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。

传统的焦虑或抑郁评估量表存在实施难、成本大等挑战，在研究群体心理特征趋势时存在诸多困难。本研究提供了一种新的方法，通过专注于在线检索信息来分析人群的情绪健康趋势。利用社交媒体上情感丰富的文本来构建舆论词典（POD）。然后，将POD与词向量模型和搜索趋势相结合，建立了复合焦虑抑郁指数（CADI）。该指数可以反映特定时间段内一个地区的心理健康水平。研究者利用外部数据验证了CADI的有效性，同时采用回归和亚组分析进一步阐明了公共心理健康（通过CADI测量）与经济发展和医疗负担之间的关联。

中国人民大学健康大数据研究院李扬教授团队围绕“如何在临床试验自适应分配过程中实现影响因素的平衡”这一主题，在不同应用场景下分别提出了ARM、SARM、ARMM等自适应方法，并将受试者间的非独立关系纳入考虑，提出了NCARA。数值分析与理论分析显示，上述方法在平衡影响因素、提升估计有效性等方面表现优秀，并在CANTATA-SU（NCT00968812）、The Kanyakla Study（NCT02474992）等实证数据分析中得到印证。相关成果已发表于Statistica Sinica、Biometrics、Computational Statistics & Data Analysis、Statistics in Medicine等期刊。

骨质疏松症是老年人常见的代谢性骨病，表现为骨量减少和骨微结构受损，增加骨折风险。双能X线吸收测量仪（DXA）是目前诊断骨质疏松症的金标准，但其设备有限，难以满足临床大规模筛查需求。近年来，人工智能辅助的医学图像处理技术在骨质疏松症的检测中展现出潜力，尤其是通过X线、CT或MR影像替代DXA进行骨密度测量。糖尿病患者骨质疏松的发生风险较高，且现有DXA检测在糖尿病患者中的骨折风险预测效果有限。因此，AI定量CT骨密度检测在糖尿病患者中的应用价值成为临床关注的焦点。我国作为糖尿病大国，2015—2017年成人糖尿病患病率高达11.2%，糖尿病患者是骨质疏松的高危人群。尽管糖尿病患者骨质疏松的筛查和诊断有着较大需求，但现有的骨密度测量手段在糖尿病人群中的应用仍存在一定的局限性。本文通过对比DXA与AI定量CT骨密度检测在正常与糖尿病人群中的诊断差异，探讨其在骨质疏松和骨量减少筛查中的应用前景。

老年失能风险是人口老龄化背景下值得关注的重要问题。已有研究往往忽略失能数据的删失属性，无法充分利用数据信息。本文提出了一种新的老年失能风险建模方法，首先在考虑失能数据区间删失和右删失的情况下，对中国老年健康影响因素跟踪调查（CLHLS）数据按个体从健康状态转移到首次失能状态经历的时间进行分类，同时利用CLHLS死亡调查补充个体死亡前的失能信息。在此基础上，基于生存分析中的半参数转换失能时间模型，实现对老年失能率更准确的估计和预测。与传统模型相比，新模型将年龄、性别、教育水平等变量纳入模型，能够对不同特征人群的失能风险做更细致和精准的分析，为完善我国长期护理保险制度提供了实证依据。

国际生活质量研究学会（International Society for Quality of Life Research, ISOQOL）年度会议于2024年10月13日至16日在德国科隆举办。研究院教师李扬、林存洁、梅好及团队与跨国制药企业默沙东（MSD）合作完成的研究“Missing Data Considerations for Patient-Reported Outcome Measures in Randomized Controlled Trials”在大会上以海报形式进行发布。