通过数字孪生模拟治疗反应优化的临床决策支持人工智能系统

arXiv:2606.17405v1 公告类型：新 摘要：临床决策支持人工智能系统（CDSAS）必须实时适应不断变化的患者状况，同时遵守严格的安全约束。我们提出了一个在线自适应框架，该框架集成了治疗效果（TE）估计以量化临床效益、患者数字孪生（DT）以模拟治疗轨迹以及强化学习（RL）以进行顺序决策。人工智能系统最初根据历史病历进行训练，并在持续学习循环中运行。为了确保安全，基于规则的模块会监控生命体征并阻止禁忌治疗。具有强烈内部模型分歧的病例被标记以供临床医生审查，并通过预先训练的结果模型在我们的实验中进行模拟。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来验证我们的框架。在模拟和临床环境中，与标准计算基线相比，我们的方法在推荐治疗方面表现出卓越的有效性和稳定性。此外，人工智能系统保持低延迟，在我们的实验验证中仅需要少数病例进行专家咨询，这证明了其作为安全、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。