arXiv cs.AI / cs.LG 最新· Chengze Xie·· 5 天前AI 评分50
面向模型与测量不确定性的动态治疗方案鲁棒强化学习框架
Robust Reinforcement Learning for Dynamic Treatment Regimes under Model and Measurement Uncertainty
AI 导读
研究者提出一种鲁棒强化学习框架，将患者建模为隐藏上下文，用鲁棒上下文马尔可夫决策过程统一处理跨患者泛化与生物标志物测量误差、疾病动态漂移下的可靠性问题。在按临床数据校准的转移性前列腺癌模拟器中，该框架学到的自适应治疗策略大幅优于现有自适应疗法，生物标志物准确时几乎不损失性能，并在多种场景下 Pareto 占优。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org