基于预测模型与蒙特卡洛树搜索的服务选择
人工智能
2020-02-13 v1
摘要
本文提出一种自动化服务选择方法，以提升治疗效果并降低再住院成本。利用国家家庭与临终关怀调查（NHHCS）数据集开发了一个预测模型，以量化照护服务对再住院风险的影响。通过考虑患者特征及其他已选服务，该模型能够指示特定 NHHCS 患者的一组服务组合的整体有效性。所开发的模型被嵌入蒙特卡洛树搜索（MCTS）中，以确定使紧急再住院风险最小的最优服务组合。MCTS 在此作为风险最小化算法，在搜索过程中利用预测模型进行引导。在 NHHCS 数据集上应用该方法，与临床医生原有的选择相比，观察到再住院风险显著降低。平均实现了 11.89 个百分点的风险降低。对于处于最高风险类别的 NHHCS 患者，观察到平均约 40 个百分点的更高降低。这些结果似乎表明，在不久的将来改进服务选择具有巨大潜力。
引用
@article{arxiv.2002.04852,
title = {Service Selection using Predictive Models and Monte-Carlo Tree Search},
author = {Cliff Laschet and Jorn op den Buijs and Mark H. M. Winands and Steffen Pauws},
journal= {arXiv preprint arXiv:2002.04852},
year = {2020}
}