用于乳腺癌筛查的多目标约束 POMDP 模型
人工智能
2023-06-27 v2
摘要
乳腺癌是一种常见且致命的疾病，但若能早期诊断通常可治愈。尽管大多数国家设有大规模筛查项目，但对于单一的全球公认乳腺癌筛查指南尚无共识。该疾病的复杂性； mammography（乳腺 X 线摄影）、磁共振成像（MRI）和超声等筛查方法的有限可用性；以及公共卫生政策，均影响到筛查政策的制定。资源可用性的顾虑使得设计符合预算的政策成为必要，该问题可建模为约束部分可观测马尔可夫决策过程（CPOMDP）。在本研究中，我们提出一种用于乳腺癌筛查的多目标 CPOMDP 模型，其允许补充筛查方法配合乳腺 X 线摄影使用。该模型有两个目标：最大化质量调整生命年（QALYs）并最小化终生乳腺癌死亡风险（LBCMR）。我们识别了不同预算水平下平均风险与高风险患者的最优解帕累托前沿，决策者可据此在实践中制定政策。我们发现，使用加权目标所获得的政策能够生成均衡良好的 QALYs 与 LBCMR 值。相比之下，单目标模型通常以 QALYs/LBCMR 方面的 substantial 牺牲换取 LBCMR/QALYs 的微小增益。此外，我们的结果表明，在补充筛查的基线成本值及其引发的额外负效用下，CPOMDP 政策中很少推荐补充筛查，尤其在预算受限环境中。敏感性分析揭示了补充筛查变得值得处方时的成本与负效用阈值。
引用
@article{arxiv.2206.05370,
title = {A multi-objective constrained POMDP model for breast cancer screening},
author = {Robert K. Helmeczi and Can Kavaklioglu and Mucahit Cevik and Davood Pirayesh Neghab},
journal= {arXiv preprint arXiv:2206.05370},
year = {2023}
}
备注
37 pages, 5 figures