兩項研究評估了醫(yī)療保健領域人工智能工具的發(fā)展

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(jié)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(jīng)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(jīng)科學助理教授 Logan Grosenick 博士說。

RL 代理根據(jù)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(jié)果表明，盡管目前的方法很有前景，但它們極其耗費數(shù)據(jù)，”Grosenick 博士補充道。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！