abx_amr_simulator：面向抗药性下 antibiotic 处方政策优化的仿真环境

抗药性（AMR）构成全球健康威胁，削弱了抗生素的疗效并 complicate 临床决策。在解决这一挑战方面，我们引入 abx_amr_simulator，一个基于 Python 的仿真软件包，旨在受控、强化学习（RL）兼容的环境中建模抗生素处方和 AMR 动力学。该仿真器允许用户指定患者群体、抗生素特定的 AMR 响应曲线以及在 immediate 临床效益与 long-term 耐药管理之间进行权衡的奖励函数。关键功能包括用于配置患者属性的模块化设计、通过 leaky-balloon 抽象模型实现的抗生素耐药动力学，以及工具用于通过噪声、偏差和观察延迟探索部分可见性。该软件包兼容 Gymnasium RL API，使用户能够在多样化临床情景下训练和测试 RL 代理。从机器学习角度看，该软件包为在不确定性下进行顺序决策提供了一个可配置的基准环境，包括由噪声、偏差和延迟观察引起的部分可见性。通过提供一个可自定义和可扩展的框架，abx_amr_simulator 为研究 AMR 动力学和优化抗生素 stewardship 策略提供了宝贵工具。