(相关资料图)

用于驾驶自动驾驶汽车和击败顶尖棋手的相同类型的机器学习方法可以帮助 1 型糖尿病患者将血糖水平保持在安全范围内。

布里斯托大学的科学家表明，强化学习是一种机器学习，计算机程序通过尝试不同的行动来学习做出决定，在安全性和有效性方面明显优于商业血糖控制器。通过使用离线强化学习，算法从患者记录中学习，研究人员改进了之前的工作，表明良好的血糖控制可以通过从患者的决定中学习而不是通过反复试验来实现。

1 型糖尿病是英国最普遍的自身免疫性疾病之一，其特征是负责调节血糖 的胰岛素激素不足。

许多因素会影响一个人的血糖，因此为给定情况选择正确的胰岛素剂量可能是一项具有挑战性和繁重的任务。目前的人工胰腺设备提供自动胰岛素剂量，但受到其简单的决策算法的限制。

然而，发表在《生物医学信息学杂志》上的一项新研究表明，离线强化学习可能代表着对患有这种疾病的人进行护理的一个重要里程碑。改善最大的是儿童，他们每天在目标血糖范围内的时间增加了 1.5 小时。

儿童是一个特别重要的群体，因为他们通常无法在没有帮助的情况下控制自己的糖尿病，而这种规模的改善将带来明显更好的长期健康结果。

来自布里斯托大学工程数学系的主要作者 Harry Emerson 解释说：“我的研究探讨了强化学习是否可以用于开发更安全、更有效的胰岛素剂量策略。