面向医疗决策问题的相对稀疏性

现有的统计方法可以估计策略，即从协变量到决策的映射，从而指导决策者（例如，是否根据血压和心率等协变量给予低血压治疗）。在医疗保健领域使用此类数据驱动策略备受关注。然而，向医疗保健提供者和患者解释新策略与当前标准护理的差异通常很重要。如果能够精确定位从标准护理转向新建议策略时发生改变的策略方面（即血压和心率参数），将有助于实现这一目标。为此，我们借鉴了信任域策略优化（TRPO）的思想。然而，在我们的工作中，与 TRPO 不同的是，要求建议策略与标准护理之间的差异是稀疏的，以助于可解释性。这产生了“相对稀疏性”，作为调节参数 $\lambda$ 的函数，我们可以近似控制建议策略中与标准护理对应部分（例如，仅心率）不同的参数数量。我们提出了一个选择 $\lambda$ 的准则，进行了仿真，并使用真实的观察性医疗数据集说明了我们的方法，得出了一个在当前标准护理背景下易于解释的策略。我们的工作促进了数据驱动决策辅助工具的采用，这些工具在改善健康结果方面具有巨大潜力。