用于智能医疗系统的强化学习：一项全面综述
机器学习
2021-08-10 v1 人工智能
多智能体系统
摘要
慢性病患者百分比的快速增加以及近期的大流行对医疗保健支出构成了直接威胁，并推高了死亡率。这要求将医疗保健系统从一对一的患者治疗转变为智能医疗系统，以改善服务、可及性和可扩展性，同时降低成本。强化学习 (RL) 在解决各种应用和服务的复杂问题方面取得了内在的突破。因此，我们在本文中对为支持智能医疗 系统而开发/使用的最新 RL 模型和技术进行了全面综述。本文可以指导读者深入理解在 I-health 背景下使用 RL 的最新技术。具体而言，我们首先概述了 I-health 系统的挑战、架构以及 RL 如何使这些系统受益。然后，我们回顾了不同 RL、深度强化学习 (DRL) 和多智能体 RL 模型的背景和数学建模。之后，我们对 RL 在 I-health 系统中的应用进行了深入的文献综述。特别是，涉及了三个主要领域，即边缘智能、智能核心网和动态治疗方案。最后，我们强调了新兴挑战，并概述了推动 RL 在 I-health 系统中取得未来成功的未来研究方向，这为探索一些有趣且未解决的问题打开了大门。
引用
@article{arxiv.2108.04087,
title = {Reinforcement Learning for Intelligent Healthcare Systems: A Comprehensive Survey},
author = {Alaa Awad Abdellatif and Naram Mhaisen and Zina Chkirbene and Amr Mohamed and Aiman Erbad and Mohsen Guizani},
journal= {arXiv preprint arXiv:2108.04087},
year = {2021}
}