河南省应用数学中心(河南大学)成员李灿辉博士在精准医疗的统计推断方面取得重要进展，相关成果以“A robust covariate-balancing method for learning optimal individualized treatment regimes”为题在统计学顶级期刊Biometrika在线发表。

精准医疗是现代医学的未来发展方向，利用统计学和机器学习方法分析海量医疗健康数据以研究最优个性化治疗方案，目前已成为统计学领域国际上研究的热点问题之一。本研究针对现有方法中对结果回归模型或倾向得分模型假设过于依赖的局限性，提出了对比值函数，并基于此创新性地构建了混合估计框架。更重要的是，作者进一步提出了稳健协变量平衡方法，将逆概率加权法与匹配方法相结合，使估计具有双重稳健性，即在倾向得分模型或匹配方法中任意一种假设成立的情况下，估计结果均具有相合性。理论分析和大量模拟研究表明，该方法在估计性能上显著优于现有方法，展现了其在精准医疗应用中的巨大潜力。此外，该方法还通过对SUPPORT研究的数据分析，进一步验证了其实用性。这一研究成果不仅为个性化治疗方案的研究提供了坚实的理论基础，也为临床治疗决策的优化提供了有效的统计工具，在学术研究与实际应用中具有重要意义。

此项研究成果由河南大学数学与统计学院、东北师范大学、密歇根大学和云南大学合作完成。中心成员李灿辉博士为第一作者，朱文圣教授为通讯作者、Donglin Zeng教授为重要合作者。

文章链接：https://doi.org/10.1093/biomet/asae036