两项研究评估了医疗保健领域人工智能工具的发展

韦尔康奈尔医学院和洛克菲勒大学研究人员的一项新研究发现，强化学习是一种人工智能方法，有可能指导医生设计顺序治疗策略，以获得更好的患者治疗效果，但在应用于临床之前需要进行重大改进。

强化学习 (RL) 是一类能够随时间做出一系列决策的机器学习算法。RL 促成了近期人工智能的进步，包括国际象棋和围棋的超人表现，它可以利用不断变化的患者状况、测试结果和之前的治疗反应来建议个性化患者护理的下一步最佳措施。这种方法对于管理慢性病或精神疾病的决策尤其有前景。

该研究发表在《神经信息处理系统会议论文集》(NeurIPS)上，并于 12 月 13 日发表，提出了“护理事件”(EpiCare)，这是第一个医疗保健领域的 RL 基准。

“基准测试推动了机器学习应用的改进，包括计算机视觉、自然语言处理、语音识别和自动驾驶汽车。我们希望它们现在能够推动医疗保健领域的 RL 进步，”领导这项研究的精神病学神经科学助理教授 Logan Grosenick 博士说。

RL 代理根据收到的反馈改进其行动，逐渐学习一种可增强其决策能力的策略。“然而，我们的研究结果表明，尽管目前的方法很有前景，但它们极其耗费数据，”Grosenick 博士补充道。

标签：