2019年6月14日，由我院举办的“双一流”学科建设顾问专家报告会在明德主楼1016会议室举行。美国宾夕法尼亚大学蔡天文教授受邀做题为《Individualized Treatment Selection: An Optimal Hypothesis Testing Approach In High-dimensional Models》的报告，分别从应用和理论的角度，都进行了深入的探讨。统计学院副院长尹建鑫和医学与生物统计教研室主任许王莉，以及统计学院硕博学生，参加了本次会议。
统计学院副院长尹建鑫对报告人进行了介绍。蔡天文教授，现任美国宾夕法尼亚大学沃顿商学院副院长，沃顿商学院统计系Daniel H. Silberberg讲席教授，宾夕法尼亚大学应用数学与计算科学教授，宾夕法尼亚大学医学院生物统计、流行病学及信息学系资深学者。蔡教授于1996年毕业于康奈尔大学，获得博士学位，师从美国科学院院士劳伦斯.布朗。蔡教授的主要研究兴趣在大数据分析，包括高维统计推断、统计机器学习、大规模假设检验、函数数据分析、统计决策论、非参数函数估计，以及在基因组与金融工程的应用。2006年当选国际数理统计学会会士，2008年荣获被视为统计学界“诺贝尔”奖的考普斯奖(COPSS Presidents’ Award)，2017年当选泛华统计学会(ICSA)主席。曾任国际统计学顶尖刊物统计年鉴(Annals of Statistics)主编及多个权威学术期刊的编委会成员。
蔡天文教授介绍的是一个非常有趣的问题，个性化医疗的统计决策问题(Individualized Treatment Selection)。蔡教授先从一个常见的看病例子出发，指出传统的看病过程是基于一个医生做的判断，而当大数据时代来临时，我们需要的是去结合更多的信息，给出特定病人适合自己的最好的治疗方案。这个问题可以看作在任意给定一个还未接受治疗的病人协变量信息下，我们预测特定方案的疗效并给出推荐。蔡教授指出，在一般的高维估计纠偏问题中，如Scale Lasso和Debiased Lasso，我们需要通过限制估计的偏差，使得方差达到最小来得到一个投影向量进行纠偏。传统的方法在给定一个新的解释变量矩阵是稀疏的情况下成立，但是对于其是稠密的情况是不成立的。蔡教授提出需要缩小原始可行的搜索空间，加入额外的方差的限制，才能找到满足的投影，并给出理论说明。最后蔡教授从检验的角度，结合系数的稀疏性和新的解释变量的稀疏性的关系，说明即使缺少准确的系数稀疏性信息，他们提出的方法会是最优自适应的检验，对于任意每一个新的观测协变量。
报告结束后，在场师生就在新的限制下寻找投影向量和稀疏性等问题，与蔡天文教授进行了交流讨论。