基于 dyad 的强化学习以提升药物依从性
机器学习
2025-05-22 v2
摘要
药物依从性对青少年和年轻成人 (AYAs) 的康复至关重要，该人群在骨髓移植后 (HCT) 经历了出院后既往的挑战。维持依从性对 AYAs 来说具有挑战性，他们在出院后经历个体挑战（例如身体和情感症状）以及人际挑战（例如与照护伴侣的关系困难，后者常常参与药物管理）。为优化针对 dyad 成员及其关系的三组件数字干预的效果，我们提出一种新的多主体强化学习 (MARL) 方法来个性化干预的交付。通过融合领域知识，MARL 框架中每个 agent 负责一个干预组件的交付，允许比展平型 agent 更快地学习。使用基于真实临床数据构建的 dyadic simulator 环境进行评估显示，相较于纯随机干预交付，本方法在药物依从性上实现了显著提升（约 3%）。该方法的效果将在即将到来的试验中进一步评估。
引用
@article{arxiv.2502.06835,
title = {Reinforcement Learning on Dyads to Enhance Medication Adherence},
author = {Ziping Xu and Hinal Jajal and Sung Won Choi and Inbal Nahum-Shani and Guy Shani and Alexandra M. Psihogios and Pei-Yao Hung and Susan Murphy},
journal= {arXiv preprint arXiv:2502.06835},
year = {2025}
}