在本文中，我们提出了一种基于深度强化学习的化疗调控框架，以实现癌症治疗的个性化和动态优化。我们使用非线性动态系统来建模肿瘤微环境的动态演变，包括肿瘤细胞、正常细胞和免疫细胞之间的相互作用，其中药物浓度作为控制输入变量。深度确定性策略梯度（DDPG）算法使代理能够在连续的运动空间中研究最佳剂量策略，以有效抑制肿瘤生长并最小化对正常组织的损伤。为了使策略更加稳定，模型中加入了高斯噪声，以模拟生理波动和治疗反应中的不确定性。实验结果表明，它可以在各种初始情景中控制肿瘤的生长，并高效安全地管理药物浓度的积累。我们的方法为精准、低毒性适应性化疗提供了一种可行的技术途径。
Zhu等（周三）研究了这个问题。