11月9日上午🦶🏼，“统计大讲堂”系列讲座第175讲举行。本次讲座采取在线会议的方式，邀请美国匹兹堡大学生物统计学系丁颖副教授作题为“精准医疗的统计方法新洞察🚴🏽‍♂️：从针对性药物研发到个性化治疗推荐”的报告🎾。讲座由北京AG尊龙凯时平台娱乐登录官方网站统计学院副教授🫶🏻、尊龙凯时平台研究员孙怡帆主持。

孙怡帆首先介绍了主讲人的相关信息。丁颖是匹兹堡大学生物统计学系终身副教授，于2010年获得密歇根大学生物统计学博士学位，并曾担任礼来公司的高级研究科学家，主要从事生存分析、大规模多组数据分析、多重比较、精准医学等研究💁‍♂️。现担任美国统计协会匹兹堡分会主席、美国统计协会生存分析分会2022年项目主席、美国统计协会学术、产业和政府统计伙伴关系委员会副主席以及Statistics in Medicine副编辑。

丁颖首先介绍了精准医疗的背景知识🫚。精准医疗主要有两个方面，一方面是通过随机对照试验⚂💡，针对表现出更强治疗效果的一组患者开发新的治疗方法🚬📼；另一方面是针对个别患者量身定制现有的治疗方法👩🏿‍💻，使每个患者都能得到最合适的治疗。随后🤾🏿，丁颖结合老年性黄斑部病变数据，对两种可用于解决精准医疗关键问题的统计新方法进行了具体讲解➙。

第一种方法是基于多重检验，在随机对照试验中同时识别和推断治疗疗效增强的亚组。当因变量为生存数据时，此方法建立了具有良好可解释性的疗效测量方法。与此同时，针对百万级基因位点数据，开发了一个套新的推断方法，以实现位点内和跨位点的多重检验调整🍅。最后，将此方法应用于老年性黄斑部病变数据🥯👴🏼，成功识别了潜在的基因亚群并推断出了治疗效果。

第二种方法是建立元学习生存分析框架🌡，评估不同个体异质性治疗效果👩‍👩‍👦，从而提供个性化的治疗建议Ⓜ️👩‍🍼。使用此方法时，主要是根据生存数据制定潜在结果框架，评估使用多种机器学习方法的异质性治疗效果并依据Boruta算法选择重要的预测因子以达到评估异质性治疗效果以及确定异质性重要影响因素的目的。其中，丁颖重点讲解了T-learner和X-learner这两种算法的使用方法及原理。

提问交流环节，在线师生积极参与讨论，丁颖耐心解答了大家的疑问，就本课题进行了深入的探讨。

此后“统计大讲堂”系列将陆续推出更多精彩讲座，敬请关注。