摘要
临床决策支持AI系统 (CDSASs) 必须实时适应不断变化的患者状况，同时遵循严格的安全约束。我们提出了一种在线自适应框架，集成了治疗效果 (TE) 估算以量化临床益处、患者数字双胞胎 (DT) 模拟治疗轨迹，以及用于顺序决策的强化学习 (RL)。该AI系统最初在历史医疗记录上进行训练，并在持续学习循环中运行。为了确保安全，一个基于规则的模块监控生命体征并阻止禁忌治疗。强内部模型不一致的案例会被标记以供临床医生审查，在我们的实验中通过预训练的结果模型进行模拟。我们使用合成临床模拟器和来自癌症基因组图谱 (TCGA) 的真实卵巢癌数据集验证了我们的框架。在模拟和临床环境中，我们的方法在推荐治疗方面显示出优越的有效性和稳定性，超越了标准计算基线。此外，该AI系统保持低延迟，仅在实验验证中的少数案例中需要专家咨询，展示了其作为安全、临床医生监督的个性化医疗工具的潜力，并通过实际使用不断改进。
博主点评： 该研究展示了数字双胞胎技术在个性化医疗中的应用潜力，尤其是在实时决策支持方面。通过强化学习和治疗效果的动态估算，系统能够在保证安全的前提下优化治疗方案，具有广泛的临床应用前景。其低延迟和高效性使其成为未来医疗AI的一个重要方向。