近年来,人口的老龄化进程加剧,随之而来的医疗资源也十分短缺。同时,人工智能技术已经被广泛地应用于包括商业、工业以及医疗等现实生活之中。强化学习(Reinforcement Learning,RL)作为当代人工智能的核心技术之一,在医疗重症室智能决策的应用中取得了长足的发展,但当前研究仍具有一些局限性。强化学习包含三个关键性因素,分别是状态、动作、奖励值函数,其中,一个合理的奖励值函数需要被预先定义,这可能严重依赖于医生的临床经验,缺乏一定的普适性。此外,传统强化学习最终的目标是最大化长期累计的奖励值,学习过程中基于试错的探索行为,可能会对病人造成不利的影响。脓毒症被定义为能威胁人类生命的急性器官功能障碍,是重症监护室中最主要的病症之一,也是医院病人死亡的主要原因,但其最佳治疗策略尚未明确。近年来,目睹了强化学习(RL)方法在脓毒症治疗中得到了成功应用,实现了比临床医生更为有效的治疗策略。为确保此类应用,应根据医疗健康护理的专业知识来预先定义奖励值函数,以明确治疗目的。然而,由于缺乏对脓毒症本身的了解,在脓毒症治疗过程中的奖励值定义仍然存在较多争议,缺乏统一标准,因此本文利用了深度逆强化学习(Deep Inverse Reinforcement Learning,DIRL)来解决脓毒症治疗中奖励值的学习问题,并给出脓毒症的最佳治疗策略,以及基于历史数据的策略性能评估方法。在本文中,我们提出了一种基于深度逆强化学习最小树(Deep Inverse Reinforcement Learning-Mini Tree,DIRL-MT)模型,使用回顾性真实医学数据从一组可能的最佳治疗轨迹中推断出最佳奖励函数。在模型中,最小树MT通过监督学习方式挖掘影响脓毒症死亡率的关键特征,而深度逆强化学习(DIRL)根据这些特征的权重推断出完整的奖励函数。本文提出了两种治疗脓毒症患者的新特征,并将它们与脓毒症以往定义的诊断标准相结合,以获得脓毒症治疗的最佳策略。此外,本文提出了基于对偶权重(Dueling Weight,DW)的异策略评估(off-policy evaluation,OPE)方法,实现了基于历史数据的更为鲁棒和可靠的策略性能评估。实验结果表明,本文提出的DW异策略评估方法较现有的异策略评估方法更具有有效。根据脓毒症患者的历史数据评估本文的算法,我们发现本文的模型可以将临床策略患者的总体死亡率降低3.3%。本文的模型所学到的治疗策略可用于帮助重症监护临床医生进行医疗决策,并提高患者生存的可能性。