تتزايد الحاجة إلى أنظمة دعم القرار السريري المعتمدة على الذكاء الاصطناعي (CDSASs) لتلبية متطلبات المرضى المتغيرة في الوقت الحقيقي، مع الالتزام الصارم بمعايير السلامة. في هذا السياق، نقدم إطارًا تعاونيًا متعدد الأبعاد يدمج تقدير تأثير العلاج (Treatment Effect) لقياس الفوائد السريرية، وتوأم رقمي للمريض (Digital Twin) لمحاكاة مسارات العلاج، وتقنيات التعلم المعزز (Reinforcement Learning) لاتخاذ قرارات متتالية.

يتم تدريب النظام الذكي في البداية على السجلات الطبية التاريخية ليعمل بكفاءة عالية ضمن حلقة تعليم مستمر. وفي إطار السعي لضمان السلامة، يتضمن النظام وحدة قائمة على القواعد لمراقبة العلامات الحيوية وحجب العلاجات التي قد تكون غير مناسبة.

عند وجود اختلاط كبير في فهم النموذج الداخلي، يتم تصنيف هذه الحالات للمراجعة من قبل الأطباء، وقد تم محاكاتها في تجاربنا عبر نموذج نتائج مدرب مسبقًا. قمنا بالتحقق من فعالية إطار عملنا باستخدام كل من محاكي سريري اصطناعي ومجموعة بيانات سريرية حقيقية تتعلق بسرطان المبيض من قاعدة بيانات الجينوم السرطاني (The Cancer Genome Atlas - TCGA).

لقد أظهر أسلوبنا، في كل من الإعدادات التجريبية والسريرية، فعالية واستقرارًا متفوقين في التوصية بالعلاجات مقارنةً بأساليب الحساب القياسية. بالإضافة إلى ذلك، يحافظ النظام على زمن استجابة منخفض ويتطلب استشارة خبير في عدد قليل من الحالات فقط، مما يبرز إمكانيته كأداة آمنة تحت إشراف الأطباء في مجال الطب الشخصي، مع تحسين مستمر من خلال التطبيق العملي.