该研究提出了一种新的树形强化学习框架（CA-TRL），旨在解决临床动态治疗方案中的审查数据问题。CA-TRL结合增强的逆概率加权技术，提高了治疗策略的稳健性和可解释性，超越了现有方法，推动个性化治疗的发展。