基于上下文线性Bandit的华法林剂量在线学习估计
机器学习
2019-07-15 v1 机器学习
摘要
华法林是全球最常用的口服血液抗凝剂之一，其合适剂量难以确定，不仅因为患者在剂量上存在显著差异，还因为错误服药会带来不良甚至严重的后果。典型做法是开具初始剂量，然后医生密切监测患者反应并相应调整至正确剂量。三种常用的初始剂量策略为固定剂量法、华法林临床算法以及由IWPC（国际华法林药物遗传学联盟）开发的药物遗传学算法。开具正确的初始剂量始终是最佳选择，受此挑战驱动，本工作探索了多臂bandit算法在最佳预测华法林正确剂量而非试错流程方面的性能。使用了来自药物遗传学与药物基因组学知识库（PharmGKB）的真实数据，并基于该数据在华法林数据集上开发并评估了一系列线性bandit算法及其变体。所有提出的算法均优于固定剂量基线算法，部分甚至可与华法林临床给药算法相媲美。此外，给出了若干有前景的未来方向以供进一步探索与开发。
引用
@article{arxiv.1907.05496,
title = {Online Learning to Estimate Warfarin Dose with Contextual Linear Bandits},
author = {Hai Xiao},
journal= {arXiv preprint arXiv:1907.05496},
year = {2019}
}