用于血糖控制的端到端离线强化学习
人工智能
2023-10-17 v1 机器学习
定量方法
摘要
用于I型糖尿病血糖控制的闭环系统的开发严重依赖于模拟患者。提升这些闭环的性能和适应性会增加过拟合模拟器的风险。这可能带来严重后果，尤其是在模拟器未能（即便有也未能忠实）捕捉到的罕见情况下。为此，我们提出使用在真实患者数据上训练的离线强化学习智能体来执行血糖控制。为了进一步提升性能，我们提出了一种端到端个性化流程，其利用离线策略评估方法彻底消除对模拟器的需求，同时仍能实现对糖尿病临床相关指标的估计。
引用
@article{arxiv.2310.10312,
title = {End-to-end Offline Reinforcement Learning for Glycemia Control},
author = {Tristan Beolet and Alice Adenis and Erik Huneker and Maxime Louis},
journal= {arXiv preprint arXiv:2310.10312},
year = {2023}
}