基于强化学习和临床知识的脓毒症诊疗方案推荐方法

本发明涉及基于强化学习和临床知识的脓毒症诊疗方案推荐方法，通过首先将脓毒症治疗过程中抗生素组合的使用问题建模为马尔科夫决策过程，使用DQN构建模型；其次将基于值函数的深度强化学习与脓毒症临床数据、医学指南相关内容相结合，在奖励函数中参考临床真实数据、融入SOFA评分知识和临床指南内容，引导模型向合理缩短抗生素用药时长、保证患者良好预后的方向进行策略推荐。本发明构建的模型将患者人口统计学特征、基本生命体征、微生物培养结果和抗生素使用数据作为模型输入，结合临床先验知识、临床数据和医学指南指导，构建四个奖励函数，增强了SAI‑DQN的医学可解释性和临床一致性，并利用SAI‑DQN为脓毒症患者提供个性化的抗生素联合治疗建议。