Apprentissage par renforcement en profondeur pour une recommandation de traitement personnalisée

L'un des principaux défis de la médecine de précision est de comprendre les maladies courantes au niveau moléculaire afin de recommander des thérapies individualisées aux patients, permettant une efficacité élevée pour des sous-types de maladies différents et peut-être inconnus. Un autre défi dans la pratique clinique est de savoir comment adapter les affectations de traitement aux changements possibles de l'état de santé et des préférences des patients, y compris les antécédents de traitement.

Formuler un système de classement mesurant l'efficacité des médicaments en tant que fonction de notation qui note chaque médicament candidat à chaque position de classement. Les scores représentent généralement une certaine pertinence, induisant un classement des médicaments en les triant par ordre décroissant de pertinence pour former une liste classée à chaque position. Lors du passage à la position suivante, en fonction du changement dynamique des médicaments candidats, de l'environnement contextuel et des vecteurs de caractéristiques correspondants, les scores des médicaments restants peuvent changer sous la fonction de notation.