論文の概要: Support-Constrained Offline Policy Improvement for Pediatric ECMO from Limited Clinical Data
- arxiv url: http://arxiv.org/abs/2611.17134v1
- Date: Thu, 12 Nov 2026 17:26:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.569322
- Title: Support-Constrained Offline Policy Improvement for Pediatric ECMO from Limited Clinical Data
- Title(参考訳): 限定臨床データを用いた小児心電図のオフライン政策改善支援
- Abstract要約: 子どもをECMOで管理するには、短期的な生理的安定性と、神経障害の予防という長期的な目標のバランスが必要である。
標準的な強化学習はリスクのあるアウト・オブ・ディストリビューション行動を提案し、模倣学習はクリニック行動の再現に限られる。
本稿では、専門家の行動を慎重に改善するオフライン強化学習フレームワークであるSupport-Constrained Fitted Q-Iteration(FQI-SC)を紹介する。
- 参考スコア(独自算出の注目度): 6.31371482650663
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Managing children on ECMO (Extracorporeal Membrane Oxygenation) requires balancing short-term physiological stability with the long-term goal of preventing neurological injury. Standard reinforcement learning can propose risky, out-of-distribution actions, while imitation learning is limited to reproducing clinician behavior. We introduce Support-Constrained Fitted Q-Iteration (FQI-SC), an offline reinforcement learning framework that cautiously improves upon expert behavior by restricting optimization to empirically supported state-action pairs and defaulting to the clinician baseline in low-data regions. On 78 pediatric trajectories totaling over 6,000 hours of clinical data, we evaluate our framework using Fitted Q-Evaluation (FQE) and a behavioral disagreement. Additionally, we formalize the performance-safety trade-off by introducing a unified Balance Score ($S(π)$). Our empirical evaluation shows that support-constrained policy improves the Balance Score by 38\% relative to FQI, improves estimated value by 1.28 FQE units over imitation learning, and reduces disagreement with clinician actions by 71\% relative to FQI.
- Abstract(参考訳): ECMO(Extracorporeal membrane oxygenation)で子どもを管理するには、短期的な生理的安定性と、神経障害の予防という長期的な目標のバランスが必要である。
標準的な強化学習はリスクのあるアウト・オブ・ディストリビューション行動を提案し、模倣学習はクリニック行動の再現に限られる。
本稿では,FQI-SC(Support-Constrained Fitted Q-Iteration)というオフライン強化学習フレームワークを紹介した。
臨床データの合計6000時間以上を要した小児78症例について,FQE(Fitted Q-Evaluation, FQE)と行動の相違点を用いた検討を行った。
さらに、統一された均衡スコア(S(π)$)を導入することで、パフォーマンス・セーフティのトレードオフを形式化する。
実証評価の結果,FQIと比較して,支援制約政策はバランススコアを38倍改善し,模倣学習よりも1.28FQE単位で評価値を改善し,FQIと比較して臨床行為との相違を71倍改善した。
関連論文リスト
- Patient-Centered Treatment Planning for Chronic Multimorbidity: A Hierarchical Reinforcement Learning Framework for Preference Modeling [0.858432556350874]
患者中心の階層的選択肢批判(FAHOC)フレームワークを提案する。
FAHOCによる約0.669(vs-0.133)のQOL改善
95.9%の症例において、協力的な患者を正しく識別し、維持検査において患者の嗜好に反することはない。
論文 参考訳(メタデータ) (2026-09-30T15:05:48Z) - ResidencyRL: Reinforcement Learning in Simulated Clinical Environments [53.76751756107077]
臨床人工知能(AI)エージェントを模擬多ターン臨床で訓練するための強化学習(RL)手法であるResidencyRLを提案する。
ホールドアウト評価では、ResidencyRLエージェントは、対向条件下で診断精度を7.0%向上させる。
盲目の専門医はこれらの利得を検証し、訓練されたエージェントをサイドバイサイド比較の87.6%で好んだ。
論文 参考訳(メタデータ) (2026-08-07T17:04:41Z) - Ensuring Safety in Automated Mechanical Ventilation through Offline Reinforcement Learning and Digital Twin Verification [9.198591097391448]
メカニカル換気(Mechanical ventilation, MV)は、ICUの急性呼吸不全(ARF)患者の救命介入である。
MVにパーソナライズと自動化を統合する以前の試みには、従来の教師付き学習とオフライン強化学習(RL)アプローチがある。
患者動態の時間的モデリングにトランスフォーマーエンコーダを統合する新しいオフラインRLフレームワークであるTransformer-based conservative Q-Learning (T-CQL)を提案する。
論文 参考訳(メタデータ) (2026-03-11T23:21:02Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳(メタデータ) (2026-02-27T04:49:01Z) - Building Safe and Deployable Clinical Natural Language Processing under Temporal Leakage Constraints [39.44014654945035]
本研究は, 時間的リーク制約の下で安全かつデプロイ可能なNLPを構築するために必要なシステムレベルの設計選択に焦点を当てた。
モデル開発プロセスに解釈可能性を統合する軽量な監査パイプラインを提案し,最終訓練前の漏洩信号の同定と抑制を行う。
その結果, 監査されたモデルの方が, より保守的でキャリブレーションのよい推定値を示し, 放電関連語彙的手がかりへの依存度を低下させることがわかった。
論文 参考訳(メタデータ) (2026-01-24T01:46:46Z) - An interpretable data-driven approach to optimizing clinical fall risk assessment [0.0559762074594338]
我々は,Johns Hopkins Fall Risk Assessment Toolの転倒リスク予測を,データ駆動型モデリングアプローチによる臨床的に有意義な指標と整合させることを目標としている。
我々は,JHFRATスコアの重み付けに制約スコア最適化モデルを用い,その付加的構造と臨床閾値を保存した。
このモデルは現在のJHFRATよりも予測性能が大幅に向上した。
論文 参考訳(メタデータ) (2026-01-08T18:17:31Z) - From Scores to Steps: Diagnosing and Improving LLM Performance in Evidence-Based Medical Calculations [45.414878840652115]
大規模言語モデル(LLM)は医療ベンチマークで有望な性能を示した。
しかし、医学的な計算を行う能力は未熟であり、評価も不十分である。
本研究は,臨床信頼性を重視した医療計算評価を再考する。
論文 参考訳(メタデータ) (2025-09-20T09:10:26Z) - Beyond Benchmarks: Dynamic, Automatic And Systematic Red-Teaming Agents For Trustworthy Medical Language Models [87.66870367661342]
大規模言語モデル(LLM)は、医療におけるAIアプリケーションで使用される。
LLMを継続的にストレステストするレッドチームフレームワークは、4つのセーフティクリティカルなドメインで重大な弱点を明らかにすることができる。
敵エージェントのスイートは、自律的に変化するテストケースに適用され、安全でないトリガー戦略を特定し、評価する。
私たちのフレームワークは、進化可能でスケーラブルで信頼性の高い、次世代の医療AIのセーフガードを提供します。
論文 参考訳(メタデータ) (2025-07-30T08:44:22Z) - Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。
我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
論文 参考訳(メタデータ) (2025-03-06T06:24:51Z) - 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)
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。