導讀 韋爾康奈爾醫(yī)學院和洛克菲勒大學研究人員的一項新研究發(fā)現(xiàn),強化學習是一種人工智能方法,有可能指導醫(yī)生設計順序治療策略,以獲得更好的患...
韋爾康奈爾醫(yī)學院和洛克菲勒大學研究人員的一項新研究發(fā)現(xiàn),強化學習是一種人工智能方法,有可能指導醫(yī)生設計順序治療策略,以獲得更好的患者治療效果,但在應用于臨床之前需要進行重大改進。
強化學習 (RL) 是一類能夠隨時間做出一系列決策的機器學習算法。RL 促成了近期人工智能的進步,包括國際象棋和圍棋的超人表現(xiàn),它可以利用不斷變化的患者狀況、測試結果和之前的治療反應來建議個性化患者護理的下一步最佳措施。這種方法對于管理慢性病或精神疾病的決策尤其有前景。
該研究發(fā)表在《神經信息處理系統(tǒng)會議論文集》(NeurIPS)上,并于 12 月 13 日發(fā)表,提出了“護理事件”(EpiCare),這是第一個醫(yī)療保健領域的 RL 基準。
“基準測試推動了機器學習應用的改進,包括計算機視覺、自然語言處理、語音識別和自動駕駛汽車。我們希望它們現(xiàn)在能夠推動醫(yī)療保健領域的 RL 進步,”領導這項研究的精神病學神經科學助理教授 Logan Grosenick 博士說。
RL 代理根據收到的反饋改進其行動,逐漸學習一種可增強其決策能力的策略。“然而,我們的研究結果表明,盡管目前的方法很有前景,但它們極其耗費數據,”Grosenick 博士補充道。
標簽:
免責聲明:本文為轉載,非本網原創(chuàng)內容,不代表本網觀點。其原創(chuàng)性以及文中陳述文字和內容未經本站證實,對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾,請讀者僅作參考,并請自行核實相關內容。