基于群组相对策略优化与时序数据融合的个性化医疗干预策略生成系统研究
人工智能
2025-04-29 v1 机器学习
摘要
随着基于高维异构时序信息及时形成个性化干预方案成为当今医疗领域的重要挑战,电子病历、可穿戴设备等多源医疗数据日益生成并呈现多样化。在本研究中,我们开发了一个基于群组相对策略优化(GRPO)与时序数据融合的个性化医疗干预策略生成系统。首先,通过在策略梯度更新过程中引入群组间的相对策略约束,自适应地平衡个体收益与群体收益。为提升决策的鲁棒性与可解释性,采用多层神经网络结构对患者特征进行分组编码。其次,针对多源异构时序的快速多模态融合,使用结合自注意力机制的多通道神经网络进行动态特征提取,并通过可微门控网络实现关键特征的筛选与聚合。最后,提出一种结合遗传算法与蒙特卡洛树搜索的协同搜索过程,以寻找理想的干预策略,实现全局优化。实验结果表明,与现有方法相比,该方法在准确率、覆盖率和决策收益方面均有显著提升。
引用
@article{arxiv.2504.18631,
title = {Research on Personalized Medical Intervention Strategy Generation System based on Group Relative Policy Optimization and Time-Series Data Fusion},
author = {Dingxin Lu and Shurui Wu and Xinyi Huang},
journal= {arXiv preprint arXiv:2504.18631},
year = {2025}
}