研究/論文重要度 ★8
PerturbRx：患者の薬物応答予測のための治療条件付き潜在遷移学習
PerturbRx: Learning Treatment-Conditioned Latent Transitions for Patient Drug Response Prediction
https://export.arxiv.org/api/query·2026/8/21
AI要約
患者の薬剤応答予測のため、治療条件付き潜在遷移を学習するフレームワーク「PerturbRx」を提案。治療下での分子変化を明示的にモデル化し、患者・薬剤応答特徴量として利用する。
AI要点
- 患者の癌治療応答予測において、治療による分子変化を明示的にモデル化しない既存手法の限界を指摘した。
- 治療条件付き潜在遷移学習フレームワーク「PerturbRx」を提案し、介入誘発性の潜在遷移を学習して応答予測に活用する。
- PerturbRxは、細胞ペアなしの制御・処置群データから薬剤・用量条件付き遷移予測器を学習し、患者プロファイルに適用する。
- TCGAとPDXベンチマークにおいて、PerturbRxは評価手法中で最も高い予測性能を達成した。
なぜ重要か
PerturbRxは、治療による分子変化を直接モデル化することで、限られたデータでも患者レベルでの薬剤応答予測精度を向上させる可能性があり、個別化医療の進展に寄与する。