（图文|李雨霞 吴天 编辑|辛西 审核|牛晓辉）9月21日上午，受信息学院牛晓辉副教授邀请，在一综B316会议室，刘妍岩老师作了题为“Functional Martingale Residual Process for High-Dimensional Cox Regression with Model Averaging”的学术报告，毛光才老师作了题为“Statistical Inference for Heterogeneous Treatment Effect with Right-censored Data from Synthesizing Randomized Clinical Trials and Real-world Data”的学术报告。

   刘妍岩老师系武汉大学数学与统计学院教授、博士生导师。目前担任国际统计学期刊statistical papers 副主编，数理统计与管理副主编,中国现场统计学会第十一届理事会常务理事、中国数学会女专家工作委员会委员,全国应用统计专业学位研究生教育指导委员会委员。刘老师首先介绍了生存分析的相关概念，以小鼠研究为例来讲解生存分析的删失问题，并介绍了如何对生存函数、模型参数进行估计。之后，刘老师介绍如何使用功能鞅残差过程和模型平均方法来处理高维Cox回归问题。刘老师团队在鞅残差过程的基础上，提出了三种新的高维Cox回归模型的平均方法，证明了在一定条件下基于得到的最优权值，能够渐近达到最低的预测损失；在算法实现过程中，寻找最优权时，不约束权重总和为1，而是直接最小化泛函，基于贪婪模型平均算法，进行高维优化；然后利用模拟数据集和真实数据集评估该模型的效能；最后针对实际问题，刘老师给出了基于边际相关性对候选模型进行排序，以便前几个模型比排名较低的模型捕获更多的信息的建议。

   毛光才系华中师范大学数学与统计学学院硕士生导师，研究方向是生存分析，主要专注于非参数与半参数统计推断、高维与超高维数据分析、因果推断等领域。毛老师及其合作者通过综合来自随机临床试验和真实世界的具有右截尾的生存数据，通过混杂函数控制可能的隐藏混杂因素，来估计具有异质性的治疗效果。该研究中通过定义混杂函数来表征隐藏的混杂因素的影响，并进一步通过结合随机临床试验和真实世界数据对其进行识别。而后基于再生核希尔伯特空间理论和经验过程，提出了一种惩罚方法估计混杂函数，并证明其渐近正态性。该方法通过模拟数据进行模型验证，针对非小细胞肺癌的真实数据进行统计分析和结果解析。