ADT2R:适应性决策转换器用于败血症的动态治疗方案

科学领域:

• 人工智能的人工智能
• 临床信息学 临床信息学
• 计算生物学 计算生物学

背景情况:

• 动态治疗方案 (DTR) 对于管理诸如败血症之类的复杂疾病至关重要,目前的方法通常依赖于电子健康记录的线下强化学习 (RL).
• 现有的败血症DTR研究面临局限性,包括与临床医生决定的分歧,以及未能考虑患者异质性,短期健康状况转变以及患者状态与处方关系.

研究的目的:

• 提出一个新的框架,适应性决策转换器DTR (ADT2R),以优化败血症治疗建议.
• 通过将患者异质性和动态健康状况信息纳入治疗决策,解决现有方法的局限性.

主要方法:

• 开发了ADT2R,这是一个使用轨迹优化模块训练的框架,用于治疗建议的监督学习.
• 采用多头自我注意力来捕捉败血症患者的时间变化的模式,以及演员-批判 (AC) 算法来估计和纳入短期健康状况变化.
• 验证了医疗信息中心重症监护III (MIMIC-III) 数据集的框架.

主要成果:

• ADT2R框架在推每个时间步骤的最佳治疗行动方面表现出有效性.
• 性能与MIMIC-III数据集上最先进的方法相比,表明其临床相关性.
• 该模型成功地将患者异质性和不断变化的健康状况整合到治疗决策中.

结论:

• ADT2R通过适应性推治疗方法,为个性化败血症管理提供了一个有希望的方法.
• 该框架通过考虑个体患者特征和动态健康轨迹来增强DTR.
• 这项工作推动了人工智能在重症监护中的应用,特别是在复杂的疾病,如败血症.