适应性强盗算法提高了移动结核病查计划的效率
Jiujia Zhang1, Lauren Linde2, Daniela Puma3
1Boston University College of Engineering, Boston, USA.
Scientific reports
|December 8, 2025
概括
机器学习使用多臂强盗 (MAB) 算法优化了移动结核病查地点. 该LinUCB算法显著提高了检测效率,减少了结核病例所需的查.
科学领域:
- 公共卫生 公共卫生
- 传染病流行病学 传染病流行病学
- 机器学习应用 机器学习应用
背景情况:
- 用移动X射线装置进行社区结核查,通过克服接入障碍,提高了病例检测.
- 优化移动查单位的部署对于有效分配结核病控制资源至关重要.
研究的目的:
- 评估多武装强盗 (MAB) 框架对优化移动结核病查地点的有效性.
- 为了比较两个MAB算法 (Exp3和LinUCB) 与传统的配置策略的性能.
主要方法:
- 在三年时间里,对服务于秘鲁利马95个地点的两个移动单元进行了模拟.
- 两种MAB算法Exp3和LinUCB与历史病例率驱动和随机放置策略进行了比较.
- LinUCB结合了当地社会经济指标,而两种MAB算法根据观察到的选产量调整了选址选择.
主要成果:
- MAB算法显著减少了每次肺结核检测所需的平均查:Exp3为112次,LinUCB为79次,相比之下152次 (随机) 和143次 (历史).
- 与历史放置相比,LinUCB表现出卓越的性能,在第16周检测效率提高了20%,在第40周检测效率提高了50%.
- 两种MAB算法都显示出改善了结核病查收益率,突出了适应性数据驱动方法的好处.
结论:
- 多臂强盗算法有效优化移动结核病查站点选择,提高检测效率.
- 适应性机器学习模型为改善高结核负担环境中的资源配置提供了一个有希望的策略.
- 这些发现支持将数据驱动方法整合到公共卫生查传染病计划中.
