结合深度与基于核的强化学习改进脓毒症治疗策略
机器学习
2019-01-16 v1 人工智能
机器学习
摘要
脓毒症是重症监护病房（ICU）中主要的死亡原因。由于其管理具有挑战性，因为个体患者对治疗的反应不同。因此，为实现最佳结局，针对个体患者量身定制治疗至关重要。在本文中，我们朝此目标迈出一步，应用专家混合框架来个性化脓毒症治疗。该混合模型根据患者当前病史，在基于邻域（核）和深度强化学习（deep reinforcement learning, DRL）专家之间选择性切换。在一个大型回顾性队列上，这种基于混合的方法优于医生、仅核专家以及仅 DRL 专家。
引用
@article{arxiv.1901.04670,
title = {Improving Sepsis Treatment Strategies by Combining Deep and Kernel-Based Reinforcement Learning},
author = {Xuefeng Peng and Yi Ding and David Wihl and Omer Gottesman and Matthieu Komorowski and Li-wei H. Lehman and Andrew Ross and Aldo Faisal and Finale Doshi-Velez},
journal= {arXiv preprint arXiv:1901.04670},
year = {2019}
}
备注
AMIA 2018 Annual Symposium