本研究探讨了在数据稀缺情况下，个性化治疗效果（ITE）估计中复合治疗和结果的挑战。提出了一种创新的超网络方法（H-Learner），能够动态共享治疗与结果信息，显著提高估计准确性。实证分析表明，该方法在二元和任意复合治疗及结果中优于现有方法。