想象一家餐厅同时试三道新菜，每道菜又有几个配方。若必须等每位顾客半年后反馈，才决定保留哪种配方，试错会很慢，也很贵。临床试验面对类似难题：研究者既要筛药物，又要选剂量，还要等待长期疗效出现。
Li Wang 等提出的 BAP（Bayesian Biomarker-Assisted Platform Design，贝叶斯生物标志物辅助平台设计），试图把这些任务放进同一项持续运行的试验。它一边比较多种候选药物及其多个剂量，一边借助较早出现的生物标志物信息，判断哪些方案值得继续。
目前可见的方法、实例和效果论断主要来自论文摘要；摘要没有披露具体模拟数字，所谓优势也尚缺少独立验证。
不等终点全部到齐再判断
普通临床试验常把一组治疗与对照比较。平台试验则像一条持续运行的测试线：多个治疗共用一套框架，并按预设规则加入或停止试验组。BAP 进一步把多种药物、每种药物的多个剂量，以及共享的 placebo（安慰剂）或 active control（已有治疗对照）放在同一平台内。
它采用贝叶斯试验设计——把试验开始前的认识与不断到来的患者数据合并，持续更新各方案有效或有害的概率。研究团队可以据此作阶段性决定：证明某个方案初步有希望，因疗效希望不大而提前停止，确认其优于对照，或继续优化剂量。
关键问题是，长期结局来得慢。已经入组的患者可能做过数次检查，却还没走到最终观察时间。BAP 的处理方式，是利用纵向生物标志物来估计暂时尚未观察到的长期反应。“纵向”是指对同一患者反复测量血液指标、影像信号等身体特征，看的不是一次读数，而是变化轨迹。
这有点像比赛尚未结束时，先根据分段成绩判断选手状态。它不能把中途数据变成真实终点，却能为 interim group sequential decisions（按预设时间分组进行的期中决策）提供较早的信息。
一项试验承担四项任务
据论文摘要，BAP 把 proof-of-concept（确认治疗是否初步显示作用）、futility monitoring（监测方案是否希望渺茫）、superiority monitoring（监测方案是否优于对照）和 dose optimization（剂量优化）合在一项多阶段随机对照试验中。
剂量优化也不是简单寻找最高剂量，而是在多个剂量之间比较疗效与风险，筛出值得继续研究的范围。多种药物与多个剂量同时出现时，候选方案会迅速增多。统一的筛选规则因此很重要：它决定患者如何分配，也决定哪些方案何时退出。
作者还会调节设计参数和最大样本量，希望获得良好的 frequentist properties（频率学派性能，即长期重复试验时，错误判断率等指标是否受控）。换句话说，虽然决策采用贝叶斯概率，研究者仍用传统试验评价尺度检查整套设计。
论文以系统性红斑狼疮为例，设置三种 targeted agents（针对特定生物机制的候选药物），并以 24 周反应率进行评估。这里是设计示例，不代表三种药物已经完成真实临床验证，也不能读成患者疗效结果。
为什么值得关注
长期治疗获益昂贵且耗时。作者认为，既有平台设计尚难同时处理多药、多剂量，并把纵向生物标志物纳入实时决策。BAP 的价值主张很直接：尽早识别无望方案，把筛药、选剂量和正式比较衔接起来，同时共享对照组，减少重复等待。
论文称，大量模拟中，BAP 相比若干传统平台设计表现更好；作者也认为它能避免向共享对照组过度分配患者，并降低开发成本。不过摘要没有给出比较对象名称、效应量、成本数字或不确定性，现阶段更适合把这些看作设计目标和模拟结论，而非已经证实的临床或经济收益。
据 ICSA Midwest / NIC-ASA 2025 年联合会议议程，该设计曾由 MD Anderson Cancer Center 的 Ruitao Lin 报告。Peter F. Thall 于 2026 年 1 月更新的履历则称，作者为 L. Wang、R. Lin、Y. Yuan、Y. Zhao 和 P. F. Thall，当时稿件在获得有利评审后修订并重新提交至 Journal of the American Statistical Association；该履历没有把它列为已发表论文。
局限与未知
- 摘要没有披露模拟设置、具体指标和优势幅度，无法判断“表现更好”在什么条件下成立。
- 纵向标志物如何估计尚未出现的长期结局，以及标志物预测不准时会怎样，摘要均未说明。
- 当前材料展示的是方法与模拟示例，不能替代前瞻性临床验证，也不足以量化节省的患者人数、时间或成本。