Adaptive treatment strategies (ATS)를 최적화하기 위해 오프라인 강화 학습(RL)을 활용하지만, 임상 데이터 부족 문제를 해결하기 위해 Treatment Stitching (TreatStitch)라는 새로운 데이터 증강 프레임워크를 제안한다. TreatStitch는 기존 치료 데이터의 세그먼트를 지능적으로 연결하여 임상적으로 유효한 치료 궤적을 생성한다. 유사한 중간 환자 상태를 연결하고, 상태 간 차이가 클 경우 Schrodinger bridge 방법을 사용하여 부드럽고 에너지 효율적인 연결 궤적을 생성한다. 이렇게 생성된 데이터를 오프라인 RL에 활용하여 ATS 최적화 능력을 향상시키며, 이론적으로 TreatStitch가 임상적 유효성을 유지함을 보장한다.
