主题：新药后期开发中基于药物疗效学习的成组序贯临床试验最优入组策略

主讲人：美国孟菲斯大学福格尔曼工商经济学院 Zhili Tian副教授

主持人：西南财经大学经济与管理研究院 陈琼副教授

时间：2026年10月19日（周一）10:30-12:00

地点：西南财经大学柳林校区格致楼1211会议室

主办单位：西南财经大学经济与管理研究院

主讲人简介：

Zhili Tian博士现任美国孟菲斯大学福格尔曼工商经济学院供应链管理系Dunavant副教授。他拥有清华大学土木工程学士学位、麻省理工学院交通运输硕士学位、加州大学洛杉矶分校安德森管理学院管理学硕士学位，以及圣路易斯华盛顿大学供应链、运营与技术博士学位。Tian博士的研究方向非常广阔，涵盖供应链管理、物流与运输、医疗健康运营、制药创新、新产品开发战略、数据分析和强化学习等领域。

他的研究成果运用了多种方法，并发表于MSOM、POM、Decision Sciences、EJOR、Omega、IISE Transactions、Journal of the Academy of Marketing Science等FT50顶级期刊。其合作论文曾荣获2011年IISE Transactions调度与物流最佳应用论文奖。Tian博士还担任Management Science、Operations Research、MSOM、POM等多家顶级期刊审稿人，并长期在INFORMS、POMS等国际学术年会上组织技术创新、创业管理等专题分论坛。

内容提要：

问题界定。2010年至2019年间，新药开发成本从10亿美元到超过20亿美元不等。除高昂的开发成本外，候选药物的疗效、患者入组、市场独占期（MEP）以及规划时间范围都具有不确定性。此外，入组缓慢会导致成本增加、临床试验取消以及潜在收入损失。许多企业希望在临床试验中规划对患者反映数据的中期分析，以便尽早发现候选药物的疗效与无效性，从而节省开发成本。

学术/实践相关性。优化患者入组率的问题具有不确定的规划时间范围。我们建立了一个连续时间动态规划（DP）模型，结合对药物疗效和MEP的学习，以帮助企业在临床试验中制定最优入组策略。我们还建立了该DP模型的最优性方程。通过一项由领先制药企业开发的抗癌药物临床试验，我们证明该DP模型能够帮助企业有效管理其试验，并带来可观的利润增益（每种药物高达2.7亿美元）。企业还可以在模拟中使用我们的模型来选择试验设计参数（例如，中期分析的样本量）。

方法/结果。我们通过贝叶斯法则更新药物疗效。利用分布函数的随机序和似然比序，我们证明了值函数和最优策略的单调性质。我们证明，随着使用候选药物的患者平均反应提高，药物开发项目的价值增加。对于年收入较低、拥有强势市场品牌或用于治疗罕见病的药物，我们还证明最优入组策略关于患者平均反应是单调的。此外，最优入组率随着MEP方差的减小而增加。

管理启示。企业可以利用值函数的性质为其药物开发项目组合选择后期临床试验。企业还可以使用我们的最优策略，在考虑市场上其他药物竞争的情况下，指导其临床试验中的患者招募。