NeuroSep-CP-LCB：用于早期败血症预测的基于深度学习的上下文多臂赌博机算法与不确定性量化
机器学习
2025-03-24 v1
摘要
在重症监护环境中，及时且准确的预测可以显著影响患者预后，尤其是对于败血症等需要早期干预的疾病。我们旨在在上下文多臂赌博机框架下建模患者特定的奖励函数。目标是利用患者特定的临床特征，在不确定性条件下优化决策。本文提出 NeuroSep-CP-LCB，一种专为早期败血症检测而设计的神经网络、上下文赌博机与共形预测的新型融合。与先前论文中的算法池选择问题不同——该问题的主要重点是识别最适合预测任务的预训练模型——本工作直接使用神经网络建模奖励函数，从而实现个性化和自适应决策。结合神经网络的表征能力与共形预测区间的鲁棒性，该框架明确考虑了离线数据分布中的不确定性，并为预测提供可操作的置信边界。
引用
@article{arxiv.2503.16708,
title = {NeuroSep-CP-LCB: A Deep Learning-based Contextual Multi-armed Bandit Algorithm with Uncertainty Quantification for Early Sepsis Prediction},
author = {Anni Zhou and Raheem Beyah and Rishikesan Kamaleswaran},
journal= {arXiv preprint arXiv:2503.16708},
year = {2025}
}