مقايسه كارايي روش‌هاي يادگيري تقويتي عميق براي كنترل دوز داروي بيماران مبتلا به لوسمي

Comparison of the efficiency of deep reinforcement learning methods to control the drug dosage of patients with leukemia

طراحي يك استراتژي كنترل هوشمند براي تعيين رژيم درماني دارويي براي بيماران مبتلا به لوسمي مي‌تواند در درمان اين بيماري بسيار مهم باشد. استفاده از الگوريتم‌هاي هوش مصنوعي مي‌تواند به پزشكان كمك كند تا به طور دقيق‌تر و اثربخش‌تر دوز مناسب دارو را تعيين كنند. در اين مقاله، از الگوريتم‌هاي يادگيري تقويتي پيوسته براي بهينه‌سازي دوز داروي بيماران مبتلا به لوسمي استفاده شده است. براي اين‌منظور سه روش DQN، DDPG وPPO مورد بررسي قرار گرفته است و نتايج آنها با هم مقايسه شده اند كه اين امر مي‌تواند به بهبود و بهينه‌سازي در تعيين رژيم درماني دارويي براي بيماران CML و حتي ساير بيماري‌هاي مشابه كمك كند.