論文の概要: Optimizing Warfarin Dosing using Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2202.03486v1
• Date: Mon, 7 Feb 2022 19:58:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-09 15:25:32.905496
• Title: Optimizing Warfarin Dosing using Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習を用いたワーファリン投与の最適化
• Authors: Sadjad Anzabi Zadeh (1), W. Nick Street (1), Barrett W. Thomas (1) ((1) The University of Iowa Tippie College of Business)
• Abstract要約: ワーファリンは広く用いられる抗凝固剤であり、治療範囲は狭い。 現在のワーファリン投与プロトコルは、特にワーファリンに敏感な患者には期待に届かない。 ウォーファリンの深層強化学習に基づく投薬モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Warfarin is a widely used anticoagulant, and has a narrow therapeutic range. Dosing of warfarin should be individualized, since slight overdosing or underdosing can have catastrophic or even fatal consequences. Despite much research on warfarin dosing, current dosing protocols do not live up to expectations, especially for patients sensitive to warfarin. We propose a deep reinforcement learning-based dosing model for warfarin. To overcome the issue of relatively small sample sizes in dosing trials, we use a Pharmacokinetic/ Pharmacodynamic (PK/PD) model of warfarin to simulate dose-responses of virtual patients. Applying the proposed algorithm on virtual test patients shows that this model outperforms a set of clinically accepted dosing protocols by a wide margin.
• Abstract（参考訳）: ワーファリンは広く使用される抗凝固薬であり、治療範囲は狭い。 少量の過剰投与や下投与は破滅的あるいは致命的な結果をもたらす可能性があるため、ワルファリンの投与は個別化されるべきである。 ワーファリン服用に関する多くの研究にもかかわらず、現在の服用プロトコルは期待に届かず、特にワーファリンに敏感な患者には有効である。 ウォーファリンの深層強化学習に基づく投薬モデルを提案する。 ドスティング試験における比較的小さなサンプルサイズの問題に対処するため,ワーファリンのPK/PDモデルを用いて仮想患者の服用応答をシミュレートした。 仮想テスト患者に提案するアルゴリズムを適用すると,このモデルが臨床で認められたドーピングプロトコル群をはるかに上回っていることが分かる。

関連論文リスト

• An Explainable Deep Reinforcement Learning Model for Warfarin Maintenance Dosing Using Policy Distillation and Action Forging [0.294944680995069]
  本稿では, 政策蒸留を併用した近似的政策最適化手法を用いて, ワーファリンのドスティングプロトコルを提案する。 その結果、最終モデルは現在のドスプロトコルと同じくらい理解し、デプロイしやすく、ベースラインドスアルゴリズムよりも優れています。
  論文  参考訳（メタデータ） (2024-04-26T06:44:52Z)
• CIDGMed: Causal Inference-Driven Medication Recommendation with Enhanced Dual-Granularity Learning [10.60553153370577]
  医薬推奨は、患者の長期医療記録を統合し、正確で安全な薬品の組み合わせを提供することを目的としている。 既存の方法では、疾患や引き金や薬物の真の因果関係を深く探ることができないことが多い。 因果推論駆動型デュアルグラニュラリティメディケーション勧告法(CIDGMed)を提案する。
  論文  参考訳（メタデータ） (2024-03-01T08:50:27Z)
• Safe and Interpretable Estimation of Optimal Treatment Regimes [54.257304443780434]
  我々は、最適な治療体制を特定するための安全かつ解釈可能な枠組みを運用する。 本研究は患者の医療歴と薬理学的特徴に基づくパーソナライズされた治療戦略を支援する。
  論文  参考訳（メタデータ） (2023-10-23T19:59:10Z)
• Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
  一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。 我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。 提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
  論文  参考訳（メタデータ） (2022-12-10T03:43:23Z)
• Evaluating the Effect of Longitudinal Dose and INR Data on Maintenance Warfarin Dose Predictions [3.596035360729756]
  機械学習アルゴリズムはますますウォーファリンの投与に使われている。 個々のワーファリン反応の変動を,事前線量列とinrがよりよく捉えるので,持続線量応答データが維持線量予測を改善すると仮定した。 保守ワーファリン用量を予測するための様々な機械学習回帰モデルは、臨床要因と投与履歴とINRデータを特徴として訓練された。 総じて、単線量とINRによる線量補正アルゴリズムは、基準線量修正アルゴリズムと同等の性能を達成した。
  論文  参考訳（メタデータ） (2021-05-06T13:01:42Z)
• SDF-Bayes: Cautious Optimism in Safe Dose-Finding Clinical Trials with Drug Combinations and Heterogeneous Patient Groups [84.63561578944183]
  本稿では,薬物の最大許容量(MTD)を臨床試験で検索するための新しいベイズ設計であるSDF-Bayesを提案する。 SDF-Bayesは、1つの薬物の現在の投与量をエスカレートまたは脱エスカレートする従来の原則ではなく、慎重な楽観主義によって進行する。 合成データセットと実世界データセットの両方に基づく広範な実験は、最先端のDC試験設計よりもSDFベイズの利点を示しています。
  論文  参考訳（メタデータ） (2021-01-26T18:59:26Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)
• Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
  ランダム化実験による因果効果の推定は臨床研究の中心である。 歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
  論文  参考訳（メタデータ） (2020-12-17T21:10:10Z)
• Kernel Assisted Learning for Personalized Dose Finding [20.52632915107782]
  個別化線量規則は、患者レベル情報に基づいて、連続した安全な線量範囲内の線量レベルを推奨する。 本稿では,最適な個別化線量規則を推定するためのカーネル支援学習法を提案する。
  論文  参考訳（メタデータ） (2020-07-19T23:03:26Z)
• Alleviating the Incompatibility between Cross Entropy Loss and Episode Training for Few-shot Skin Disease Classification [76.89093364969253]
  そこで本研究では,皮膚疾患の診断にFew-Shot Learningを応用し,トレーニングサンプル問題の極端な不足に対処することを提案する。 本稿では, エピソード学習において, クロスエントロピー(CE)よりも優れたクエリ-相対的損失(QR)を提案する。 さらに,新しい適応型ハードマージン戦略により,提案したQR損失をさらに強化する。
  論文  参考訳（メタデータ） (2020-04-21T00:57:11Z)
• Development of a Machine Learning Model and Mobile Application to Aid in Predicting Dosage of Vitamin K Antagonists Among Indian Patients [0.0]
  機械的心臓弁置換や心房細動などの病態を持つ患者は、血液の凝固を防ぐためにビタミンKアンタゴニスト(VKA)薬を服用しなければならない。 血液検査により得られたプロトロンビン時間-国際正規化比(PT-INR)値に基づいて、VKA薬物の服用量を決定する。 現在最も推奨されている抗凝固剤であるワーファリンの維持投与量の予測を目的とした。
  論文  参考訳（メタデータ） (2020-04-19T05:54:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。