在癌症药物剂量探索的早期临床试验中,目标是寻找最大忍受剂量,即找到可接受中毒概率下最大的药物剂量。本文提出了一维药物剂量发现的贝叶斯随机近似方法,利用随机近似的方法得到对药物剂量毒性曲线的分位数估计。药物剂量发现的目前方法有基于算法方法、基于模型方法两大类,算法型方法计算简单,容易操作实施,缺点是此类方法仅依据当前和上一步的药物剂量的秩做出决策,没有使用药物确切的剂量信息;第二类方法是假设参数模型来估计药物剂量反应曲线,利用贝叶斯理论更新参数的后验分布,从而推断下一次试验的药物剂量,明显的缺点是计算效率低,模型先验假设强。针对两类方法的问题,文章提出了基于随机近似估计分位数的贝叶斯方法,相比模型方法不需要主观设置边际中毒概率以及模型参数的先验信息,又比算法型方法利用更为充分的药物剂量信息。通过数值模拟,比较在不同药物剂量布局下三大类方法的效果,证明了文章方法的优越性。