学习基于最佳生物标志物指导的慢性疾病治疗策略
摘要：通过开展本研究，我们旨在设计一个综合流程，通过根据静息状态下的前治疗脑电图记录和其他治疗效果修饰因素制定个体化治疗方案，来提高重性抑郁症患者对治疗的反应率。我们首先设计了一种创新的自动特定位置脑电图预处理流程，以提取与原始数据相比具有更强信号的特征。然后，我们使用因果森林估计条件平均治疗效果，并使用双重稳健技术提高平均治疗效果估计的效率。我们呈现了治疗效果的异质性证据，以及脑电图特征的修饰能力和显著的平均治疗效果。最后，我们通过模拟研究和应用于大型多中心、双盲随机对照临床试验EMBARC的结果，采用高效的策略学习算法学习了最优的二层治疗分配决策树，并将其性能与Q学习和结果加权学习进行了比较。
作者：Bin Yang, Xingche Guo, Ji Meng Loh, Qinxia Wang, Yuanjia Wang
论文ID：2305.13852
分类：Applications
分类简称：stat.AP
提交时间：2023-05-24