为药物使用障碍患者提供最佳治疗或治疗组合是一项困难的做法，而且具有很高的不可预测性。原来是教授乔治亚佩拉基斯,与客座教授一起黛西·帕查马诺娃，运筹学中心的博士生 Amine Bennouna 和 Omar Skali-Lami 获得了资金，共同应对这一特定挑战。但该团队将永利皇宫app官网进一步推进，达到了更普遍的水平。迄今为止，他们的工作结果解决了“根据其他患者过去的数据，针对特定患者的最佳治疗路径是什么？”的问题。更一般地说，达到最佳结果的最佳治疗方案是什么？他们的中期永利皇宫app官网报告显示了回答这个问题的可靠方法的证据。
他们的模型算法使用概率、统计学习和机器学习。从马尔可夫决策过程开始，永利皇宫app官网人员设计了一种方法，根据患者的历史健康数据和年龄和性别等人口统计数据来模拟患者状态或健康状况的演变。该模型可以包含各种患者数据点，包括数值和医疗记录中自由文本的数据。
他们的方法发现了对相同治疗反应相似的患者，并使用有关他们转变的信息来预测结果。在该过程中的每个点，算法都会建议一种考虑到之前发生的所有情况的处理方法。并使患者走向最佳结果，例如从疾病中康复或慢性病的最佳管理。
治疗不必只有一件事。例如，物质使用障碍的治疗可以是谈话疗法和药物疗法的结合。如果治疗后患者没有获得最佳结果，算法会在下一个决策点建议最佳选择。
该模型的一个特点是它可以是反事实的。也就是说，它可以建议医生甚至没有考虑到的治疗方法，或者以前从未针对该特定患者使用过的治疗方法。它结合了多个来源（例如临床团队）的知识和多个部分患者治疗历史，为患者重建完整的最佳治疗路径。该模型可以揭示临床医生所知道的事情，这些知识来自经验，而不仅仅是来自书本或学校教育。
该模型作为临床决策支持工具，而不是万能的预言机；它为临床医生提供进一步治疗的可解释建议。使用此类建议可能会鼓励采用，因为它充当指南，而不是要求。临床医生仍然可以根据自己的经验来权衡建议。然而，随着它的使用并证明它是有帮助的，临床医生可能更有可能相信该工具的建议。
有两个值得注意的问题特征使得构建该算法变得非常困难。首先是维度。个体患者之间存在许多差异，因此需要根据患者特征来表示可能状态的方法。除了这些特征之外，还存在基于患者对治疗的反应的多种可能的状态转换，这使挑战进一步复杂化。在临床试验中，项目协调员确保招募在最重要方面基本相同的人，以便试验产生具有统计意义的数据。如果该算法适用于任何患者，那么永利皇宫app官网人员就没有那么奢侈了。
其次，环境是医疗保健，临床医生不能简单地在患者身上进行实验。这意味着算法只需要从已经收集的数据中学习。临床医生不能开出低于标准的治疗方法或进行探索以获得更多数据来训练和完善算法。
团队解决维度挑战的一种方法是将具有相似特征且对相同治疗反应相似的患者分组。当新信息出现时，它会对患者进行重新分组。该算法为每组找到最佳治疗方案。而且该算法不需要无限数量甚至大量的患者组即可工作。根据病情的复杂程度，团队可以自信地确定所需患者组的最小数量。
总而言之，永利皇宫app官网团队创建了一个可解释的模型，通过分析大数据集来了解患者治疗转变的潜在结构以构建适当的患者组，并根据历史数据预测最佳建议，而无需进行实验。更重要的是，该团队已经证明模型性能的保证取决于条件的复杂性和可用于估计的数据量。计算机实验表明该方法是可信的。
这项永利皇宫app官网仍在进行中。下一步，该团队将根据艾滋病毒数据对其进行测试。他们将使用来自丰富的艾滋病毒文献的医学数据。他们还将从医学文献中得出健康和不健康状态的定义。虽然许多永利皇宫app官网人员正在构建风险或治疗选择模型，但 Perakis 和她的团队创建了一个出色的模型。它是可解释的且健壮的。它与疾病无关，因为它可以用于任何类型的健康状况。它是数据驱动的，易于更新，并结合了概率和最新的机器学习方法。并且有实际应用。它非常有用。临床医生的前端可以变得简单，同时将所有强大的算法隐藏在后面。最终是这样操作临床医生和患者都可以信赖的永利皇宫app官网。
