随着人口老龄化的加深,医疗资源短缺的问题也越来越严峻。同时,随着人工智能技术的发展,越来越多的人工智能技术被广泛应用于包括医疗在内的现实生活之中。作为当前人工智能的核心技术之一,强化学习(Reinforcement Learning,RL)在重症室智能决策的应用研究也取得了长足的发展,但仍具有一定的局限性。为了有效的使用强化学习方法,需要预先构建一个合理的奖励函数,这严重依赖于临床医生的个人主观经验,缺乏普适性。此外,由于传统强化学习算法的目标是最大化长期奖励值,学习过程中的探索行为,可能会对病人造成致命影响。本文研究了基于强化学习的重症监护室(Intensive Care Unit,ICU)患者通断气时间和镇静剂使用剂量的最优决策问题。病人在ICU接受治疗时,往往伴随着有创通气和镇静剂的使用,而过早的拔管会导致二次插管,不利于恢复健康,而延长不必要的通气时间又会增加并发症的风险和高额的医疗费用。因此,合适的通气、拔管时间以及相伴随的镇定剂使用,对降低ICU病人死亡率至关重要。针对当前强化学习在医疗应用研究的主要问题,本文主要有以下贡献:(1)采用贝叶斯逆强化学习方法,从专家医师指导治疗的病例中,推测符合ICU通断气和镇静剂剂量医疗问题的奖励值函数,使学到的策略更加接近专家医师的策略。实验结果表明,贝叶斯逆强化学习算法,在收敛的稳定性和医生策略的匹配程度均优于简单给定奖励值函数的强化学习算法。(2)提出一种有监督的强化学习算法,结合了强化学习以长期目标为导向与监督学习最小化差异的特点,应用于ICU通断气和镇静剂剂量医疗问题,在以治愈病人的长期目标的同时,降低与真实医疗策略的差异化程度,提升治疗效果。实验结果表明,有监督的演员-评论家算法(Actor-Critic,AC)在与医师策略匹配程度上,略优于传统的AC算法,但在收敛速度,数据利用效率上远高于AC算法。