English(EN) Training distribution determines the ceiling of drug-blind cancer sensitivity prediction

研究发现癌症药物敏感性预测存在指标伪影缺陷

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-20 08:24

一篇新发表在arXiv上的研究论文指出，目前预测癌症药物敏感性的方法存在缺陷。标准的基准指标全局皮尔逊r（global Pearson r）具有误导性，因为它很大程度上受到药物效力差异的影响，而不是模型预测特定肿瘤敏感性的能力。当使用更合适的指标——每种药物的皮尔逊r（per-drug Pearson r）时，目前的药物编码方法在细胞特征方面没有显示出任何改进。该研究提出，按作用机制对训练数据进行分层可以显著提高靶向激酶抑制剂的预测准确性。 AI

影响识别出常见AI基准测试中的一个关键缺陷，可能重定向精准肿瘤学领域的研究方向。

排序理由该集群包含一篇详细介绍科学方法学新发现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

arXiv

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Taekyung Heo · 2026-05-20 08:24

Training distribution determines the ceiling of drug-blind cancer sensitivity prediction

Precision oncology requires predicting which drugs will suppress a specific tumor from its molecular profile, but drug-blind sensitivity prediction has plateaued despite increasingly complex drug representations. Here we show that this stagnation reflects a metric artifact rather…

报道来源 [1]

Training distribution determines the ceiling of drug-blind cancer sensitivity prediction

相关实体

相关话题