报告题目: 基于机器学习方法的异质性治疗效果估计
报告人：宋心远（香港中文大学教授）
报告时间：2024年10月17日 15:10-15:50
报告地点：文波楼智慧教室201
摘要: 鉴于具有不同特征的患者在接受相同治疗后可能会经历不同的疾病进展，医学研究中对于异质性治疗效果的估计日益受到关注。在具有时间结局指标（time-to-event outcome）的生物医学研究中，这种异质性可能与治愈比例并存，从而进一步复杂化了治疗效果的量化。本研究考虑了基于机器学习方法的异质性治疗效果估计。我们首先提出了一个贝叶斯因果森林与加速失效时间治愈模型的联合框架，通过三个独立的贝叶斯加性回归树来捕捉治愈比例和治疗效果的异质性。然后，我们考虑了基于生成对抗网络的方法来进行因果中介分析和异质性治疗效果的识别。最后，我们将所提出的方法应用于从SEER数据库中提取的乳腺癌数据集，以展示其在检测异质性治疗效果和治愈亚组中的应用。
报告人简介: 宋心远教授是中国香港中文大学统计学系的全职教授。她目前是中国教育部授予的长江学者特聘教授、国际数理统计学会（IMS）会士、国际统计学会（ISI）当选会员。她的研究兴趣包括潜在变量模型、贝叶斯方法、生存分析、非参数和半参数方法以及统计计算。她担任多本国际统计学和心理测量学期刊的副主编，包括《美国统计协会杂志》（JASA，应用与案例研究）、《医学统计学》、《电子统计学杂志》、《统计学及其界面》、《计算统计学与数据分析》、《心理测量学》以及《结构方程模型：多学科杂志》。此外，她还曾在2014年至2016年期间担任《生物统计学》杂志的副主编，并在2019年至2021年期间担任《加拿大统计学杂志》的副主编。
