教程:慢性疾病顺序决策的优化:从数据到决策

布莱恩·t·丹顿著

心血管疾病、癌症和糖尿病等慢性疾病的医疗干预措施取得了迅速进展，因此能够在早期发现疾病，并根据患者的风险因素(包括性别、种族/民族和疾病特定因素)为其量身定制治疗途径。然而，需要考虑的大量相关风险因素，加上未来健康结果和治疗副作用的不确定性，使得优化这些决定具有挑战性。随机试验是选择治疗干预措施的黄金标准，但大量可能的决定和它们的高成本使这些试验不可行。数据驱动的运筹学方法在帮伟德体育1946手机版助患者和医生改善健康干预决策方面显示出巨大的希望。目前在许多卫生系统中常规收集的观察数据是拟合和验证慢性病随机模型的宝贵资源。此外，序列决策的优化方法，包括马尔可夫决策过程，部分可观察的马尔可夫决策过程和强化学习方法，利用这些模型来优化治疗政策，可以平衡竞争标准，如与治疗慢性疾病相关的利弊。本教程介绍了使用原始数据优化顺序处理策略的一些最常用方法。在此背景下，特别注意与使用观测数据相关的挑战和模型参数不确定性的影响。