English(EN) Learning Preference-Based Objectives from Clinical Narratives for Dynamic Sepsis Treatment

AI从临床笔记中学习脓毒症治疗偏好

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了一个名为临床叙事信息偏好奖励（CN-PR）的新框架，用于学习医疗保健中强化学习的奖励函数。该方法从临床叙事（如出院小结）中提取轨迹级别的偏好来监督学习过程。CN-PR框架在动态脓毒症治疗中进行了评估，结果表明采用该方法学习到的策略可改善恢复结果，并与现有方法的死亡率相当。 AI

影响该框架通过利用非结构化临床数据，有望在动态医疗场景中实现更细致和个性化的治疗策略。

排序理由学术论文，详细介绍了一种用于医疗保健强化学习的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Daniel J. Tan, Jayne Hui Zhen Chan, Kai Wen Hwang, Arturo Yong Yao Neo, Kay Choong See, Mengling Feng · 2026-05-26 04:00

从临床叙事中学习基于偏好的目标以实现动态脓毒症治疗

arXiv:2604.10783v2 Announce Type: replace Abstract: Designing reward functions for reinforcement learning (RL) in healthcare remains challenging because clinically meaningful outcomes are sparse, delayed, and difficult to explicitly specify. Although structured clinical data capt…