ResidencyRL: Reinforcement Learning in Simulated Clinical Environments
ResidencyRL：在模拟临床环境中开展的强化学习
Valentin Liévin, Samuel Schmidgall, Tim Strother, Alex Bijamov, Akshay Goel, Anil Palepu, Chunjong Park, Vahid Balazadeh, Min Woo Sun, Marius Guerard, Justin Chen, Dave Steiner, Vikram Dhillon, Ibrahim Azar, Akhil Mehta, Nicholas Spetsieris, Shilpan Shah, Maen Abdelrahim, Amit Dahiya, Yun Liu, Katherine Chou, Yossi Matias, Avinatan Hassidim, Dale R. Webster, Quoc V. Le, Raia Hadsell, Joelle Barral, Carey Radebaugh, Aleksandra Faust, Shekoofeh Azizi, Mike Schaekermann, Po-Hsuan Cameron Chen, Tao Tu, David Racz, Lin Yang
机构
*
Google DeepMind（谷歌DeepMind）
；
Google Research（谷歌研究院）
；
Houston Methodist Hospital（休斯顿卫理公会医院）
；
Trinity Health Group（三一健康集团）
；
Stanford Oncology Partners（斯坦福肿瘤学伙伴）
；
St. Luke Hospital（圣卢克医院）
AI总结
本研究提出 ResidencyRL，通过多轮强化学习训练临床 AI 智能体，在模拟临床环境中提升诊断准确性、降低漏报率，且能力可迁移至多个医学基准测试，为临床 AI 发展提供了新路径。
