小鼠肿瘤试药不必做全：GrAFT-PDX把生长与死亡放进同一模型，还能提前停掉无效组合
核心概要
患者来源异种移植（PDX）把人体肿瘤种到免疫缺陷小鼠身上试药，但穷举所有肿瘤与药物组合在时间和成本上不可行。GrAFT-PDX 用贝叶斯模型把肿瘤生长轨迹与小鼠死亡风险联合建模，借低秩张量分解在肿瘤系、治疗和时间三个维度上共享信息，从而补全未做的实验并预测死亡时间。在 PDXe 大规模筛选数据上，它预测死亡时间的对数概率高于 Royston-Parmar 等生存基线，肿瘤反应预测与强基线相当，且不使用基因组输入也能保留已知的基因-药物关联。
深度剖析
GrAFT-PDX 把 PDX 药筛中原本分开处理的两件事——肿瘤随时间长大或缩小、小鼠何时死亡——放进同一个概率模型，使未测过的肿瘤系与药物组合也能给出预测。 此前的做法把每个组合的疗效压缩成一个标量摘要，例如肿瘤体积、生长斜率或二分类反应，再据此预测未观测组合，肿瘤测量的纵向结构因此被丢弃。 在 PDXe 数据上按肿瘤系-治疗组合划分 20 次训练测试，GrAFT-PDX 在各截尾时间上的死亡对数概率都高于 Cox 比例风险模型和 Royston-Parmar 样条生存模型，预测死亡时间中位数的平均绝对误差也更低。
模型把每只小鼠的肿瘤测量看作一条平滑连续轨迹上的带噪采样，并让这条轨迹的历史反过来影响死亡风险。 肿瘤测量在小鼠死亡时中断，这种缺失带有信息：肿瘤长得快的个体更早死亡、后期没有测量，单独拟合生长曲线会把曲线系统性压低。 肿瘤轨迹用三次 B 样条基表示，其系数张量在肿瘤系、治疗和基函数三个维度上做非负 CP 分解；死亡风险写成基线风险与肿瘤历史卷积项之和，后者用一个共享的滞后核加权过去各时刻的肿瘤负荷，全部参数用 Stan 的 NUTS 采样推断。
去掉肿瘤历史卷积项后，模型对留出死亡区间的预测变差，说明这条通路确实在传递信息。 在截尾时间为零、尚无该组合任何结果时，完整模型与消融模型的死亡预测差异置信区间包含零。 一旦条件中加入早期肿瘤测量，完整模型的留出死亡对数预测密度在每个截尾时间上都高于消融模型且置信区间不含零；而两者在肿瘤测量上的差异置信区间始终包含零。
启示与展望
评估限定在 PDXe 这一个大规模 PDX 药筛数据集上，预测任务按肿瘤系-治疗组合留出，并在若干截尾时间上条件于已观测的早期肿瘤测量与存活情况；合成数据实验只检验模型能否恢复预设的滞后核。作者提出后续应把突变状态、拷贝数、癌种等生物协变量纳入潜表示，并制定考虑后验不确定性与验证成本的实验优先级规则。
作者指出拟合出的滞后核峰值位置来自平滑正则化后的核，应主要解读为存在一个较近的滞后窗口，而非某个具体延迟；肿瘤负荷通过何种生理过程抬高死亡风险，PDXe 未测量相关变化，需要进一步研究。生成数据保留基因关联的方向，但系数幅度平均只有观测值的较小比例，且十个候选中有四个的额外寿命 90% 后验预测区间包含零。