靶向和免疫治疗的疗效在不同人群中可能表现出异质性，而且这通常和特定的预测型生物标志物（predictive biomarker）有关。因此，如何在临床试验中识别并富集敏感亚组是当前精准治疗面临的重要挑战之一。一般情况下，两阶段富集设计的框架是最常见的选择，在此基础上，有学者提出针对单个二分类生物标志物的成组序贯富集设计。当前，靶向联合治疗的快速发展为肿瘤患者提供了新的治疗选择，挑战也应运而生。面对亚组数量的增加、亚组疗效部分有序、有限的样本量等问题，要如何突破呢？
2023年9月7日，中国药科大学理学院生物统计系主任言方荣教授应邀莅临欧洲杯竞猜平台临床研究中心并作主题为“IBIS: identify biomarker-based subgroups with a Bayesian enrichment design for targeted combination therapy”的学术讲座。言教授提出了一个名为IBIS（identify biomarker-based subgroups）的工具，以适应靶向联合治疗背景下的亚组识别问题。
IBIS主要包括三个内容：亚组划分、疗效评估和亚组识别。言教授细致讲述了如何划分高效亚组和低效亚组以便后续在亚组间借用信息，如何找到最大化平均治疗效应，如何识别亚组，并且将其拓展到了适应性富集设计的框架。通过模拟研究表明，言教授提出的IBIS具有优越和相对稳健的操作特性，有望成为靶向联合治疗临床试验中亚组识别和人群富集的有效工具。
与单药治疗相比，靶向联合治疗会面临更多的亚组数量和更复杂的生物标志物效应。通过言教授的研究成果，又为与会者提供了临床试验方法学的新思路。
