2023年12月9日,第十七届临床医学研究中的统计方法学术研讨会成功举办。本届研讨会由中国人民大学应用统计科学研究中心、中国人民大学统计学院生物统计与流行病学系、中国人民大学健康大数据研究院、北京生物医学统计与数据管理研究会、首都医科大学北京市临床流行病学重点实验室、中国现场统计研究会生物医学统计分会承办,来自全国各高校、医院、企业界的专家学者和学生代表参加了会议。

北京生物医学统计与数据管理研究会理事长、首都医科大学教授郭秀花为开幕式致辞，她对本次大会的召开表示热烈的祝贺，希望通过这次研讨会，能够搭建临床和统计共同发展的平台，促进统计研究与临床医学的交叉融合和发展，同时预祝这次大会圆满成功。

中国人民大学科研处处长、国家发展与战略研究院执行院长、期刊管理中心主任林晨致辞：这次的研讨会搭建了一个开放的、交叉的、优秀的学术交流平台，有力地扩展了学科视野，促进了学科交叉，预祝大会取得圆满成功。

研讨会上午的三场学术报告分别由中国人民大学书院建设与管理中心副主任、明理书院副院长许王莉教授、中国人民大学统计学院林存洁副教授和中国人民大学研究生院副院长李扬教授主持。

首先北京大学讲席教授、生物统计系主任周晓华为我们带来了关于临床研究因果推断的专题报告。报告中他介绍了在药物临床研究中因果推断的重要性和随机试验被破坏时的临床试验方法与策略，同时，他提出了CSTE协变量矫正因果效应曲线，并介绍根据该曲线新开发的面向临床研究的统计软件。

中国科学院数学与系统科学研究院研究员孙六全的报告主题是： Mark-Specific Quantile Regression Model。他介绍了分位数回归的研究背景，并提出了一种新的标记特定分位数回归模型来推向连续标记的生存数据。随后，孙六全教授对其统计推断过程进行了讲解，并将所提出的方法应用到HIV疫苗有效性试验中。

重庆医科大学公共卫生学院教授石丘玲以PRO研究及应用中的方法学问题为报告主题，介绍了患者报告结局（PRO）的定义与发展简史，提出了电子化PRO监测-预警-干预(ePRO-MAI)，并通过临床实验证明ePRO-MAI可以显著提高患者的寿命与重要性。同时，介绍了患者与研究者对PRO的不同需求和最小临床意义差别值（MCID）相关的统计问题，最后介绍了PRO研究中目前仍然存在的问题。

下午，四位青年学者和三名在读博士生为我们带来了精彩的专题报告，报告分别由中国人民大学统计学院讲师梅好、中国人民大学统计学院副教授孙韬以及南方医科大学公共卫生学院博士后詹滋树进行主持。

上海财经大学教授吴梦云带来了题目为ZINBMM: a general mixture model for simultaneous clustering and gene selection using single-cell transcriptomic data的精彩报告。她首先介绍了细胞聚类的研究背景，并提出零膨胀负二项混合模型（ZINBMM），以同时实现有效的 scRNA-seq 数据聚类和基因选择，并通过模拟和在五个scRNA-seq数据集上的分析证明了ZINBMM的实用性。

南方医科大学生物统计学系副主任陈征教授以竞争风险中组件疗效差异的量化指标——限制平均损失时间（RMTL）为主题进行报告。他指出了常用统计方法CHR、SHR的局限性，建议使用时间尺度指标——限制平均损失时间（RMTL）作为替代指标，并针对 RMTL 的差异（RMTLd）提出了一种新的估计量以及对应的假设检验方法，通过模拟和来检验所提出方法的性能。

中国人民大学统计学院副教授周静的报告题目是：一种集成3D-CNN模型用于肺腺癌的病理亚型识别，并由她的学生付小桐进行报告。报告中，她介绍了肺结节的类别和风险等级，并提出了一个三阶段的EMV-3D-CNN模型，解决了

肺部结节良、恶性，恶性结节病变浸润前、浸润性以及浸润性病变风险等级的诊断问题。最后介绍了根据所提模型实现的Web系统。

南方医科大学公共卫生学院博士后詹滋树围绕在线模型平均方法进行报告。她指出海量数据往往难以用单一的模型来描述数据的特征，提出了在线模型平均预测方法并解决了候选模型相关参数和权重更新的问题，同时，通过模拟实验与传统模型平均方法进行比较证明该方法的性能。

中国人民大学统计学院博士生徐少东的报告题目是Incorporating prior information into gene expression network for caner heterogeneity。他介绍了一种结合先验信息的基因网络结构异质性分析方法，通过整合基因表达水平数据和调节因子数据，基于混合的条件高斯图模型，分析基因网络结构的异质性，同时选择出基因间重要的“直接相关关系”和“间接相关关系”，通过模拟实验和实际数据证明了所提出方法的性能。

中国人民大学统计学院博士生王科翰的报告题目是：Adaptive Selection for False Discovery Rate Control Leveraging Symmetry。他指出现有的高维变量选择中的错误发现率控制方法没有充分考虑信号的分布信息，对此提出了基于对称性来选择最优拒绝域并控制错误发现率的方法。同时，模拟实验和实际数据的结果也论证了方法的有效性。

中国人民大学统计学院博士生余小康的报告题目是A Quadruplet Unified framework Enables analysis of ScRNA-seq Transcriptomic data。他介绍了单细胞RNA测序（scRNA-seq）与其局限性，提出一种可分析scRNA-seq转录组数据的四元组统一框架（QUEST），并通过模拟实验和真实数据证明了所提出方法的性能。

本届研讨会促进了生物医学统计相关专家和学者在临床医学研究中的统计方法的交流和探讨。希望通过大家的不懈追求和努力，共同推动中国生物医学统计事业的发展。感谢大家的关注和支持！