摘要
目前医疗和公共卫生系统已经进入大数据时代,越来越多的大型数据集被用于生成算法,以指导患者医疗、护理的质量改进和公共卫生监测[1,2]。我国每年实施5000万例手术,优化围术期麻醉管理对减少术后并发症及提高生存率有重要意义。尽管利用深度学习等监督学习算法可以对围术期严重不良事件进行预警[3,4,5,6],但手术患者个体差异大,病情变化快且复杂,若诊断不明确以及治疗效果不确切,难以指导外科/麻醉医生持续准确做出优化的个体化麻醉医疗决策,亟需新的算法研究。目前外科学专家们开始高度关注强化学习(RL)在围术期医疗决策中的应用[1,7]。RL的特性使其在围术期大量动态、高维、复杂、罕见分布的时序数据分析上具备显著优势,可形成更高级别的循证医学证据指导围术期医疗决策,具备显著的应用前景[1,2,7,8,9]。
作者
易斌
张矩
李洪
熊利泽
Yi Bin;Zhang Ju;Li Hong;Xiong Lize(Department of Anaesthesiology,First Affiliated Hospital,Army Medical University(Third Military Medical),Chongqing 400038,China;Chongqing Institute of Green and Intelligent Technology,Chinese Academy of Science,Chongqing 400700,China;Department of Anaesthesiology,Second Affiliated Hospital,Army Medical University(Third Military Medical),Chongqing 400037,China;Shanghai Fourth People′s Hospital,Tongji University School of Medicine,Translational Research Institute of Brain and Brain-Like Intelligence,Shanghai 200434,China)
出处
《中华麻醉学杂志》
CAS
CSCD
北大核心
2022年第2期129-133,共5页
Chinese Journal of Anesthesiology
