Diabetes management via Gaussian process bandits

Şeker hastalığı gibi kronik hastalıkların yönetimi, hasta öznitelikleri ve tedaviye verdiği yanıta göre tedavi rejimlerinin uyarlanmasını gerektirir. Tüm bağlamlarda tüm hastalara uyan tek bir tedavi yoktur; dahası, kabul edilebilir tedaviler kümesi genellikle hastalığın seyrine göre değişir. Bu tezde, değişken bağlamsal Gauss süreci haydutlarını kullanarak zamanla değişen kısıtlar altında tedavi rejimlerini eniyileme problemini ele alıyoruz. Özellikle, yeni tedaviler önerirken, hastanın bağlamını ve kabul edilebilir tedaviler kümesini dikkate alan, değişken kollu bir GP-UCB uyarlaması öneriyoruz. Bayesci yaklaşımımız, hastalara risk değerlendirmesi için kullanılabilecek güven puanları ile birlikte tedavi önerileri sunabilmektedir. Algoritmamız tip 1 şeker hastaları için bolus insülin önermede kullanılmıştır. Algoritmamız FDA onaylı UVa/Padova tip 1 şeker hastalığı simülatörünün açık kaynak uyarlamasıyla gelen bilgisayar ortamındaki deneklerde test edilmiştir. Performansı bir klinisyenle kıyaslanmıştır. Ayrıca, birkaç klinisyen ve hasta ile, onların modelle etkileşime girebileceği arayüzler tasarladığımız bir pilot çalışma sunulmuştur. Bu sırada, gizlilik, güvenlik ve etik ile ilgili konular ele alınmıştır. Simülasyon çalışmaları algoritmamızın geleneksel kan şekeri düzenleme yöntemleriyle en iyi şekilde karşılaştırıldığını göstermektedir.