医疗AI用强化学习做决策，听起来很酷，实际踩坑无数。

核心矛盾：算法在模拟环境里表现再好，一碰真实病历数据就翻车。观测数据不是实验数据，患者没被随机分组，混杂因素多到爆炸。

打开网易新闻 查看精彩图片

三类评估方法各有利弊。重要性采样简单，但方差大；模型化方法假设多，错一个全错；双重稳健试图折中，实现门槛高。没有银弹。

最头疼的是离策略评估（Off-policy）。新策略没上线，怎么知道效果？医疗场景又不能随便试错。现有方法要么偏倚大，要么算不动大规模数据。

作者提了条务实路径：先小样本验证，再逐步放大；同时盯紧置信区间，别被点估计骗了。医疗AI的落地速度，很大程度上卡在这步。