Beyond Gaussian Processes: A Neural Refinement Approach for Optimizing Dynamic Treatment Regimes
Dynamic Treatment Regimes optimize sequential treatment decisions by tailoring interventions based on patient characteristics. Traditional parametric models and grid search approaches can be prone to misspecification, leading to suboptimal recommendations. Gaussian Processes (GPs) offer a flexible, nonparametric alternative while capturing outcome uncertainty. However, relying solely on GP for treatment optimization may underutilize the learned value surface. We propose a refinement framework by approximating GP posterior using neural networks to enhance accuracy and stability. We demonstrate that our approach improves treatment optimization through simulations, particularly in multi-modal and multi-category treatment settings with limited data. To show its practical utility, we apply our method to a cohort of people living with HIV. This study highlights the benefits of integrating uncertainty-aware modeling with refinement strategies for personalized treatment planning.
Au-delà des processus gaussiens : une approche neuronale pour optimiser les régimes dynamiques de traitement
Les régimes dynamiques de traitement optimisent les décisions séquentielles de traitement en adaptant les interventions en fonction des caractéristiques du patient. Les modèles paramétriques traditionnels et les approches de recherche en grille peuvent être sujets à des erreurs de spécification, conduisant à des recommandations non optimales. Les processus gaussiens (PG) offrent une alternative souple et non paramétrique tout en tenant compte de l'incertitude des résultats. Cependant, le fait de s'appuyer uniquement sur les PG pour optimiser le traitement peut entraîner une sous-utilisation de la surface de valeur apprise. Nous proposons un cadre de raffinement en approximant le postérieur des PG à l'aide de réseaux de neurones afin d'améliorer la précision et la stabilité. Nous démontrons par des simulations que notre approche améliore l'optimisation du traitement, en particulier dans le cadre de traitements multimodaux et multi-catégories avec des données limitées. Pour en démontrer l'utilité pratique, nous appliquons notre méthode à une cohorte de personnes vivant avec le VIH. Cette étude met en évidence les avantages de l'intégration d'une modélisation qui tient compte de l'incertitude avec des stratégies d'affinement pour la planification de traitements personnalisés.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais