基于数字孪生模拟的治疗反应优化临床决策支持 AI 系统

本文提出一种在线自适应框架，旨在解决临床决策支持系统需实时适应患者病情变化且遵守严格安全约束的挑战。该系统整合了治疗效果估计、患者数字孪生模拟及强化学习序列决策机制，并在持续学习循环中运行。通过基于规则的模块监控生命体征以确保安全，并将模型内部分歧大的案例标记供医生审查。在合成模拟器及真实卵巢癌数据集上的验证表明，该方法在治疗推荐的有效性与稳定性上优于基准，同时保持低延迟，展现了作为安全、可监督且能通过实践持续改进的个性化医疗工具的潜力。