梁宝生

副研究员,博士生导师
liangbs@hsc.pku.edu.cn
公卫楼401
北京大学

个人简介

毕业于北京师范大学数学科学学院，并于2012年、2016年先后获得概率论与数理统计专业的硕士和博士学位。2013.9-2014.11先后以联合培养博士生和研究助理的身份在美国北卡罗来纳大学教堂山分校（UNC at Chapel Hill）公共卫生学院生物统计系学习；2014.12-2015.12 在美国哥伦比亚大学（Columbia University）公共卫生学院生物统计系学习和工作；2016.8-2018.4在香港大学（University of Hong Kong）统计及精算系做博后。出站后，受聘于北京大学医学部工作至今。研究兴趣包括生物统计学、数理统计学和统计学习算法等，在震后PTSD、帕金森疾病、阿尔兹海默病、肺癌诊断和乳腺癌等疾病的临床复杂数据的建模方法等方面开展了系列研究。以第一作者、通讯作者或责任作者在Biometrika、Statistica Sinica等国际知名杂志上发表统计学相关论文。合作完成概率论相关译著1部。任BMJ Open, Frontiers Oncology, Stat. Sinica.、Stat. in Med.、SCIENCE CHINA Math.、Comp. Stat. & Data Anal. 、《应用概率统计》和《应用数学学报》等期刊匿名审稿人。

主要研究方向

主要研究领域：生物统计、半参数模型的统计推断、因果推断及统计学习算法。

具体研究方向：生存分析、复发事件混合计数数据的统计推断、meta分析方法、不完全观测数据的统计分析、精准医疗中的子群分析等。

代表性科研项目

1. 2022.01-2024.12，健康生态学视角下乳腺癌淋巴水肿风险预测与精准干预策略研究，国家自然科学基金面上项目，参与.

2. 2022.01-2023.12，基于同源重组基因全景突变检测和Rubin因果推断的乳腺癌遗传机制研究(No. RDX2021-05), 北京大学人民医院研究与发展基金临床医学+X培育项目，联合申请项目，Co-PI.

3. 2021.01--2022.12, 基于删失数据建模和强化学习算法的肺癌放疗动态风险管理及自适应决策优化（No. 2020BD029），百度基金--前沿培育项目，参与, 在研.

4. 2020.01--2022.12, 基于半参数有效估计理论的混合复发数据的分析方法研究及其在药物依从性问题中的应用 (No. 11901013) , 国自然科学基金青年项目，主持, 在研.

5. 2020.01--2021.12, 不完全观测的家族数据的生存分析方法研究及其在估计阿尔茨海默病发病风险中的应用 (No. 1204031) , 北自然科学基金青年项目, 主持, 在研.

6. 2014.01--2017.12, 混合复发事件数据的统计分析及其他 (No.11371062), 国自然科学基金面上项目, 参加 (骨干成员，项目排名第三),已结题.

7. 2014.01--2016.12, 基于复合分位数回归和最大秩相关想法的ROC回归曲线估计 (No. 11301031), 国自然科学基金青年项目, 参加, 已结题.

10篇代表性论文

1. Wen F, Li C., †Liang B.S, You J, Li X, Wang J, Liu H, Wang F, Dong Z, and *Zhang Y. (2024). Efficacy of High-dose-rate Brachytherapy with Different Radiation Source Activities among Cervical Cancer Patients and Risk Factors for Long-term Outcomes: A 6-year Retrospective Study. Brachytherapy, 23: 35–44.

2. Zhou HQ, Wang JY, *Liang BS, Song QQ, Zhou XH (2023) Impact of Comorbidity on the Duration from Symptom Onset to Death in Patients with Coronavirus disease 2019: A retrospective study in Pakistan. Diseases, 11, 176. https://doi.org/10.3390/diseases11040176.

3. Wang, J., Zhou, J., Wu, H., Chen, Y. and *Liang, B.S. (2023) Diagnosis of malignant pleural effusion using tumor-marker combinations: A cost-effectiveness analysis based on stacking model. Diagnostics, 13, 3136.

4. Jin, S., Qin, D., *Liang, B.S, Zhang, L., Wei, X., Wang, Y., Zhuang, B., Zhang, T., Yang, Z., Cao, Y., Jin, S., Yang, P., Jiang, B., Rao, B., Shi, H., Lu*, Q. (2022). Machine learning predicts cancer-associated deep vein thrombosis using clinical available variables. International Journal of Medical Informatics. 161: 104733.

5. Jiang, Q., Xia, Y., and *Liang, B.S. (2021). Matching Distributions for Survival Data. Canadian Journal of Statistics. https://doi.org/10.1002/cjs.11641.

6. Liang, B.S., Wu, P., Tong, X. & *Qiu, Y. (2020). Regression and subgroup detection for heterogeneous samples, Computational Statistics. 35, 1853–1878.

7. Qiu YP, and *Liang BS (2019). Robust logistic regression of family data in the presence of missing genotypes. Journal of Applied Statistics. 46 (5): 926-945.

8. Liang BS, *Wang YJ, and Zeng DL (2018). Semiparametric Transformation Models with Multi-level Random Effects for Correlated Disease Onset in Families. Statistica Sinica. 29 (4): 1851-1871.

9. *Liang BS, Tong X, Zeng DL and Wang YJ (2017). Semiparametric Regression Analysis of Repeated Current Status Data. Statistica Sinica, 27 (3): 1079-1100.

10. *Wang YJ, Liang BS, Tong XW, Marder K, Bressman S, Orr-urtreger A, Giladi N and Zeng DL (2015). Efficient Estimation of Nonparametric Genetic Risk Function with Censored Data. Biometrika, 102 (3): 515-532.