Краткое содержание

arXiv:2511.12075v1 Тип объявления: новый Аннотация: Адаптивные стратегии лечения (АТС) представляют собой процессы последовательного принятия решений, которые позволяют обеспечить персонализированное лечение за счёт динамической корректировки терапевтических решений в ответ на изменяющиеся симптомы пациента. Хотя обучение с подкреплением (RL) является перспективным подходом для оптимизации АТС, его традиционный механизм онлайн-обучения методом проб и ошибок недопустим в клинических условиях из-за риска причинения вреда пациентам. Офлайн-обучение с подкреплением решает эту проблему, изучая политики исключительно на основе исторических данных о лечении, но его эффективность часто ограничена недостаточностью данных — повсеместной проблемой в клинической практике. Чтобы преодолеть это ограничение, мы предлагаем Treatment Stitching (TreatStitch) — новую структуру для augmentation данных, которая генерирует клинически достоверные траектории лечения путём интеллектуального «сшивания» сегментов из существующих данных о лечении. В частности, TreatStitch идентифицирует схожие промежуточные состояния пациентов в различных траекториях и объединяет их