基于强化学习框架的脓毒症抗生素多策略推荐模型

王嫄; 刘安岐; 盛梦茹; 侯佳佳; 赵婷婷; 于琦

doi:10.13364/j.issn.1672-6510.20230203

天津科技大学学报 ›› 2025, Vol. 40 ›› Issue (02) : 71 -80. DOI: 10.13364/j.issn.1672-6510.20230203

基于强化学习框架的脓毒症抗生素多策略推荐模型

王嫄, 刘安岐, 盛梦茹, 侯佳佳, 赵婷婷, 于琦

作者信息 +

Author information +

文章历史 +

PDF (1097K)

摘要

脓毒症是全球人类几大死亡原因之一，而抗生素是脓毒症治疗的重要一环。近年来，研究人员认为医疗决策问题可以映射为马尔科夫决策过程，并使用强化学习方法进行治疗策略推荐。结合基于值函数和基于策略的强化学习方法构建多策略推荐的模型框架，对脓毒症治疗过程中抗生素的使用进行策略推荐。针对脓毒症患者的特征信息划分不同的决策区域，应用多策略模型进行个性化治疗建议。结果表明：多策略选择模型能够使患者预后良好的情况达到80.32%。通过统计分析决策轨迹和药物作用选择，模型能够提供符合临床实践的合理药物建议，推荐合适的抗生素组合，改善患者的预后效果。