保守连续时间治疗优化
机器学习
2026-03-18 v1 定量方法
摘要
我们发展了一种针对不规则采样患者轨迹的治疗优化的保守连续时间随机控制框架。未知的患者动力学被建模为一个以治疗作为连续时间控制的受控随机微分方程。直接基于模型的优化会利用模型误差，提出超出支持范围的控制因素，因此优化估计动力学可能并不等于优化真实动力学。为限制外推，我们在路径空间上添加一个一致的基于签名的 MMD 正则化项，该正则化惩罚那些诱导轨迹分布偏离观测轨迹的治疗方案。最终的目标函数最小化一个可计算的真实成本的上界。在基准数据集上的实验表明，与非保守基线方法相比，方法在鲁棒性和性能方面均有所提升。
引用
@article{arxiv.2603.16789,
title = {Conservative Continuous-Time Treatment Optimization},
author = {Nora Schneider and Georg Manten and Niki Kilbertus},
journal= {arXiv preprint arXiv:2603.16789},
year = {2026}
}