安全且可解释的最优治疗策略估计

近期的统计与强化学习方法已显著推进了患者照护策略。然而，这些方法在高风险情境中面临重大挑战，包括缺失数据、固有随机性，以及对可解释性与患者安全的关键要求。我们的工作将一种安全且可解释的框架操作化，以识别最优治疗策略。该方法通过将具有相似医学与药理学特征的患者进行匹配，使我们能够通过插值构建最优策略。我们开展了全面的模拟研究，以证明该框架即使在复杂设定下也能识别最优策略。最终，我们将该方法应用于研究危重患者癫痫发作的治疗策略。我们的发现有力支持了基于患者病史与药理特征的个性化治疗策略。值得注意的是，我们识别出：对轻症且短暂癫痫发作的患者减少药物剂量，同时对重症监护室中经历剧烈癫痫发作的患者采取积极治疗，可带来更有利的结果。