Reinforcement Learning for Intelligent Healthcare Systems: A Review of Challenges, Applications, and Open Research Issues

强化学习 计算机科学 多样性(控制论) 背景(考古学) 医疗保健 开放式研究 智能决策支持系统 医疗保健系统 数据科学 风险分析(工程) 人工智能 管理科学 工程类 医学 古生物学 万维网 经济 生物 经济增长
作者
Alaa Awad Abdellatif,Naram Mhaisen,Amr Mohamed,Aiman Erbad,Mohsen Guizani
出处
期刊:IEEE Internet of Things Journal [Institute of Electrical and Electronics Engineers]
卷期号:10 (24): 21982-22007 被引量:8
标识
DOI:10.1109/jiot.2023.3288050
摘要

The rise of chronic disease patients and the pandemic pose immediate threats to healthcare expenditure and mortality rates. This calls for transforming healthcare systems away from one-on-one patient treatment into intelligent health systems, leveraging the recent advances of Internet of Things and smart sensors. Meanwhile, reinforcement learning (RL) has witnessed an intrinsic breakthrough in solving a variety of complex problems for distinct applications and services. Thus, this article presents a comprehensive survey of the recent models and techniques of RL that have been developed/used for supporting Intelligent-healthcare (I-health) systems. It can guide the readers to deeply understand the state-of-the-art regarding the use of RL in the context of I-health. Specifically, we first present an overview of the I-health systems' challenges, architecture, and how RL can benefit these systems. We then review the background and mathematical modeling of different RL, deep RL (DRL), and multiagent RL models. We highlight important guidelines on how to select the appropriate RL model for a given problem, and provide quantitative comparisons, showing the results of deploying key RL models in two scenarios that can be followed in monitoring applications. After that, we conduct an in-depth literature review on RL's applications in I-health systems, covering edge intelligence, smart core network, and dynamic treatment regimes. Finally, we highlight emerging challenges and future research directions to enhance RL's success in I-health systems, which opens the door for exploring some interesting and unsolved problems.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
自然芹发布了新的文献求助10
1秒前
不做大哥好多年完成签到,获得积分10
1秒前
喜悦香薇完成签到 ,获得积分10
1秒前
zhang完成签到,获得积分10
2秒前
WELXCNK完成签到,获得积分10
3秒前
3秒前
源来是洲董完成签到,获得积分10
4秒前
wuda完成签到,获得积分10
4秒前
hhh完成签到,获得积分10
4秒前
KY Mr.WANG完成签到,获得积分10
5秒前
呆萌的正豪完成签到,获得积分10
5秒前
搜集达人应助LL采纳,获得10
6秒前
6秒前
Lucas应助lumcy采纳,获得10
6秒前
Www发布了新的文献求助10
7秒前
小斌完成签到,获得积分10
7秒前
找文献呢完成签到,获得积分10
7秒前
奋豆完成签到 ,获得积分0
7秒前
可靠强炫发布了新的文献求助30
8秒前
劼大大完成签到,获得积分10
9秒前
apckkk完成签到 ,获得积分10
10秒前
HuaYu完成签到,获得积分10
10秒前
自然芹完成签到,获得积分10
10秒前
xiaoliu完成签到,获得积分10
11秒前
小蘑菇应助HUCAI采纳,获得10
12秒前
13秒前
深情安青应助Anany采纳,获得10
14秒前
霍碧完成签到,获得积分10
16秒前
ENG完成签到,获得积分10
16秒前
sherry完成签到,获得积分10
17秒前
喜悦的丝完成签到 ,获得积分10
17秒前
Yeyuntian完成签到 ,获得积分10
18秒前
golfgold完成签到,获得积分10
18秒前
小新发布了新的文献求助10
19秒前
LL完成签到,获得积分10
19秒前
科研铁人完成签到,获得积分10
20秒前
善良梦竹完成签到 ,获得积分10
20秒前
一一发布了新的文献求助10
21秒前
学位论文发布了新的文献求助30
22秒前
高分求助中
Evolution 10000
CANCER DISCOVERY癌症研究的新前沿:中国科研领军人物的创新构想 中国专刊 500
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
Die Gottesanbeterin: Mantis religiosa: 656 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158687
求助须知:如何正确求助?哪些是违规求助? 2809923
关于积分的说明 7884302
捐赠科研通 2468638
什么是DOI,文献DOI怎么找? 1314374
科研通“疑难数据库(出版商)”最低求助积分说明 630601
版权声明 602012