梅好

    中国人民大学副教授、吴玉章青年英才，美国耶鲁大学生物统计专业博士，曾就职于耶鲁纽黑文医院临床实效研究中心、腾讯医疗健康事业部。主要研究方向为真实世界证据、自适应试验设计、网络数据分析、复杂生物医学数据建模等统计学及人工智能方法研究及其在在医疗健康、决策预测等领域的应用，主要成果发表在《Biometrics》《Annals of Applied Statistics》《Briefings in Bioinformatics》《Journal of Patient-Reported Outcomes》《International Conference on Machine Learning》等国际期刊及会议。担任《Statistics in Biosciences》杂志副主编，中国现场统计研究会副秘书长，中国现场统计研究会资源与环境统计分会理事，中国统计学会残障统计分会理事，国际统计协会（International Statistical Institute）推举会员。主持国家自然科学基金青年及面上项目、重庆市科学技术局 2023 年人口健康专项项目、重庆市医疗保障局课题。

    一、研究主题

    多病共存临床结局网络分析与预测

    二、项目介绍

    在健康中国战略下，临床结局分析与预测对提升医疗效果与效率有决定性意义。现存研究在方法及数据上有显著局限，难以应对多病共存下的复杂关联性、时序动态性、跨域异质性等挑战。本项目将围绕“多疾病－多结局－多时期”复杂场景，以网络分析，深度学习，信息迁移，正则化等为技术基础，在全疾病框架下开展临床结局分析与预测研究。本项目将在统计模型，渐近理论，算法及软件，数据分析等方面解决如下问题：（1）在有向网络辅助下，融合多源信息，对时序零膨胀/非正态结局进行动态预测；（2）对于复杂数据（包括多结局联合分析、个体协变量及群体结构校准）建立回归辅助深度学习方法；（3）提出信息迁移方法，泛化跨域数据中的有效信息，提高分析准确性和预测能力；（4）进行医保数据实证研究，在全疾病、特定疾病群、特定区域场景下进行网络分析与预测。本项目将产出一套可广泛应用的时序网络数据分析方法；分析结果将对提升医疗效果与效率提供决策支撑。