难治性抑郁的rTMS每次怎么调：强化学习从真实病历里学出方案，换诊所后仍对得上

rTMS疗程中每一次的刺激类型、强度与单双侧选择，现在可以由一个从常规电子病历学出的强化学习策略给出逐次推荐，而不只依赖经验。 此前临床指南没有针对rTMS疗程内逐次调整的循证指导，这些决定基本凭经验，导致实践模式和患者结局差异很大。 在未参与训练的6个诊所组、370名患者、14074条治疗决策上，医生选择与策略推荐完全一致的场次，下一次PHQ-9改善比不一致场次多0.788分（95%置信区间0.634–0.940）。

策略把每次治疗决策看成一次选择，学习的是整段疗程累积结局最好的那串选择，而不是单次症状变化。 方法采用带竞争架构的双重深度Q网络，为12种治疗组合各估一个累积期望回报，再取最高者作为推荐；保守Q学习正则把推荐拉向病历中有足够记录的疗法。 训练集为10个诊所组、914名患者、31804条决策，验证集为3个诊所组，测试集整组留出；患者状态含当前PHQ-9、病程起点评分、既往治疗、运动阈值等，另由因果随机森林给出三个治疗维度的个体化效应估计作为输入。

结果来自一家全国性行为健康机构2023年1月至2025年6月的回顾性电子病历，覆盖19个诊所组、1609名成人、56939条治疗决策，评估在6个整组留出的诊所、370名患者、14074条决策上进行。适用读者是精神科神经调控与临床决策支持研究者；作者明确提出下一步是在临床试验中前瞻评估该策略，并建议用微随机化设计估计逐次近端效应。

作者指出主要局限是未测混杂：未记录的不耐受、患者偏好或排程限制可能同时影响医生选择与后续症状，E值1.71（置信限1.61）表明中等至较强混杂即可解释结果。奖励由研究者设定的严重度权重、里程碑奖励与自杀意念惩罚组合而成，并非经验证的最优治疗价值定义；PHQ-9缺失值采用结转或插值，仅在新评分直接记录时计入奖励后关联降为0.327分。数据来自单一卫生系统，未做前瞻部署，性别认同与种族族裔记录不全，无法评估表现是否在各群体间一致。