論文の概要: abx_amr_simulator: A simulation environment for antibiotic prescribing policy optimization under antimicrobial resistance

• arxiv url: http://arxiv.org/abs/2603.11369v1
• Date: Wed, 11 Mar 2026 23:15:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.710294
• Title: abx_amr_simulator: A simulation environment for antibiotic prescribing policy optimization under antimicrobial resistance
• Title（参考訳）: abx_amr_simulator:抗微生物耐性下での抗生物質処方政策最適化のためのシミュレーション環境
• Authors: Joyce Lee, Seth Blumberg,
• Abstract要約: abx_amr_simulatorはPythonベースのシミュレーションパッケージで、抗生物質の処方とAMRのダイナミクスをモデル化する。 このシミュレーターにより、患者集団、抗生物質特異的なAMR応答曲線、および長期抵抗管理に対する即食臨床利益のバランスをとる報酬関数を指定できる。
• 参考スコア（独自算出の注目度）: 0.24492017619608966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Antimicrobial resistance (AMR) poses a global health threat, reducing the effectiveness of antibiotics and complicating clinical decision-making. To address this challenge, we introduce abx_amr_simulator, a Python-based simulation package designed to model antibiotic prescribing and AMR dynamics within a controlled, reinforcement learning (RL)-compatible environment. The simulator allows users to specify patient populations, antibiotic-specific AMR response curves, and reward functions that balance immedi- ate clinical benefit against long-term resistance management. Key features include a modular design for configuring patient attributes, antibiotic resistance dynamics modeled via a leaky-balloon abstraction, and tools to explore partial observability through noise, bias, and delay in observations. The package is compatible with the Gymnasium RL API, enabling users to train and test RL agents under diverse clinical scenarios. From an ML perspective, the package provides a configurable benchmark environment for sequential decision-making under uncertainty, including partial observability induced by noisy, biased, and delayed observations. By providing a customizable and extensible framework, abx_amr_simulator offers a valuable tool for studying AMR dynamics and optimizing antibiotic stewardship strategies under realistic uncertainty.
• Abstract（参考訳）: 抗微生物抵抗性(AMR)は、世界的な健康上の脅威となり、抗生物質の有効性を低下させ、臨床的な意思決定を複雑にする。 この課題に対処するため,Python ベースのシミュレーションパッケージである abx_amr_simulator を導入する。 このシミュレーターにより、患者集団、抗生物質特異的なAMR応答曲線、および長期抵抗管理に対する即食臨床利益のバランスをとる報酬関数を指定できる。 主な特徴は、患者の属性を設定するモジュール設計、漏れたバルーンの抽象化を通じてモデル化された抗生物質耐性のダイナミクス、ノイズ、バイアス、観察の遅延を通じて部分的な可観測性を調べるツールである。 パッケージはGymnasium RL APIと互換性があり、さまざまな臨床シナリオ下でRLエージェントをトレーニングおよびテストすることができる。 MLの観点から、このパッケージは、ノイズ、バイアス、遅延観察によって引き起こされる部分的な可観測性を含む、不確実性の下でのシーケンシャルな意思決定のための設定可能なベンチマーク環境を提供する。 カスタマイズ可能な拡張可能なフレームワークを提供することにより、abx_amr_simulatorは、AMRダイナミクスを研究し、現実的な不確実性の下で抗生物質のスチュワードシップ戦略を最適化するための貴重なツールを提供する。

関連論文リスト

• Predicting Multi-Drug Resistance in Bacterial Isolates Through Performance Comparison and LIME-based Interpretation of Classification Models [0.0]
  本研究では,細菌由来の多剤耐性(MDR)を予測するための解釈可能な機械学習フレームワークを提案する。 ロジスティック回帰、ランダムフォレスト、AdaBoost、XGBoost、LightGBMの5つの分類モデルが評価された。 アンサンブルモデル、特にXGBoostとLightGBMは、すべてのメトリクスに対して優れた予測能力を示した。
  論文  参考訳（メタデータ） (2026-02-25T20:50:01Z)
• ARTIS: Agentic Risk-Aware Test-Time Scaling via Iterative Simulation [72.78362530982109]
  ARTIS(Agenic Risk-Aware Test-Time Scaling via Iterative Simulation)は、コミットメントから探索を分離するフレームワークである。 LLMをベースとした簡易シミュレータは, 希少かつ高インパクトな障害モードの捕捉に苦慮していることを示す。 本稿では,障害発生行動の忠実度を強調するリスク認識ツールシミュレータを提案する。
  論文  参考訳（メタデータ） (2026-02-02T06:33:22Z)
• MIRAGE: Misleading Retrieval-Augmented Generation via Black-box and Query-agnostic Poisoning Attacks [47.46936341268548]
  Retrieval-Augmented Generation (RAG)システムでは、コーパス中毒という致命的な攻撃面が導入されている。 我々は,厳格なブラックボックスとクエリ非依存環境のために設計された,新しい多段階毒素パイプラインであるMIRAGEを提案する。 大規模な実験により、MIRAGEは攻撃効果とステルスネスの両方において既存のベースラインを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-12-09T06:38:16Z)
• Representation Learning of Lab Values via Masked AutoEncoders [2.785172582119726]
  逐次的な実験値の計算のためのトランスフォーマーベースのマスク付きオートエンコーダフレームワークであるLab-MAEを提案する。 Lab-MAEは、患者の人口集団間で同等のパフォーマンスを達成し、臨床予測において公平性を向上させる。
  論文  参考訳（メタデータ） (2025-01-05T20:26:49Z)
• Distribution-Free Uncertainty Quantification in Mechanical Ventilation Treatment: A Conformal Deep Q-Learning Framework [2.5070297884580874]
  本研究では,集中治療室における機械的換気を最適化するための,分布自由な共形深度Q-ラーニング手法であるConformalDQNを紹介する。 我々はMIMIC-IVデータベースからICU患者記録を用いてモデルを訓練・評価した。
  論文  参考訳（メタデータ） (2024-12-17T06:55:20Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Active learning for affinity prediction of antibodies [45.58662352490961]
  抗体のような大きな分子では、抗体親和性を高める突然変異を同定することは困難である。 FERB法は、異なる変異が薬物候補の有効性と選択性に与える影響について、貴重な洞察を与えることができる。 本稿では,評価を行うシミュレータのシーケンスを反復的に提案し,改良されたバインダーの探索を高速化する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-11T13:42:49Z)
• Predicting Antimicrobial Resistance in the Intensive Care Unit [5.129856875153228]
  本研究は,臨床および微生物学的予測器を用いたAMRの予測モデルを開発する。 培養前の抵抗を正確に予測できる能力は、臨床的な意思決定を知らせ、行動までの時間を短縮する可能性がある。
  論文  参考訳（メタデータ） (2021-11-05T15:50:34Z)
• Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost Functions [80.12620331438052]
  深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。 このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
  論文  参考訳（メタデータ） (2020-06-25T08:46:37Z)
• Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
  CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。 深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。 提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
  論文  参考訳（メタデータ） (2020-05-22T15:57:58Z)

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。