基于患者数据重新决定最佳治疗选择的机器学习 [已关闭]

问：

我正在从事一个机器学习项目，目标是根据个体患者的特征、成像数据和以前的治疗结果来预测他们的最佳治疗选择。我感兴趣的结果是实现完全缓解。

以下是该问题的简要概述：

输入功能：

• 患者特征（例如年龄、性别、病史）
• 成像数据
• 既往接受过治疗（X、Y、Z）

输出：

完全缓解的最佳治疗选择。我希望该模型能够从特定治疗导致缓解的案例中学习，如果没有，则探索替代疗法。

我正在考虑两种方法：

• 直接预测最佳治疗：

  训练模型，根据给定患者的特征直接预测其最佳治疗选择。

• 预测每个选择的治疗结果：

  为每种治疗选择训练单独的模型，以预测完全缓解的可能性。

问题：

• 您认为哪种方法更适合这个问题？
• 对于这项任务，您会推荐什么样的机器学习算法和技术？