面向N-of-1试验的体育锻炼推荐在线强化学习智能体设计与评估
机器学习
2023-11-27 v2 应用统计
统计方法学
摘要
个性化自适应干预提供了增加患者获益的机会，但其在规划与实施中存在挑战。一旦实施，一个关键问题在于个性化自适应干预是否确实比固定的金标准干预在临床上的效果更好。本文提出一种创新的N-of-1试验研究设计，以检验通过在线强化学习智能体实施个性化干预是否可行且有效。全文以一项针对子宫内膜异位症疼痛缓解的体育锻炼推荐新研究作为示例。我们描述了一个上下文老虎机推荐智能体的设计，并在模拟研究中对该智能体进行评估。结果表明：首先，通过在线强化学习智能体实施个性化干预是可行的；其次，即便仅有少量观测数据，此类自适应干预也有潜力改善患者获益。一个挑战是它们增加了设计与实施过程的复杂性。为量化预期获益，需要来自既往干预研究的数据。我们期望我们的方法可迁移至其他干预与临床干预。
引用
@article{arxiv.2309.14156,
title = {Designing and evaluating an online reinforcement learning agent for physical exercise recommendations in N-of-1 trials},
author = {Dominik Meier and Ipek Ensari and Stefan Konigorski},
journal= {arXiv preprint arXiv:2309.14156},
year = {2023}
}