作者：胡雲迪
2023年12月6日上午10:00-11:00，复旦大学大数据学院邀请到了芝加哥大学的嵇元教授，于子彬院南301室做题为“PAM-HC: A Bayesian Nonparametric Construction of Hybrid Control for Randomized Clinical Trials Using External Data”的学术报告。此次报告由复旦大学大数据学院青年副研究员林晓蕾老师主持，共30余人在线上或线下参与了本次学术报告。
报告开始，嵇元教授首先介绍了非参数贝叶斯方法，并运用简单直白的语言解释了可以用于聚类的Dirichlet Process (DP)，以及Stick-Breaking Process，Pitman-Yor Process，Fractional Stick-Breaking Process (FSBP) 三种DP的构造方法，分别比较了聚类的效果，得到FSBP可以缓解“the rich gets richer”问题的结论。随后嵇元教授引入Hierarchical Dirichlet process，Nested Dirichlet process，Common Atoms Model三种基于DP的改造方法，介绍了几种方法的模型结构与局限性，并在此基础上引入本次报告的主要方法Plaid Atoms Model。Plaid Atoms Model在之前模型的基础上，将权重的随机取值为0，取得了良好的统计学性质，并且该方法用于外部数据的随机临床试验的Hybrid Control可以取得很好的效果，模拟试验和真实数据试验中均证实了这一点。
最后，嵇元教授对报告进行了总结，热情回答了参会老师和同学的提问，并进行了热烈的讨论和交流。
