基于深度强化学习的中医处方规划优化框架
人工智能
2023-04-26 v1
摘要
慢性病的治疗规划是医学人工智能中的一项关键任务，尤其在传统中医（TCM）领域。然而，为不同临床就诊中的慢性病患者生成优化的序贯治疗策略仍是一个需要进一步探索的挑战性问题。在本研究中，我们提出了一种基于深度强化学习的中医慢性病治疗处方规划框架（PrescDRL）。PrescDRL 是一种序贯中药处方优化模型，其关注长期疗效而非在每一步获得最大奖励，从而确保更好的患者预后。我们构建了一个用于糖尿病序贯诊疗的高质量基准数据集，并据此对 PrescDRL 进行了评估。我们的结果表明，PrescDRL 实现了更高的治愈效果，其单步奖励相比医生分别提高了 117% 和 153%。此外，PrescDRL 在处方预测上优于该基准，精确率提高了 40.5%，召回率提高了 63%。总体而言，我们的研究展示了利用人工智能改进中医临床智能诊疗的潜力。
引用
@article{arxiv.2304.12828,
title = {A optimization framework for herbal prescription planning based on deep reinforcement learning},
author = {Kuo Yang and Zecong Yu and Xin Su and Xiong He and Ning Wang and Qiguang Zheng and Feidie Yu and Zhuang Liu and Tiancai Wen and Xuezhong Zhou},
journal= {arXiv preprint arXiv:2304.12828},
year = {2023}
}
备注
13 pages, 4 figures