新闻中心江南体育官网下载
11月8日到10日，“第二届北京生物统计及数据科学论坛” 在北京大学成功举办。本次论坛以“医疗器械设计及评价方法”为主题，结合生物统计和数据科学最新的研究进展，从多个角度进行了深入研讨。论坛由北京大学公共卫生学院生物统计系、北京大学数学科学学院、北京国际数学研究中心、北京大学统计科学中心、中国现场统计研究会生物医学统计学会联合主办，大数据分析与应用技术国家工程实验室、北京大数据研究院、国际生物统计学会中国分会、北京灵迅医药科技有限公司协办。来自政府监管部门及有关机构权威人士，学术界，企业界等300余名专家学者出席。北京大学副校长，北京国际数学研究中心主任，中国科学院院士田刚北京大学副校长田刚，北京大学医学部副主任肖渊，北京大学生物统计系北京大学公共卫生学院生物统计系系主任、北京大学博雅讲席教授周晓华分别在开幕式致辞。
本次论坛分为短课培训与会议两个环节。短课主题为“医疗器械设计及评价方法”，由周晓华教授和美国FDA医疗器械评审中心生物统计部前部长GREG CAMPBELL联合主讲，主要介绍了诊断及治疗类医疗器械的设计要点及统计分析模型。现场座无虚席，超过200余人参加了培训。
在论坛环节，来自国家药品监督管理局医疗器械审评中心，中国食品药品检定研究院，美国国立卫生研究院(National Institute of Health)、国家心血管病中心等国家监管部门，美国宾夕法尼亚大学、中佛罗里达大学、爱荷华大学、北京大学等学术机构，北京协和医院等医院机构，强生公司、推想科技等企业的有关专家学者分享了医疗器械的统计方法研究的国际最新进展及应用成果、探讨了大数据背景下医疗器械未来的发展方向和前景。
医疗器械可划分为高值耗材、低值耗材、医疗设备、体外诊断四个大类。医疗器械科技创新是国家科技创新体系的重要组成部分，也是推进健康中国建设的核心动力和支撑，先进的医疗器械是一个国家科技进步和全民健康保障能力的重要标志。中国药品监督管理研究会与社会科学文献出版社于10月21日联合发布了《医疗器械蓝皮书：中国医疗器械行业发展报告（2019）》。根据报告显示，虽然目前我国医疗器械市场呈现着生产经营企业“多、小、低”、行业研发投入与国外相比明显偏低等特征，但行业发展形势依然被看好。未来我国将成为全球最大的医疗器械市场，行业也将继续保持快速健康发展的良好势头，预计未来十年仍将是我国医疗器械行业黄金发展阶段。
本次论坛聚焦于医疗器械批准上市的流程、政策、评价原则，风险控制、国际化策略，探究了如何推动医疗器械在临床试验及科研中的应用。论坛二十多位演讲嘉宾，有一半来自国外，这其中既有统计领域的专家、政府监管部门的决策制订者，又有来自研发机构、医院一线的科研工作人员，演讲内容也贯穿了医疗器械从设计到临床试验再到使用的整个链条，论坛的召开对推动生物统计及数据科学理论在医疗器械临床研究领域的应用，促进我国医疗器械评价的战略思考及关键技术体系形成、促进我国创新医疗器械临床试验与国际接轨具有重要意义，受到与会者的高度评价。
坎贝尔教授首先从医疗仪器的定义谈起。医疗仪器的范围很广，除药品及生物制品外，一切用于人类医疗的物品都可以被称为医疗仪器，从功能上可把医疗仪器分为三类：治疗仪器，美容仪器和诊断仪器。医疗仪器的临床研究可分为探索期、中枢期与上市后三个阶段，有两种形式：一是以临床结果变量为指标，所有治疗仪器与美容仪器以及部分诊断仪器的临床研究采用这种形式；二是以临床诊断表现为指标，适用范围是大部分诊断仪器，包括IVD。
接下来，坎贝尔教授向我们讲解了中枢阶段临床研究的试验设计。治疗仪器的临床研究形式通常是同期对照实验，对照组可采用安慰剂、阳性对照、空白对照等方案，或是非随机的同期对照。在临床试验设计中，双盲、多中心的随机对照试验(RCTs)是所谓的“金标准”，这是因为利用安慰剂对照组可以消除安慰剂作用带来的偏差。安慰剂作用的来源往往是对疗效的预期，或是均值回归现象的影响，也可能单纯是受到关注带来的(Hawthorne effect)。但有些情况下，这样的设计不现实、有违伦理或是不可行，例如脑起搏器这类仪器很难设计双盲的对照试验。此时可采用已知有效的疗法作为阳性对照组，但有关的统计分析必须在试验前确定，否则根据试验结果选择检验非劣效性、优效性或等效性将导致统计推断无效。在非随机的观察性研究中，对照试验有同期对照与历史对照两种形式，最核心的问题在于非随机化的不同组之间是否是可比的，因此统计分析中必须依赖一些不可检验的假定，这是一种折中办法，其统计方是基于反事实变量的因果推断。观察性研究也可以是无对照的，如OPC(Objective Performance Criteria)和PG(Performance Goals)。对于临床诊断器械，自身对照试验往往也是可行的，并且比随机对照试验更优。
随后坎贝尔教授分析了中枢阶段临床研究中统计学的作用，从研究计划到研究的实施与监控，再到最后的数据分析。在研究计划中，研究者需要统计分析确定选择何种试验设计，如平行设计、配对设计、嵌套设计、分层设计等，还需要为统计分析设定具体的计划(SAP)。如进行假设检验，需要确定原假设与备择假设形式，检验的阈值以及所需的样本量。不经计划的研究是危险的，同时也是统计上无效的。在监控过程中，研究者可以根据统计分析按预先设定的方案提前终止试验或改变规模。在数据分析中，往往有不止一种统计方法可用，例如诊断器械通常应当同时报告点估计值与相应的置信区间，但选择何种方法也必须提前计划好。
茶歇过后，坎贝尔教授概述了美国FDA针对医疗器械的监管审批体系。FDA根据产品风险分为进行管理，将一些用于支撑和延续生命、或对人身健康具有重要的保护作用、或具有较大程度潜在风险的医疗器械归入第，需要办理上市前批准(PMA)。
下一部分，坎贝尔教授介绍了有关治疗器械研究的四点统计方法创新。第一个是贝叶斯试验，可以有效利用器械的先验信息，可以更快的进行决策、依赖更少量的数据，从而对业界有很大的吸引力。第二个是自适应性试验设计，如改变样本量、改变随机化比例等，可以使试验的有效性提升。第三个是倾向得分方法，可以在观察性研究中解决混杂因素的问题。第四个是临界点方法，可用于缺失数据的分析。同时坎贝尔教授也提到了有关诊断器械研究的统计方法创新，如ROC曲线等。
上午Gregory Campbel教授介绍了全面的介绍了关于治疗与诊断仪器的统计方法的各方面情况，下午周晓华教授的短课侧重于医疗器械评估的统计学方法。
首先，周晓华教授介绍了评估医疗器械的三个目的，包括提供病人病情信息、影响医生诊断方案、了解疾病过程，并定义了医疗器械评估语境下的诊断精确度(diagnostic accuracy)，与药物的评估不同，这里诊断精确度更强调有病没病能不能分开。紧接着，周教授讲解了诊断精确度的六个层次，并将今天的讨论的范围限制到评估诊断精确度的有效性(diagnostic accuracy efficacy)的方法，主要包括敏感度(sensitivity)，特异度(specificity) 和ROC曲线。
而内在的精确度（intrinsic accuracy）指的是指标不会随着发病率变化而变化，例如灵敏度和特异度。这里周晓华老师特别强调的金标准(Gold standard)的重要性，以及金标准的选取一定要求与待研究的医疗器械无关。
接下来，周晓华教授详细介绍了受试者操作特性(ROC)曲线在评估医疗器械中的应用。ROC曲线是把不同评价标准下灵敏度和特异度配对形成的曲线。ROC曲线作为图像非常直观，并且与发病率无关、与发病率无关、与尺度无关。但在临床实践上ROC曲线不能直接应用，所以我们可以基于ROC曲线，根据具体问题，采用曲线下面积(AUC)特定区域下面积等指标评价整体的内部精确度。并且，利用贝叶斯公式，如果已知灵敏度、特异度和发病率，我们就可以计算出假阳性率和假阴性率。那如何估计ROC曲线呢?周晓华教授介绍了两种方法：一种方法是假定测量结果符合某个参数分布模型，进而可通过导出ROC曲线的函数形式来估计;也可以直接假设ROC曲线满足一定的形式，估计出ROC曲线。金标准的选取在这里也非常重要。如果没有处理好金标准问题，比如受试者是否接受金标准检验(活检)受医疗器械诊断结果影响，就会产生证实偏移(verification bias)，导致从数据中直接得出的灵敏度和特异度和实际值有偏差。尽管如此，在一定的假设下，仍然可以用统计学方法纠正灵敏度和特异度，也可以得到灵敏度和特异度的置信区间。
短暂的休息之后，由于时间原因，周晓华教授简单的介绍了一些更复杂的ROC方法。比如如果病情和时间有关，可以定义时间依赖的ROC曲线，使其涉及生存时间，需要讨论时间相关的结局变量;如果诊断是序数型的，例如无病、轻微、严重，那么ROC曲线(曲面)将变为高维的，用面ROC曲线来表示，在这种情形我们同样可以定义表面ROC曲线积。
最后，周晓华教授总结了评估医疗器械一些特点。与的药物评估比起来，医疗器械的评估方式更为复杂和更加多样，更易于接受新的统计方法。比如在美国，对贝叶斯方法在临床药物评估中的应有目前还没有被FDA完全接受，但是在医疗器械中，已经有不少产品基于贝叶斯方法评估而获得审批。
下午周晓华教授的短课主要侧重于医疗器械评估的统计学方法。周教授从评估的三个目的讲起，包括提供病人病情信息、影响医生诊断方案、了解疾病过程，而后将重点放在评估诊断精确度的有效性(diagnostic accuracy efficacy)上，详细介绍了敏感度(sensitivity)，特异度(specificity) 和ROC曲线，特别强调了金标准(gold standard)在评估中的重要性和选取金标准的要求、证实偏移(verification bias)及其修正方法。除此之外，周晓华教授还简单介绍了与时间依赖的ROC曲线(time-dependent ROC curve)、顺序变量ROC曲线(曲面)(surface ROC)、多读者多测试ROC研究(multi-reader and multi-test ROC studies)等情形的处理方法。最后总结了相比药物评估的保。