1134-可靠的抗癌药物敏感性预测与优先级排序方案

这篇研究介绍了一种名为 SAURON-RF 的机器学习框架，旨在提高癌症药物敏感性预测的可靠性。针对传统模型难以估算预测误差的挑战，作者引入了符合预测（Conformal Prediction）技术，为药物有效性提供具有数学严谨性的置信水平保障。研究还提出了一种基于临床相关浓度的全新衡量指标——CMax 细胞活力，有效解决了传统指标在不同药物间不可比的问题。通过结合回归与分类任务，该系统能够通过排除假阳性结果，精准地对特定癌症样本的候选药物进行优先级排序。实验表明，该方法在处理 GDSC 数据库时显著提升了预测精度，为个性化医疗中的临床决策提供了强有力的支持工具。References:Lenhof K, Eckhart L, Rolli LM, Volkamer A, Lenhof HP. Reliable anti-cancer drug sensitivity prediction and prioritization. Sci Rep. 2024 May 29;14(1):12303. doi: 10.1038/s41598-024-62956-6. PMID: 38811639; PMCID: PMC11137046.前往小宇宙评论区与主播互动