基于强化学习的个性化暴露疗法

个性化疗法指的是根据患者个体情况调整疗法方案，可带来更好的健康结果。通常，这是通过依赖治疗师的训练和直觉，以及来自患者的反馈来实现的。然而，这需要治疗师成为任何技术组件的专家，例如在虚拟现实暴露疗法（VRET）的情况下。虽然已存在自动调整治疗内容以适应患者的方法，但这些方法通常依赖手工编写的预定义规则，这些规则可能不适用于所有个体。本文提出了一种基于生理测量自动调整治疗内容以适应患者的方法。我们在虚拟蜘蛛暴露疗法的上下文中实现了该方法，依赖于经验驱动的程序化内容生成通过强化学习（EDPCGRL）来生成与个体患者匹配的虚拟蜘蛛。通过人类主体研究，我们展示了该系统显著优于更常见的基于规则的方法，凸显了其在增强个性化治疗干预方面的潜力。