将医学知识集成到强化学习算法中以适用于动态治疗方案
统计方法学
2025-06-09 v2 机器学习
摘要
精准医疗的目标是为慢性疾病的每个治疗阶段提供个体化治疗，这一概念由动态治疗方案 (DTR) 形式化。这些方案根据从临床数据中学习的决策规则来调整治疗策略，以提高疗效。强化学习 (RL) 算法允许以患者数据及其医学史为条件来确定这些决策规则。将医学专家知识集成到这些模型中可以提高治疗建议的可信度，并促进这种方法在医务人员和患者中的采纳。在本工作中，我们检阅了 RL 的数学基础，阐述了其在 DTR 领域的应用，并概述了通过整合医学专家知识来提高其有效性的方法。
引用
@article{arxiv.2407.00364,
title = {Medical Knowledge Integration into Reinforcement Learning Algorithms for Dynamic Treatment Regimes},
author = {Sophia Yazzourh and Nicolas Savy and Philippe Saint-Pierre and Michael R. Kosorok},
journal= {arXiv preprint arXiv:2407.00364},
year = {2025}
}