在早期剂量发现试验中，最佳剂量组合的鉴定，由于精确估算了估算许多参数之间的权衡，以相当估算可观的非单调剂量反应表面所需的许多参数，以及在早期试验中的小样本量。 在个性化剂量发现的背景下，这种困难更为相关，在这种情况下，耐心特征用于识别量身定​​制的最佳剂量组合。 为了克服这些挑战，我们提出使用贝叶斯优化来确定标准（“全部尺寸拟合”）和个性化的多代理剂量验证试验的最佳剂量组合。 贝叶斯优化是一种估计昂贵评估目标函数的全球最佳功能的方法。 客观函数通过替代模型（通常是高斯过程）与连续设计策略配对，可以通过采集函数选择下一点。 这项工作是由行业赞助的问题激发的，在该问题中的重点是在最小的毒性中优化双重药物疗法。 为了比较在此设置下的标准和个性化方法的性能，对各种情况进行了模拟研究。 我们的研究得出结论，在存在异质性的情况下，采用个性化方法是非常有益的。鉴定，由于精确估算了估算许多参数之间的权衡，以相当估算可观的非单调剂量反应表面所需的许多参数，以及在早期试验中的小样本量。在个性化剂量发现的背景下，这种困难更为相关，在这种情况下，耐心特征用于识别量身定​​制的最佳剂量组合。为了克服这些挑战，我们提出使用贝叶斯优化来确定标准（“全部尺寸拟合”）和个性化的多代理剂量验证试验的最佳剂量组合。贝叶斯优化是一种估计昂贵评估目标函数的全球最佳功能的方法。客观函数通过替代模型（通常是高斯过程）与连续设计策略配对，可以通过采集函数选择下一点。这项工作是由行业赞助的问题激发的，在该问题中的重点是在最小的毒性中优化双重药物疗法。为了比较在此设置下的标准和个性化方法的性能，对各种情况进行了模拟研究。我们的研究得出结论，在存在异质性的情况下，采用个性化方法是非常有益的。