基于策略蒸馏和动作伪造的可解释深度强化学习 warfarin 维持剂量模型
机器学习
2024-04-29 v1
摘要
深度强化学习是药物剂量用于慢性疾病管理的有效工具。然而，最终方案通常是一个黑盒子，没有对 prescribed 剂量的任何解释。本文通过结合策略蒸馏提出一种可解释的 warfarin 维持剂量方案。我们引入动作伪造（Action Forging）作为实现可解释性的有效工具。我们的研究重点是维持剂量方案。结果表明，最终模型与当前剂量方案一样容易理解和部署，并且优于基线剂量算法。
引用
@article{arxiv.2404.17187,
title = {An Explainable Deep Reinforcement Learning Model for Warfarin Maintenance Dosing Using Policy Distillation and Action Forging},
author = {Sadjad Anzabi Zadeh and W. Nick Street and Barrett W. Thomas},
journal= {arXiv preprint arXiv:2404.17187},
year = {2024}
}