精准医学是一种医学范式，其重点是根据患者个人信息找到最有效的治疗决策。对于许多复杂的疾病，如癌症，治疗决策需要根据患者对以往治疗的反应进行调整。这种适应性策略被称为动态治疗方案。当大量预后因素可用时，如患者的遗传信息、人口统计学特征、病史和临床测量值，但并非所有这些因素都是制定治疗决策所必需的，这就给推导最佳动态治疗方案带来了一个重大挑战。这使得变量选择成为精密医学中的一种新兴需求。

本文提出了一种惩罚型多阶段$a$-学习方法，用于在协变量的数量为样本大小的非多项式（NP）阶时，导出最优的动态处理方案。为了保持$A$学习方法的双重稳健性，我们采用Dantzig选择器，它直接惩罚A-leaning估计方程。建立了最优动态处理方案中参数估计量的Oracle不等式，以及估计的最优动态处理制度与真正的最优动态治疗制度的值函数之差的误差界。通过仿真评估了该方法的经验性能，并用STAR*D研究的数据进行了说明。