一种在口腔健康临床试验中部署的在线强化学习算法
人工智能
2024-12-20 v2 人机交互
摘要
牙科疾病是一种流行的慢性疾病，与巨额经济负担、个人痛苦以及 increased risk of systemic diseases 相关。尽管关于每天刷牙两次的广泛推荐，但关于口腔自我护理行为的遵从率仍然不足，原因包括忘记和失去参与感。为此，我们开发了 Oralytics，这是一个设计用于辅助因牙科疾病风险较高的边缘人群的临床医生交付的 preventative care 的 mHealth 干预系统。Oralytics 集成了一个在线强化学习算法，用于确定最佳时机分发鼓励口腔自我护理行为的干预提示。我们已在注册临床试验中部署了 Oralytics。该部署需要仔细设计以应对美国临床试验环境下的挑战。本文我们 (1) 突出了针对这些挑战的 RL 算法关键设计决策，以及 (2) 对算法设计决策进行 re-sampling 分析以加以评估。Oralytics 的第二阶段（随机对照试验）计划于 2025 年春季启动。
引用
@article{arxiv.2409.02069,
title = {A Deployed Online Reinforcement Learning Algorithm In An Oral Health Clinical Trial},
author = {Anna L. Trella and Kelly W. Zhang and Hinal Jajal and Inbal Nahum-Shani and Vivek Shetty and Finale Doshi-Velez and Susan A. Murphy},
journal= {arXiv preprint arXiv:2409.02069},
year = {2024}
}