基于对决双重深度 Q 网络的吗啡重症监护疼痛管理深度强化学习优化
机器学习
2019-04-26 v1 人工智能
摘要
阿片类药物是重症监护病房治疗疼痛的首选药物。治疗不足会导致疼痛未缓解和临床结局不佳，而阿片类药物的过度使用则使患者面临多种不良反应的风险。在这项工作中，我们提出了一个基于深度强化学习的阿片类药物给药序贯决策框架。它提供实时的、临床可解释的给药建议，并根据每位患者不断变化的疼痛和生理状况进行个性化调整。我们关注最常用处方阿片类药物之一的吗啡。为了训练和评估模型，我们使用了来自公开可用的 MIMIC-3 数据库的回顾性数据。我们的结果表明，强化学习可通过提供个性化的疼痛管理干预来辅助重症监护环境中的决策。
引用
@article{arxiv.1904.11115,
title = {Deep Reinforcement Learning for Optimal Critical Care Pain Management with Morphine using Dueling Double-Deep Q Networks},
author = {Daniel Lopez-Martinez and Patrick Eschenfeldt and Sassan Ostvar and Myles Ingram and Chin Hur and Rosalind Picard},
journal= {arXiv preprint arXiv:1904.11115},
year = {2019}
}
备注
2019 41st Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC)