Este documento de investigación presenta el algoritmo de aprendizaje Q de Buckley-James (BJ-Q), un método de vanguardia diseñado para optimizar estrategias de tratamiento personalizadas, especialmente en presencia de censura derecha. Evaluamos críticamente la efectividad del algoritmo en la mejora de los resultados de los pacientes y su resistencia en diversos escenarios. Central en nuestro enfoque es el uso innovador del tiempo de supervivencia para imputar la recompensa en el aprendizaje Q, empleando el método de Buckley-James para una precisión y confiabilidad mejoradas. Nuestros hallazgos resaltan el potencial significativo de los regímenes de tratamiento personalizados e introducen el algoritmo de aprendizaje BJ-Q como un enfoque viable y prometedor. Este trabajo marca un avance sustancial en nuestra comprensión de la dinámica del tratamiento y ofrece ideas valiosas para mejorar la atención al paciente en el siempre cambiante panorama clínico.