基于强化学习的糖尿病生活方式医学治疗辅助
应用统计
2025-11-03 v1 机器学习
摘要
2 型糖尿病的预防和治疗可以从个性化生活方式处方中受益。然而，由于缺乏受训专业人员以及医生专业知识的差异，个性化生活方式医学处方的实施受到限制。我们提出一种离线情境臂虫方法，通过最小化 Magni 血糖风险-奖励函数，从 119,555 名受试者的聚合 NHANES 档案中学习个性化生活方式处方。该模型对患者状态进行编码并生成生活方式医学处方，使用混合动作 Soft Actor-Critic 算法进行训练。将该任务视为单步骤情境臂虫。该模型将与来自香山医院的三位认证医生所发布的生活方式医学处方进行验证。这些结果表明，离线混合动作 SAC 可以从横断面 NHANES 数据中生成风险感知的生活方式医学处方，值得进行前瞻性临床验证。
引用
@article{arxiv.2510.26807,
title = {Diabetes Lifestyle Medicine Treatment Assistance Using Reinforcement Learning},
author = {Yuhan Tang},
journal= {arXiv preprint arXiv:2510.26807},
year = {2025}
}