ESCADA：面向精准医疗的高效安全与上下文感知剂量分配
机器学习
2022-10-11 v3
摘要
寻找最优的个体化治疗方案被认为是精准医疗中最具挑战性的问题之一。各种患者特征会影响对治疗的反应，因此不存在通用的方案。此外，在治疗期间给予不安全的剂量可能会对健康产生不良影响。因此，治疗模型必须在高效优化疗程的同时确保患者的安全。我们研究了一个普遍的医疗问题，其中治疗旨在将某一生理变量保持在安全范围内并尽可能接近目标水平，我们将其称为调平。此类任务在许多其他领域也可能具有相关性。我们提出了 ESCADA，一种针对调平任务量身定制的新型通用多臂老虎机算法，用于做出安全、个性化和上下文感知的剂量推荐。我们推导了其累积遗憾的高概率上界和安全保证。遵循 ESCADA 的设计，我们还描述了其基于 Thompson 采样的对应算法。我们讨论了为什么经典 MAB 算法（如 GP-UCB）的直接改编可能不适合调平任务。最后，我们在 1 型糖尿病疾病的静脉胰岛素剂量分配问题上进行了 in silico 实验，并将我们的算法与著名的 GP-UCB 算法、基于规则的剂量计算器和临床医生进行了比较。
引用
@article{arxiv.2111.13415,
title = {ESCADA: Efficient Safety and Context Aware Dose Allocation for Precision Medicine},
author = {Ilker Demirel and Ahmet Alparslan Celik and Cem Tekin},
journal= {arXiv preprint arXiv:2111.13415},
year = {2022}
}
备注
23 pages, 12 figures