面向个性化联合用药剂量探索试验的贝叶斯优化

在早期剂量探索试验中确定最优剂量组合具有挑战性，原因在于灵活建模可能非单调的剂量-反应曲面所需的大量参数的精确估计，与早期试验中小样本量之间的权衡。在个性化剂量探索中，利用患者特征确定量身定制的最优剂量组合，这一困难尤为突出。为克服这些挑战，我们提出使用贝叶斯优化在标准（“一刀切”）和个性化多药剂量探索试验中寻找最优剂量组合。贝叶斯优化是一种用于估计评估代价高昂的目标函数全局最优值的方法。目标函数由代理模型（通常为高斯过程）近似，并配合序贯设计策略通过采集函数选择下一个点。本工作受一个工业界赞助问题驱动，其重点是在毒性极小的情况下优化双药治疗。为比较该设定下标准方法与个性化方法的性能，针对多种情景进行了模拟研究。我们的研究得出结论：在存在异质性的情况下，采用个性化方法极为有益。