デジタルツインシミュレーションによる治療反応最適化型臨床意思決定支援AIシステム
研究者らは、治療効果推定、患者デジタルツイン、強化学習を統合したオンライン適応型フレームワークを提案。ルールベースのモジュールで安全性を確保し、合成および実際の卵巣がんデータセットでベースラインを上回る性能を示し、個別化医療ツールとしての可能性を示した。
臨床意思決定支援AIシステム（CDSAS）は、厳格な安全制約を遵守しながら、変化する患者の状態にリアルタイムで適応する必要があります。本研究では、治療効果（TE）推定、患者デジタルツイン（DT）、強化学習（RL）を統合したオンライン適応型フレームワークを提案します。システムは過去の医療記録で初期訓練され、継続的な学習ループで動作します。
安全性を確保するため、フレームワークにはルールベースのモジュールが組み込まれ、患者のバイタルサインを監視し、禁忌治療をブロックします。内部モデルに強い不一致があるケースは臨床医のレビュー用にフラグが立てられ、実験では事前訓練された結果モデルでそのプロセスをシミュレーションしました。
検証は、合成臨床シミュレーターと、The Cancer Genome Atlas（TCGA）からの実際の卵巣がんデータセットを使用して行われました。両方の環境で、本手法は標準的な計算ベースラインと比較して治療推奨の有効性と安定性において優れていることが示されました。さらに、AIシステムは低レイテンシを維持し、実験的検証では少数のケースのみ専門家の相談を必要としました。本成果はIEEE Engineering in Medicine and Biology Conference（EMBC）2026で発表予定であり、安全で臨床医監督下の個別化医療ツールとして、実用を通じて継続的に改善する可能性を示しています。