0
0这项研究介绍了一个名为 DrEval 的开源评估框架，旨在解决癌症药物反应预测模型中普遍存在的重复性危机和性能高估问题。作者指出，现有的深度学习模型在预测未知细胞系或药物时的表现往往不尽如人意，其表面的高准确率大多源于对药物平均效应的记忆，而非真正捕捉到了生物学信号。通过统一的数据预处理和应用感知的划分策略，DrEval 揭示了复杂模型在实际临床场景中几乎无法超越经过调优的树类集成模型。此外，该框架支持消融实验和跨数据集基准测试，为模型贡献者提供了透明、公正的评估标准。总之，该工具通过揭示辛普森悖论等评价偏差，为推动药物反应预测领域的通用化进展奠定了基础。
References:
Bernett J, Iversen P, Picciani M, et al. Critical evaluation of drug response prediction models with DrEval[J]. Nature Communications, 2026, 17(1): 4238.
