反向IRT分析24万癌症药敏数据，缺失60%仍比平均法准近0.1
Reverse Item Response Theory for Sparsity-Robust Ranking in Fragmented Cancer Drug-Response Matrices
📖 AI 总结
该研究提出“反向项目反应理论”（Reverse IRT），将癌症类型视为具有耐药能力的潜在“被试”、药物视为具有逃逸难度的“项目”，用于药物基因组学中的药物反应分析。基于GDSC2数据库242,036条药物敏感性测量数据，模型在统一潜在尺度上估计癌症类型层面的体外耐药性与药物层面的广谱活性。在四种缺失机制下的验证表明，反向IRT在60%缺失率下对完整数据潜在排序的恢复能力优于简单平均，Δρ达+0.089至+0.095；在五种方法中取得最佳Brier分数。Bootstrap置信区间显示28种癌症类型中有19种分类稳定。跨平台PRISM复现显示方向一致性为82%，但秩相关较弱（ρ=0.25），说明该贡献在于碎片化评估下的方法学稳健性，而非普适的临床耐药排行榜。
🔑 关键词速览
| 反向项目反应理论 (Reverse IRT) | 将传统心理测量学中的项目反应理论反转，把癌症类型作为主体、药物作为项目，以估计耐药性和药物活性。 |
| 药物基因组学 (Pharmacogenomics) | 研究基因组变异如何影响个体对药物反应的科学领域。 |
| GDSC2 | 癌症药物敏感性基因组学数据库的第二版，包含大量药物敏感性测量数据。 |
| 缺失机制 (Missingness Regimes) | 描述数据缺失模式的统计概念，如完全随机缺失（MCAR）、癌症偏倚和药物偏倚。 |
| Brier分数 | 衡量预测概率准确性的指标，值越小表示预测越准确。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅