中国人民大学健康大数据研究院林存洁副教授团队研究成果“Censored C-learning for Dynamic Treatment Regime in Colorectal Cancer Study”在AOAS接收发表。

对于许多复杂疾病，尤其是肿瘤、慢性病等，患者通常需要接受长期多次的治疗，医生需要根据患者病情的发展状况以及过往治疗史，不断调整治疗方案。动态个性化治疗策略（DTR）由多个阶段的治疗策略组成，每个阶段的治疗策略是从患者的协变量信息到该阶段可选治疗的一个映射。受到一项关于中医治疗晚期结直肠癌的临床研究的启发，本研究提出了一种名为Censored C-learning的方法，用来估计多阶段、多治疗方案的生存数据下的最优DTR。为了解决右删失数据带来的DTR估计问题，本研究调整了反向递归算法，以适应灵活的治疗次数和治疗时间。针对多种治疗方案，本研究将多种治疗方案比较的优化问题转化为一个样本依赖的分类问题，并引入数据空间扩张算法进一步将样本依赖的分类问题转化为常规的加权分类问题。本研究从理论上证明了新提出的Censored C-learning方法估计所得策略的最优性，并通过数值模拟验证了该方法的优越性。此外，将Censored C-learning应用于西苑医院晚期结直肠癌患者数据，构建了具有可解释性的个性化治疗决策树。