面向机械通气控制的机器学习（扩展摘要）
机器学习
2021-12-28 v3
摘要
机械通气是 ICU 中应用最广泛的疗法之一。然而，尽管从麻醉到 COVID 相关生命支持都有广泛应用，许多致伤性挑战依然存在。我们将这些问题构建为一个控制问题：呼吸机必须根据预设的气道压力轨迹让空气进出患者肺部。基于 PID 方法的工业标准控制器既非最优也不鲁棒。我们的数据驱动方法通过在自身由呼吸机采集数据训练得到的模拟器上训练，来学习控制有创呼吸机。该方法优于流行的强化学习算法，甚至比 PID 更准确、更鲁棒地控制物理呼吸机。这些结果凸显了数据驱动方法对有创通气的有效性，并表明更通用的通气形式（例如无创、自适应）也可能适用。
引用
@article{arxiv.2111.10434,
title = {Machine Learning for Mechanical Ventilation Control (Extended Abstract)},
author = {Daniel Suo and Naman Agarwal and Wenhan Xia and Xinyi Chen and Udaya Ghai and Alexander Yu and Paula Gradu and Karan Singh and Cyril Zhang and Edgar Minasyan and Julienne LaChance and Tom Zajdel and Manuel Schottdorf and Daniel Cohen and Elad Hazan},
journal= {arXiv preprint arXiv:2111.10434},
year = {2021}
}
备注
Machine Learning for Health (ML4H) at NeurIPS 2021 - Extended Abstract. arXiv admin note: substantial text overlap with arXiv:2102.06779