利用 SODA-RL（安全优化多样准确强化学习）识别急性低血压的差异化有效治疗方案
机器学习
2020-01-13 v1 机器学习
摘要
重症监护环境中的低血压是一种危及生命的急症，必须及早识别和治疗。虽然液体推注治疗和血管加压药是常用治疗手段，但通常不清楚应给予哪些干预、剂量多少以及持续多久。以电子健康记录形式存在的观测数据可为借助既往事件辅助告知这些选择提供来源，但仅凭观测数据往往无法识别出单一最佳策略。在此类情形下，我们认为向临床医生展示一组合理选项十分重要。为此，我们开发了 SODA-RL：安全优化、多样且准确的强化学习（Safely Optimized, Diverse, and Accurate Reinforcement Learning），以识别数据中支持的差异化治疗方案。我们在一个包含 10,142 例出现低血压的 ICU 住院记录的队列上展示了 SODA-RL。我们学到的策略表现与观察到的医生行为相当，同时提供了不同的、合理的替代治疗决策。
引用
@article{arxiv.2001.03224,
title = {Identifying Distinct, Effective Treatments for Acute Hypotension with SODA-RL: Safely Optimized Diverse Accurate Reinforcement Learning},
author = {Joseph Futoma and Muhammad A. Masood and Finale Doshi-Velez},
journal= {arXiv preprint arXiv:2001.03224},
year = {2020}
}
备注
Accepted for publication at the AMIA 2020 Informatics Summit. This version contains an updated appendix with additional figures not found in the page-constrained AMIA version, so treat this version as the most up-to-date