כשרופא בוחר מינון של תרופה לחולה, אנחנו רואים רק מה קרה בעקבות הבחירה הזו. מה היה קורה אילו נבחר מינון אחר? התשובה נעלמת לנצח. זו הבעיה הקונטרה-פקטואלית, והיא עומדת בלב הניסיון ללמד מחשבים להמליץ על טיפולים מתוך רשומות רפואיות קיימות, בלי לבצע ניסויים על מטופלים אמיתיים. הקושי מחמיר כשהנתונים מעטים, הרשתות העצביות גדולות, ואיש אינו יודע בדיוק לפי איזה היגיון הרופאים בחרו את הטיפולים שבחרו.
המאמר שואל האם אפשר להעריך ולשפר מדיניות טיפול בצורה אמינה יותר, כשמכירים בכך שגם ההערכה של התנהגות הרופאים עצמה אינה ודאית. החוקרים מנסחים את הבעיה כבנדיט הקשרי ומציעים להשתמש בדגימה חוזרת (bootstrap) כדי לבנות אנסמבל של מודלים, ולא להסתמך על מודל אחד. בנוסף הם בוחנים רעיון יריב, שבו המדיניות הנלמדת נבחנת מול הגרסה הפסימית ביותר של התנהגות הרופא שעדיין מתיישבת עם הנתונים.
השיטות נבדקו על מערכי נתונים כלליים שהומרו לפורמט בנדיט, על נתוני מינון וורפרין חצי-סינתטיים ועל נתוני מינון הפרין אמיתיים ממאגר MIMIC-III. התוצאות מתקבלות מול שיטות בסיס מקובלות, ויש בהן גם כמה הפתעות לגבי מקרים שבהם הגישה החדשה לא עובדת כצפוי.






