使用强化和迁移学习研究冠状动脉疾病治疗中的临床实践变异

我们的目标是调查强化学习（RL）是否能够检测临床实践变异，以及迁移学习（TL）是否能够减轻不同性别和地点患者的分布偏移。我们使用2009年至2019年在加拿大阿尔伯塔省的41,000多名患有阻塞性冠心病（CAD）患者的数据进行了三项实验：1）使用离线政策评估（OPE）评估不同分层组别的医生行为政策；2）针对每个组开发并评估使用保守Q学习和OPE的RL政策；3）应用TL以提高目标组的RL表现。女患者在自己医生的政策下预期奖励显著低于男性。应用从男性患者身上学习到的医生政策提高了女性的奖励，但仍低于男性。RL政策的表现优于医生政策。仅使用10%目标组数据的TL有效缓解了分布偏移。残余混淆需要进一步研究以验证我们的发现。