利用马尔可夫决策过程学习成本效益最优的治疗方案

决策者，如医生和法官，每天都要做出关键决策，例如向患者推荐治疗方案，以及批准被告保释。这类决策通常涉及权衡采取行动的潜在收益与所涉及的成本。在这项工作中，我们旨在自动化这项学习\textit{成本效益最优、可解释且可操作的治疗方案}的任务。我们将此问题形式化为学习一个决策列表——一系列 if-then-else 规则——该列表将主体特征（例如，患者的诊断测试结果）映射到治疗方案。我们提出了一种新颖的目标来构建一个决策列表，该列表能最大化群体的结局，并最小化总体成本。我们将学习此类列表的问题建模为马尔可夫决策过程（MDP），并采用了一种树的上置信界（UCT）策略的变体，该变体利用定制化的剪枝检查来有效剪枝搜索空间。在捕捉司法保释决策和哮喘患者治疗建议的真实世界观测数据上的实验结果，证明了我们方法的有效性。