利用强化学习优化资源受限环境中的HIV患者参与
机器学习
2024-08-15 v1 人工智能
计算机与社会
摘要
通过提供基于证据的临床决策支持，数字工具和电子健康记录可以彻底改变患者管理，尤其是在资源匮乏的环境中——可用的卫生工作者较少且往往需要更多培训。当这些工具与AI集成时，它们可以提供个性化支持和自适应干预，有效连接社区卫生工作者（CHWs）和医疗机构。CHARM（社区健康接入与资源管理）应用是一款面向CHWs的AI原生移动应用。该应用由Causal Foundry（CF）与mothers2mothers（m2m）联合开发，CHARM通过简化病例管理、增强学习和改善沟通来赋能CHWs——主要是当地女性。本论文详细介绍了CHARM的开发、集成以及即将推出的基于强化学习的自适应干预，所有这些都旨在提升卫生工作者的参与度、效率和患者结局，从而增强CHWs的能力和社区健康水平。
引用
@article{arxiv.2408.07629,
title = {Optimizing HIV Patient Engagement with Reinforcement Learning in Resource-Limited Settings},
author = {África Periáñez and Kathrin Schmitz and Lazola Makhupula and Moiz Hassan and Moeti Moleko and Ana Fernández del Río and Ivan Nazarov and Aditya Rastogi and Dexian Tang},
journal= {arXiv preprint arXiv:2408.07629},
year = {2024}
}
备注
Presented at the 7th epiDAMIK ACM SIGKDD International Workshop on Epidemiology meets Data Mining and Knowledge Discovery, August 26, 2024, Barcelona, Spain