用于脓毒症患者个性化血糖控制的表示与强化学习
机器学习
2017-12-05 v1
摘要
血糖控制对重症监护至关重要。然而，这是一项具有挑战性的任务，因为此前尚无关于个性化最优血糖控制策略的研究。本工作旨在通过数据驱动的策略学习严重脓毒症患者的个性化最优血糖轨迹，以识别最优目标血糖水平，作为临床医生的参考。我们使用稀疏自编码器编码患者状态，并采用基于策略迭代的强化学习范式从数据中学习最优策略。我们还根据从记录的血糖轨迹中学到的策略估计期望回报，由此得到一个指示真实血糖值与 90 天死亡率之间关系的函数。这表明，所学的最优策略可将患者的估计 90 天死亡率降低 6.3%，从 31% 降至 24.7%。该结果证明，带有适当患者状态编码的强化学习有可能提供最优血糖轨迹，并使临床医生能够为脓毒症患者设计个性化的血糖控制策略。
引用
@article{arxiv.1712.00654,
title = {Representation and Reinforcement Learning for Personalized Glycemic Control in Septic Patients},
author = {Wei-Hung Weng and Mingwu Gao and Ze He and Susu Yan and Peter Szolovits},
journal= {arXiv preprint arXiv:1712.00654},
year = {2017}
}
备注
Accepted by the 31st Annual Conference on Neural Information Processing Systems (NIPS 2017) Workshop on Machine Learning for Health (ML4H)