例数設計は古典的な Diletti 1992 の実装(Phase 2 / BE統計解析)に一本化した。本稿は撤去の記録であり、将来アシュアランスを実装するときの設計文書でもある。
今回あらためて原因を調べたところ、問題は指標の定義そのものにあった。当時用いていたのは「事後BE確率を事前予測分布上で平均した値」である。ところがこれは、全期待値の法則(tower property)により必ず事前確率そのものに戻る。E[E[X|data]] = E[X] であるから、データで更新した結果をそのデータの分布で平均し直せば、元の値に戻るのは当然だった。
結果として、この指標は n にも個体内変動にも反応せず、n に対する曲線が水平になる。目標確率を最初に超える n を探索すれば、常に探索範囲の最小値が返る。「n=4 しか出ない」という症状は、規制上の問題ではなく数学的な縮退だった。
ベイズ・アシュアランスという指標
サンプルサイズ設計で意味を持つのは、アシュアランスと呼ばれる量である。
まず、真の GMR が θ と分かっている場合に試験が成功する確率、すなわち条件付き検出力を考える。BE試験の「90%信頼区間が 0.80〜1.25 に収まる」という判定規則は代数的に TOST(2つの片側検定)と等価であり、この確率は TOST の検出力そのものである。
ただし θ は実際には分かっていない。文献値や予測から得た事前分布があるだけである。そこで θ の不確実性を込みにして検出力を平均する。
アシュアランス(n) = ∫ 条件付き検出力(θ, n) × 事前分布(θ) dθ
この量は n とともに増え(個体内変動が大きく n がごく小さい領域では、n = 4 が n = 6 をわずかに上回るなど単調でないことがある)、個体内変動が大きければ必要例数も増える。個体内CVは σw = √(ln(1 + CV²)) を通じて標準誤差 SE = σw√(2/n) に効くため、必要例数はおおむね σw の2乗に比例する。実際、事前 GMR 0.95・事前SD 0.10・目標 80% のとき、CV 10 / 20 / 30 / 40% に対して必要例数は 14 / 48 / 100 / 172 と変化した。
条件付き検出力は、標準偏差を推定値で置き換える t 分布の TOST(自由度 n−2)で計算している。θ について平均する部分は閉形式になり(E[Φ((a−θ)/SE)] = Φ((a−m)/√(SE²+s²)))、残るのは標準偏差の推定のばらつきについての1次元の積分だけである。
★これらの数値は本稿のための探索実装で得たものであり、Navigator に載っている機能の出力ではない。Navigator の例数設計(Phase 2 / BE統計解析)は 2×2 TOST の厳密な検出力(σ_w² = ln(1 + CV²))を用いる別の計算である(2026-11-07 更新。それまでは Diletti 1992 の正規近似で σ_w ≈ CV と扱っていた)。同じ CV を入れても本稿の数値とは一致しない。
天井 — n を増やしても届かない領域がある
アシュアランスには、通常の検出力にはない性質がある。n を無限に大きくしたときの収束先が 1 ではない。
n を増やすと標準誤差は 0 に近づき、条件付き検出力は「真の GMR がBE域の内側なら 1、外側なら 0」という指示関数に近づく。したがってアシュアランスの極限は、事前分布がBE域に入る確率になる。
つまり「そもそも同等でないかもしれない」という不確実性は、被験者を何人集めても消えない。事前BE確率が 95.4% であれば、目標を 96% に設定した時点で、その試験計画は原理的に達成不能である。
ツールにはこの状態を検出したら、推奨例数の欄に数値だけを出すのではなく、目標に届いていないことを明示する表示を入れた。「探索範囲の上限に張り付いた値」と「目標を満たす最小の例数」は、意味の異なる数値である。同じ欄に同じ形式で並べれば、読み手は後者として受け取る。数値そのものが正しくても、それが何を表しているかの表示を欠けば、伝わる内容は誤りになる。
予試験 → 事後更新 → 本試験
ここまでが土台である。本題の「予試験を何例で実施するか」に進む。
設計の流れは次のようになる。
- 文献値・予測値から事前分布を置く
- 少数例の予試験を実施し、観測 GMR を得る
- 正規共役更新により事後分布を求める
- その事後分布上でアシュアランスを積分し、本試験の必要例数を算出する
予試験がもたらす情報量は予試験の例数で決まる(予試験の標準誤差は σw√(2 / 予試験n))。したがって予試験を大きくするほど事後分布は鋭くなり、本試験の必要例数の見積もりが定まる。
実際に動かすと、直感に反する挙動が現れる。事前 GMR 0.95・事前SD 0.10 の状態で、予試験12例において 0.92 という期待を下回る結果が得られたとする。平均は悪化するが、事後SDが 0.10 から 0.071 まで縮むため、本試験の必要例数は 72名から52名に減少する。分布の裾がBE限界に届きにくくなる効果が、中心の悪化を上回るためである。
ただし限度がある。同じ条件で観測 GMR が 0.88 まで低下すると、本試験は80名に増加した。予試験の結果が「得になる範囲」と「損が勝つ範囲」の境目がどこにあるかを探せることが、このツールの用途である。
予試験6例ではほとんど判定能力を持たない
予試験 6例・12例・20例を並べた比較表を作ったところ、想定していなかった結果が出た。
予試験6例・CV25% では、予試験でBEを示せる確率は 6.8% にとどまる。
計算は次のとおりである。CV25% であれば σw = 0.246、n=6 での標準誤差は 0.246 × √(2/6) = 0.142。自由度 4 の t 分位点は 2.132 なので、90%信頼区間の半幅は典型的には 2.132 × 0.142 = 0.303 となる。一方、BE域の半幅は ln(1.25) = 0.223 である。
信頼区間の幅が、典型的にはBE域より広い。区間が 0.80〜1.25 に収まるのは、6例から推定した標準偏差がたまたま小さく出たときに限られる。CV20% でも同じ状況で、確率は 14.2% である。
★本稿の初版(2026-07-21)はここを「確率がちょうど 0%」「幾何学的に起こりえない」と書いていた。当時の計算は標準偏差を既知とみなす正規近似(z = 1.645)で、区間の幅が固定されていたためである。実際の試験では標準偏差も推定するので、幅は試験ごとに揺れ、厳密な 0 にはならない。
ICH M13A が本試験に最低12例という下限を置き、日本のガイドラインが救済規定の条件に総被験者数20名以上を求めている理由は、この数値から理解できる。区間推定による判定である以上、例数が小さすぎる試験は判定能力そのものを持たない。
予試験は本試験の代わりにならない
設計の前提として押さえておく点がある。日本のBEガイドラインの質疑応答集(令和2年3月19日改正)は、予試験の結果を生物学的同等性の評価に用いることはできないとしている(Q-10)。予試験で 90% 信頼区間が許容域に収まっても、本試験は必要である。
したがって、予試験の例数を決める判断に効くのは次の2点になる。
- 予試験の情報によって本試験の必要例数をどれだけ絞り込めるか
- 総被験者数(予試験 + 本試験)で見た場合の損得はどうか
予試験を大きくすると本試験は小さくなるが、総数では増えることがある。このトレードオフを一覧できるようにしたのが比較表である。表には「予試験の 90% 信頼区間が許容域に収まる確率」も出しているが、これは予試験の規模でどこまで見えるかの目安であって、本試験が不要になる確率ではない。
実際に試せる形で公開している
以上の計算は Explorer のベイジアンBE設計モジュール で実行できる。予試験の例数と想定される結果を入力し、本試験の必要例数がどう変化するかを確認していただきたい。
なお Explorer は探索的解析のための研究段階のツールであり、規制対応や申請判断への使用は想定していない。ここで得られる数値は仮説生成のための当たりであって結論ではないため、試験デザインの決定にあたっては正規の手法で改めて検証していただきたい。
おわりに
実装してみて最も収穫だったのは、予試験の例数がガイドラインに規定されていない理由が理解できたことである。適切な規模は、事前情報の確からしさ、個体内変動の大きさ、そこに割ける予算によって変わる。一律に決められないから書かれていない。とすれば、そこは各自が根拠を持って設計すべき領域だということになる。
更新履歴
2026-11-14(2): 予試験の位置づけを、令和2年に改正された質疑応答集に合わせて訂正
| 項目 | 旧記載 | 現在 |
|---|---|---|
| 予試験の結果の扱い | 基準を満たした予試験の結果は、そのままヒトBE試験のデータとして評価に用いることができる(平成24年版の質疑応答集 Q-10) | 予試験の結果を生物学的同等性の評価に用いることはできない(令和2年版 Q-10) |
| 節の題 | 「予試験が本試験を代替する場合」 | 「予試験は本試験の代わりにならない」 |
| 予試験の例数を決める観点 | 3点(本試験の絞り込み・予試験だけでBEを示せる確率・総数) | 2点(本試験の絞り込み・総数) |
旧記載は平成24年版の質疑応答集に基づいていた。ガイドライン本体と同じ令和2年3月19日に質疑応答集も改正されており、予試験の扱いは逆になっている。ツールが出す「予試験の 90% 信頼区間が許容域に収まる確率」の数値は変えていない。
2026-11-14: 日本のガイドラインの「20名」の説明と、単調性の記述を訂正
| 項目 | 旧記載 | 現在 |
|---|---|---|
| 日本の後発医薬品BEガイドラインの例数 | 「本試験で総被験者数20名以上、本試験と追加試験を併せて30名以上」を下限として記載 | 数値の下限は無い(「十分と考えられる例数」)。20名は救済規定を使える条件 |
| アシュアランスと n の関係 | 「n について単調に増加」 | n とともに増える。個体内変動が大きく n がごく小さい領域では単調でないことがある |
令和2年改正のガイドライン本文は、通常の判定(90%信頼区間が 0.80〜1.25 に入る)について例数の下限を数値で定めていない。「総被験者数20名(1群10名)以上」は、この判定を満たさなかったときに使える規定の適用条件として書かれている。旧記載はこれを本試験の下限として紹介していた。「追加試験と併せて30名以上」は改正後のガイドライン本文に無い。単調性は、標準偏差を推定する t 分布の TOST では、自由度がごく小さいとき(n = 4 で自由度 2)に標準偏差の推定値が極端に小さく出やすいためで、CV 40%・事前SD 0.4 の例では n = 4 で 0.93%、n = 6 で 0.61% になる。本文の必要例数と確率の数値は変わらない。
2026-11-09: 計算を t 分布の TOST による厳密な値に改め、数値を更新
アシュアランスの計算を、標準偏差を既知とみなす正規近似(z = 1.645)とガウス・エルミート 64 点の数値積分から、t 分布の TOST(自由度 n−2)による厳密な計算に改めた。正規近似は推奨例数を約2例少なく見積もり、事前SDが大きいと数値積分が最大 6.9 ポイントずれていた。
| 項目 | 旧記載 | 現在 |
|---|---|---|
| CV 10 / 20 / 30 / 40% の必要例数 | 10 / 34 / 74 / 126 | 14 / 48 / 100 / 172(事前 GMR 0.95・事前SD 0.10・目標 80%) |
| 予試験12例・観測 GMR 0.92 での本試験 | 70名 → 52名 | 72名 → 52名 |
| 同・観測 GMR 0.88 | 58名 | 80名 |
| 予試験6例・CV25% で予試験がBEを示せる確率 | ちょうど 0% | 6.8% |
| 予試験6例・CV20% | 17% | 14.2% |
旧記載の一部(CV別の必要例数、観測 GMR 0.88 の値)は、本稿執筆時点のツールの出力とも一致していなかった。現在の数値はツールの計算そのもので、テストが記事との一致を確かめている。論旨(予試験6例ではBEをほとんど示せない)は変わらない。