Jan, 2020

使用SODA-RL识别急性低血压的独特有效治疗方法：安全优化多元准确强化学习

HTML
PDF
TL;DR通过采用SODA-RL(Safely Optimized, Diverse, and Accurate Reinforcement Learning)方法，从10,142个重症监护室住院患者的医疗记录中分析和确认了多种有效的治疗选择，这可以作为医生决策的参考，提高危重症监护室治疗水平。
发现论文，激发创造
  • 用深度强化学习的连续状态空间模型优化脓毒症治疗

    使用连续状态空间模型和深度强化学习来推断感染症患者的最佳治疗方案，能够减少患者在医院内的死亡率。

    May, 2017

  • 评估强化学习算法在观测性健康设置中的应用

    探讨评估强化学习算法在医疗保健中的安全性的实质，提供了在评估新型患者治疗方式时，如何设计和评估算法的方法，并描述了如何缓解评估过程中存在的潜在问题。

    May, 2018

  • 医疗保健中的强化学习: 一项调查

    本文综述了加强学习在医疗领域的广泛应用，包括慢性病和危重护理中的动态治疗方案、基于结构化和非结构化临床数据的自动医学诊断以及许多其他控制或调度领域。其中讨论了当前研究中面临的挑战和开放问题，并指出了一些潜在的解决方案和未来研究方向。

    Aug, 2019

  • 闭环血糖控制的深度强化学习

    本研究使用深度强化学习技术，比较了不同的控制算法。模拟糖尿病患者的数据分析表明，该技术可大幅降低糖尿病患者在控制血糖水平方面面临的风险，而无需专业知识的参与。

    Sep, 2020

  • 轨迹检查：一种用于迭代临床医师指导强化学习研究设计的方法

    通过轨迹检查方法，研究人员发现在以强化学习为基础的模型中存在模型偏好，可能与小样本差异有关，期望的治疗结果不切实际，希望通过发现并解决这些问题，得出更加可靠的强化学习策略。

    Oct, 2020

  • 离线强化学习用于1型糖尿病患者血糖更安全的控制

    本文评估了离线强化学习方法，用于开发临床有效的药量策略，通过对UVA/Padova血糖动力学模拟器内的九个虚拟患者的血糖控制进行了研究，发现离线强化学习可以显著提高健康血糖范围内的时间，而不增加低血糖事件。

    Apr, 2022

  • 使用脱机强化学习学习连续空间中败血症的最佳治疗策略

    提出一种基于历史数据的新型医疗决策模型，使用深度强化学习解决了传统去强化学习中与环境交互的问题，能够进行连续状态-行动决策空间中的决策，建议的治疗方案比临床医生建议的更具价值和可靠性，能够提供个性化和可解释的抗感染治疗决策，进而提高患者的护理水平。

    Jun, 2022

  • 应用强化学习预测重症监护室输血需求

    该论文通过使用强化学习算法，基于患者重症监护室中的临床数据，开发出一种用于输注决策辅助的工具，结合状态表示方法和奖励设计机制进行了实验以提高策略的性能，并对真实医院数据的策略准确性进行了评估，结果表明，该方法能够有效地改善患者预后和减少医疗成本。

    Jun, 2022

  • 使用离线强化学习算法开发和验证肝素剂量政策

    本研究针对重症监护室内肝素剂量管理的复杂性与患者个体差异性，提出了一种基于强化学习的个性化肝素剂量政策，以确保剂量在治疗范围内的精准性。研究通过离线强化学习及其在临床决策中的应用，验证了该政策的有效性，旨在改善肝素使用实践并推动医学决策支持工具的发展。

    Sep, 2024

  • OMG-RL: 离线基于模型的引导奖励学习在肝素治疗中的应用

    本研究解决了个体化医疗决策中正确设定奖励函数的问题，提出了离线模型引导奖励学习（OMG-RL）方法。该方法通过离线逆强化学习，从有限数据中学习反映临床医生意图的参数化奖励函数，显著提高了肝素剂量决策的有效性和精确性。

    Sep, 2024