基于多智能体强化学习（RL）方法的 1 型糖尿病患者基础-餐时胰岛素顾问
机器学习
2023-07-24 v1 人工智能
计算工程、金融与科学
系统与控制
系统与控制
摘要
本文提出一种新颖的多智能体强化学习（RL）方法，用于 1 型糖尿病（T1D）患者的个性化血糖控制。该方法采用由血糖（BG）代谢模型与作为基础-餐时顾问的多智能体 soft actor-critic RL 模型组成的闭环系统。性能评估在三种情景下进行，将 RL 智能体与传统疗法比较。评估指标包括血糖水平（最小值、最大值与均值）、处于不同 BG 范围的时间，以及平均每日餐时与基础胰岛素剂量。结果表明，基于 RL 的基础-餐时顾问显著改善血糖控制，降低血糖变异性并增加处于目标范围（70-180 mg/dL）内的时间。低血糖事件被有效预防，严重高血糖事件减少。与传统疗法相比，RL 方法还使平均每日基础胰岛素剂量在统计上显著减少。这些发现凸显了多智能体 RL 方法在 T1D 个体中实现更好血糖控制并降低严重高血糖风险的有效性。
引用
@article{arxiv.2307.08897,
title = {Basal-Bolus Advisor for Type 1 Diabetes (T1D) Patients Using Multi-Agent Reinforcement Learning (RL) Methodology},
author = {Mehrad Jaloli and Marzia Cescon},
journal= {arXiv preprint arXiv:2307.08897},
year = {2023}
}
备注
8 pages, 2 figures, 1 Table