面向精准医疗的Bandit算法
机器学习
2021-08-11 v1 机器学习
摘要
《牛津英语词典》将精准医疗定义为“为特定患者群体优化效率或治疗获益而设计的医疗照护，尤其通过使用遗传或分子谱分析”。这并非全新理念：自古以来的医师便认识到医疗需考虑患者特征的个体差异。然而，现代精准医疗运动由若干事件汇聚推动：遗传学、药理学等科学进展，移动设备与可穿戴传感器的技术进展，以及计算与数据科学的方法论进展。本章关于bandit算法：一个与精准医疗特别相关的数据科学领域。根植于Bellman、Robbins、Lai等人的开创性工作，bandit算法已在现代数据科学中占据中心地位（Lattimore and Szepesvari, 2020）。Bandit算法可用于任何需制定治疗决策以优化某健康结局的情形。由于精准医疗关注利用患者特征指导治疗，上下文bandit算法尤为有用，因其设计即考虑此类信息。Bandit算法在移动医疗与数字表型等精准医疗领域的作用已有综述（Tewari and Murphy, 2017; Rabbi et al., 2019）。自这些综述发表后，bandit算法持续在移动医疗中找到应用，且bandit算法研究中涌现若干新主题。本章面向统计、机器学习、运筹学等领域的定量研究者，他们或有兴趣了解移动医疗中已用bandit算法的算法与数学细节。
引用
@article{arxiv.2108.04782,
title = {Bandit Algorithms for Precision Medicine},
author = {Yangyi Lu and Ziping Xu and Ambuj Tewari},
journal= {arXiv preprint arXiv:2108.04782},
year = {2021}
}
备注
To appear as a chapter in the Handbook of Statistical Methods for Precision Medicine edited by Tianxi Cai, Bibhas Chakraborty, Eric Laber, Erica Moodie, and Mark van der Laan