基于强化学习的膝关节骨关节炎低成本自适应临床试验
机器学习
2025-04-09 v4 人工智能
摘要
骨关节炎 (OA) 是最常见的肌肉骨骼疾病，膝关节骨关节炎 (KOA) 是导致残疾和产生显著经济负担的疾病之一。预测 KOA 病程对于改善患者预后、优化医疗资源、研究疾病以及 developing new treatments 至关重要。后者尤其需要理解疾病进程，以便在正确时间收集最有信息的数据。然而，现有方法受限于其静态特性以及仅关注单个关节的局限性，导致预测性能和下游效用 suboptimal。我们的研究提出了一种新方法，允许通过强化学习 (RL) 驱动的主动感知 (AS) 方法，对患者进行动态监测，而非单个关节。我们的关键思想是直接优化下游任务，通过训练一个代理 maximize 有信息的数据收集，同时最小化总体成本。我们的 RL 方法利用专门设计的奖励函数来监测多个身体部位的疾病进程，采用多模态深度学习，在测试期间无需人工干预。大量数值实验表明，我们的方法优于当前的先进模型，为下一代 KOA 试验铺平了道路。
引用
@article{arxiv.2408.02349,
title = {Toward Cost-efficient Adaptive Clinical Trials in Knee Osteoarthritis with Reinforcement Learning},
author = {Khanh Nguyen and Huy Hoang Nguyen and Egor Panfilov and Aleksei Tiulpin},
journal= {arXiv preprint arXiv:2408.02349},
year = {2025}
}