儿童ECMO临床决策支持的模仿学习
机器学习
2026-05-18 v1
摘要
儿童重症医学是一个动态且高风险的过程，涉及持续的监测和对生命拯救治疗的调整。对这些干预措施进行建模对于有效的决策支持至关重要。为解决儿童ECMO中高复杂度和数据稀缺的挑战，我们将临床决策建模为从轨迹中学习行为，即从观察数据中学习动作模型，其中关键特征是动作并非直接观察到。我们考虑了TabPFN——一种最近基于Transformer的表格数据方法，以及包括XGBoost和多层感知器(MLP)在内的传统基线方法，在真实世界的儿童ECMO数据上学习动作模型。我们发现，TabPFN方法在这些经典基线方法上始终表现更好，支持其作为儿童ECMO决策支持中强大的医生行为基线。
引用
@article{arxiv.2605.16175,
title = {Imitation learning for clinical decision support in pediatric ECMO},
author = {Fateme Golivand and Michael Skinner and Saurabh Mathur and Ameet Soni and Phillip Reeder and Kristian Kersting and Lakshmi Raman and Sriraam Natarajan},
journal= {arXiv preprint arXiv:2605.16175},
year = {2026}
}