文脈モデルベース強化学習によるAIベースの精密リハビリテーションに向けて

科学分野:

• 神経科学
• リハビリテーション医学
• 人工知能

背景:

• 脳卒中からの回復は、病変、回復軌跡、治療反応の違いにより大きく異なります。
• 精密医療は、個々の患者のニーズに合わせて介入を調整することにより、脳卒中からの回復を最適化するために不可欠です。
• 現在の人工知能（AI）システムは、脳卒中後のリハビリテーション計画を個別化および継続的に適応させる能力が欠けています。

研究 の 目的:

• 脳卒中患者の精密リハビリテーションのための新しいAIベースの意思決定支援システムを開発すること。
• 長期的な患者転帰を最大化するために、タイミング、用量、強度を含む逐次的な治療計画を個別化すること。
• 判断、制約、および好みに基づいてリハビリテーションをカスタマイズするために、臨床医や患者と協力するシステムを作成すること。

主な方法:

• 文脈マルコフ決定プロセス（CMDP）フレームワークを利用しました。
• 新しい階層ベイズモデルベース強化学習（RL）アルゴリズム、文脈RLのための事後サンプリング（PSCRL）を開発しました。
• このアルゴリズムは、制約を尊重しながら、ほぼ最適な逐次治療を発見および調整するために、探索と活用のバランスをとります。

主要な成果:

• AIシステムを実装し、150人の多様な合成患者を用いたシミュレーションで検証しました。
• ベイズ階層モデリングを介して、現在の患者データと過去の患者データベースから継続的に学習するシステムを実証しました。
• AI主導の適応的治療は、非適応的な「画一的」アプローチと比較して、機能的改善を有意に向上させました。

結論:

• 開発されたAIベースの精密リハビリテーションシステムは、学習するヘルスシステムへの統合の可能性を示しています。
• 文脈モデルベースRLを利用したこの新しいアプローチは、個別化された脳卒中リハビリテーションを進歩させることができます。
• 治療を適応させるシステムの能力は、脳卒中回復の結果を改善するための有望な方向性を提供します。