强化学习辅助的 COVID-19 重症监护患者氧疗
机器学习
2021-11-09 v2 人工智能
摘要
重度新型冠状病毒肺炎（COVID-19）患者通常需要补充氧气作为必要治疗。我们开发了一种基于深度强化学习（RL）的机器学习算法，用于重症监护下危重患者的氧流量连续管理，该算法能够识别最优的个性化氧流量，相对于当前临床实践具有降低死亡率的强潜力。基本上，我们将 COVID-19 患者的氧流量轨迹及其健康结果建模为马尔可夫决策过程。基于个体患者特征和健康状况，学习基于强化学习的氧气控制策略，并实时推荐氧流量以降低死亡率。我们使用来自纽约大学朗格尼健康中心门诊护理、电子健康记录时间为 2020 年 4 月至 2021 年 1 月的 1,372 名 COVID-19 危重患者的回顾性队列，通过交叉验证评估了所提方法的性能。RL 算法下的平均死亡率比标准治疗低 2.57%（95% CI：2.08-3.06）的降幅（P<0.001），从标准治疗下的 7.94% 降至我们算法下的 5.37%，且平均推荐氧流量比实际输送给患者的值低 1.28 L/min（95% CI：1.14-1.42）。因此，RL 算法可能带来更好的重症监护治疗，在节省稀缺氧气资源的同时降低死亡率。它可缓解氧气短缺问题并改善 COVID-19 大流行期间的公共卫生。
引用
@article{arxiv.2105.08923,
title = {Reinforcement Learning Assisted Oxygen Therapy for COVID-19 Patients Under Intensive Care},
author = {Hua Zheng and Jiahao Zhu and Wei Xie and Judy Zhong},
journal= {arXiv preprint arXiv:2105.08923},
year = {2021}
}
备注
22 pages, 3 figures