論文の概要: Learning Explainable Treatment Policies with Clinician-Informed Representations: A Practical Approach

• arxiv url: http://arxiv.org/abs/2411.17570v1
• Date: Tue, 26 Nov 2024 16:32:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:33:25.539790
• Title: Learning Explainable Treatment Policies with Clinician-Informed Representations: A Practical Approach
• Title（参考訳）: クリニカルインフォームド表現を用いた説明可能な治療ポリシーの学習 : 実践的アプローチ
• Authors: Johannes O. Ferstad, Emily B. Fox, David Scheinker, Ramesh Johari,
• Abstract要約: 我々は、RPM対応DHIに対する説明可能な治療方針を学習するためのパイプラインを開発する。 本研究の主な貢献は, 臨床領域における知識の発達と, 効果的な, 効果的, 解釈可能なターゲティングポリシーのための行動表現の重要性を明らかにすることである。
• 参考スコア（独自算出の注目度）: 5.074812070492738
• License:
• Abstract: Digital health interventions (DHIs) and remote patient monitoring (RPM) have shown great potential in improving chronic disease management through personalized care. However, barriers like limited efficacy and workload concerns hinder adoption of existing DHIs; while limited sample sizes and lack of interpretability limit the effectiveness and adoption of purely black-box algorithmic DHIs. In this paper, we address these challenges by developing a pipeline for learning explainable treatment policies for RPM-enabled DHIs. We apply our approach in the real-world setting of RPM using a DHI to improve glycemic control of youth with type 1 diabetes. Our main contribution is to reveal the importance of clinical domain knowledge in developing state and action representations for effective, efficient, and interpretable targeting policies. We observe that policies learned from clinician-informed representations are significantly more efficacious and efficient than policies learned from black-box representations. This work emphasizes the importance of collaboration between ML researchers and clinicians for developing effective DHIs in the real world.
• Abstract（参考訳）: デジタルヘルス介入(DHI)と遠隔患者モニタリング(RPM)は、パーソナライズされたケアを通じて慢性疾患管理を改善する大きな可能性を示している。 しかし、有効性の制限や作業負荷といった障壁は既存のDHIの採用を妨げるが、サンプルサイズや解釈可能性の欠如は、純粋にブラックボックスのアルゴリズムDHIの有効性と採用を制限している。 本稿では、RPM対応DHIのための説明可能な治療ポリシーを学習するためのパイプラインを開発することで、これらの課題に対処する。 1型糖尿病の若年者の血糖コントロールを改善するために,DHIを用いた実世界のRPM設定にアプローチを適用した。 本研究の主な貢献は, 臨床領域における知識の発達と, 効果的な, 効果的, 解釈可能なターゲティングポリシーのための行動表現の重要性を明らかにすることである。 我々は,クリニカルインフォームド表現から学んだ政策が,ブラックボックス表現から学んだ政策よりも効果的かつ効率的であることが観察された。 本研究は,実世界における効果的なDHI開発におけるML研究者と臨床医の連携の重要性を強調した。

関連論文リスト

• Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health Monitoring Systems [69.41229290253605]
  既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。 これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。 最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
  論文  参考訳（メタデータ） (2024-01-19T16:26:35Z)
• RAISE -- Radiology AI Safety, an End-to-end lifecycle approach [5.829180249228172]
  放射線学へのAIの統合は、臨床ケアの供給と効率を改善する機会をもたらす。 モデルが安全性、有効性、有効性の最高基準を満たすことに注力すべきである。 ここで提示されるロードマップは、放射線学におけるデプロイ可能で信頼性があり、安全なAIの達成を早めることを目的としている。
  論文  参考訳（メタデータ） (2023-11-24T15:59:14Z)
• SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
  本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。 実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
  論文  参考訳（メタデータ） (2023-03-23T04:47:46Z)
• Offline Learning of Closed-Loop Deep Brain Stimulation Controllers for Parkinson Disease Treatment [6.576864734526406]
  パーキンソン病(PD)による運動負荷に対する脳深部刺激(DBS)の期待 米国食品医薬品局(FDA)が承認したDBSデバイスは、一定の振幅で連続DBS(cDBS)刺激を届けることができる。 このエネルギー非効率な操作は、デバイスのバッテリ寿命を短縮し、動的に活動に適応できず、重大な副作用を引き起こす可能性がある。
  論文  参考訳（メタデータ） (2023-02-05T20:29:53Z)
• On Pathologies in KL-Regularized Reinforcement Learning from Expert Demonstrations [79.49929463310588]
  我々は,KL-正規化強化学習と行動基準ポリシを併用することで,病理訓練のダイナミクスに悩まされることを示した。 非パラメトリックな行動参照ポリシーで治療できることを示す。
  論文  参考訳（メタデータ） (2022-12-28T16:29:09Z)
• Phenotype Detection in Real World Data via Online MixEHR Algorithm [9.385112439570412]
  教師なし表現型アルゴリズムmixEHRをオンラインバージョンに拡張し、桁違いの大きなデータセットで使用できるようにしました。 これまでに観察された疾患群の再カプセル化に加えて,臨床的に有意な疾患のサブタイプとコンコービデンスも見いだした。 本研究は, 効果的な教師なし学習方法, 既存の臨床知識の強化, 臨床医との効果的なコラボレーションのための有望なアプローチである。
  論文  参考訳（メタデータ） (2022-11-14T17:14:39Z)
• SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity Prediction [127.43571146741984]
  薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。 湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。 既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。 SSM-DTAフレームワークについて述べる。
  論文  参考訳（メタデータ） (2022-06-20T14:53:25Z)
• Deconfounding Actor-Critic Network with Policy Adaptation for Dynamic Treatment Regimes [8.705574459727202]
  我々は,患者に対する最適な治療方針を学習するために,新たにDAC(deconfounding actor-critic Network)を開発した。 非生存者に対する効果的な治療行為の処罰を避けるため,患者の即時健康状態の変化を捉えるための短期報酬を設計する。 1つの半合成と2つの異なる実世界のデータセットの実験結果は、提案したモデルが最先端のモデルより優れていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T20:53:03Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Robust Deep Reinforcement Learning against Adversarial Perturbations on State Observations [88.94162416324505]
  深部強化学習(DRL)エージェントは、自然な測定誤差や対向雑音を含む観測を通して、その状態を観察する。 観測は真の状態から逸脱するので、エージェントを誤解させ、準最適行動を起こすことができる。 本研究は, 従来の手法を, 対人訓練などの分類タスクの堅牢性向上に応用することは, 多くのRLタスクには有効でないことを示す。
  論文  参考訳（メタデータ） (2020-03-19T17:59:59Z)

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。