4月2日下午，美国乔治华盛顿大学生物统计与生物信息学系潘晴教授应邀莅临上海交通大学医学院临床医学研究院并作了题为“Risk Prediction of Advanced Adenoma and Adverse Pregnancy Outcomes”的学术报告。潘教授是生物统计领域的知名学者，担任美国多个大型临床与流行病学项目的首席统计学家。她曾获2022年Gertrude M. Cox奖，并在NIH、盖茨基金会、FDA资助的多项研究中担任统计负责人。

讲座中，潘教授首先分享了在癌症筛查领域的一项研究工作。她指出，在结直肠癌筛查中，如何利用患者层面的风险因素和既往筛查历史来预测高级别腺瘤的发生概率，是一个具有实际意义的问题。她介绍了相关建模思路，包括联合脆弱模型和边际模型的应用，并比较了不同模型在不同数据条件下的预测表现。研究表明，当患者的筛查历史较为完整且观察到足够的事件时，引入个体特异性信息的模型预测效果更优；而在早期数据有限、大多数患者尚未观察到事件的情况下，边际模型则表现出更好的稳定性。此外，潘教授还讨论了基于动态预测结果制定个体化筛查间隔的可能性，与传统固定间隔筛查策略相比，动态策略有助于更及时地发现病变。

讲座第二部分聚焦于妊娠期不良结局的风险预测。潘教授介绍了一项基于多国妊娠队列的研究工作，利用多种分类方法，包括传统机器学习模型和针对纵向数据设计的深度学习模型，对六种不良母婴结局进行预测。研究在不同信息组合场景下比较了各模型的预测性能。她还提到，在需要将预测模型迁移到新人群时，结合目标人群已有的文献汇总信息对模型进行微调，即使这些信息较为有限或存在一定噪声，也可能显著提升模型在新人群中的预测准确性。

报告结束后，潘教授与在线师生就模型选择、临床落地等问题进行了深入交流。本次讲座为临床研究方法学提供了前沿视角，与会者纷纷表示受益匪浅。