基于真实数据和深度强化学习的差异性贫血诊断分步指导
机器学习
2024-12-04 v1
摘要
临床诊断指南概述了达到诊断结果所需回答的关键问题。受指南启发，我们旨在开发一种从电子健康记录中学习，以确定准确诊断的最优行动序列的模型。聚焦于贫血及其亚型，我们采用深度强化学习（DRL）算法，并在基于专家定义诊断路径的合成数据集和真实世界数据集上对其进行评估。我们探讨了这些算法在各种情景下的表现。我们的实验结果表明，DRL 算法在与最先进方法的竞争中表现出色，同时具有显著优势，即逐步生成诊断建议的路径，提供可透明的决策过程，可指导和解释诊断推理。
引用
@article{arxiv.2412.02273,
title = {Step-by-Step Guidance to Differential Anemia Diagnosis with Real-World Data and Deep Reinforcement Learning},
author = {Lillian Muyama and Estelle Lu and Geoffrey Cheminet and Jacques Pouchot and Bastien Rance and Anne-Isabelle Tropeano and Antoine Neuraz and Adrien Coulet},
journal= {arXiv preprint arXiv:2412.02273},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2404.05913