題 目：最優動態治療方案的貝葉斯變量選擇方法
主講人：崔婷婷博士
時 間：2022年10月13日（周四）13：40-14：40
地 點：6-402會議室
主辦單位：新葡萄8883官網AMG浙江省“數據科學與大數據分析協同創新中心”
摘要：
在臨床實踐中，不同的患者對同一種治療的反應存在很大差異，這使得生物醫學逐步從傳統的一刀切治療轉變為個性化醫療的新模式。所謂個性化醫療，其核心目標是根據每個個體的獨特特征開發個性化藥物并確定最優的治療方案。在許多臨床試驗中收集到的患者疾病相關數據都是高維的，因此識別治療決策所必需的重要變量是至關重要的。現有的方法大多數考慮的是單階段高維數據下的最優治療方案，然而，慢性病（如精神疾病和糖尿病等）的治療通常是長期的，多階段的，此時僅考慮含有高維協變量的單階段最優治療方案并不能很好地反映實際治療過程。目前為止，研究高維變量下的多階段的最優治療方案仍是一個具有挑戰的問題，現有的工作主要是從頻率學派的角度出發，在懲罰的基礎上選擇活躍變量來獲得最優的動態治療方案。基于此，我們從貝葉斯學派考慮，提出了一種新的方法——高維貝葉斯Q-learning (HBQL)方法，解決了在貝葉斯框架下，面對高維數據該如何挑選影響治療效果的重要變量并估計最優動態治療方案的問題。進一步我們給出了一個抽樣算法，稱之為高維逆向歸納Gibbs抽樣算法，并通過大量的模擬研究以及實際數據(重度抑郁癥的臨床試驗數據(STAR*D))證明了我們方法的有效性以及可行性。
主講人簡介：
崔婷婷，理學博士，畢業于東北師范大學(2022年6月)，博士期間在統計學期刊TEST上發表一篇論文(Covariate-adjusted multiple testing in genome-wide association studies via factorial hidden Markov models)。現主要研究方向為生物統計學（多重檢驗、精準醫療等）。
歡迎各位老師和同學積極參加！
