Naukowcy z arXiv zastosowali reverse Item Response Theory do analizy lekowrażliwości nowotworów w warunkach niekompletnych danych. Metoda traktuje typy raka jako podmioty z latentną zdolnością oporności a leki jako elementy oceniane pod kątem ich zdolności do unikania tej oporności - to odwrócenie tradycyjnego podejścia IRT. Model testowano na 242 036 pomiarach czułości lekowej z bazy GDSC2, szacując zarówno poziom in-vitro oporności dla każdego typu raka jak i ogólną aktywność dla każdego leku na wspólnej skali ukrytej.
Walidacja wykazała że reverse IRT znacznie lepiej odtwarza pełne ranking danych niż proste uśrednianie, osiągając przewagę Delta-rho od +0.089 do +0.095 przy 60% braku danych w różnych scenariuszach. Podejście wykazało najlepszy wynik Brier score spośród pięciu porównywanych metod. Analiza z bootstrapem pokazała że 19 z 28 typów raka ma stabilne klasyfikacje oporności i wrażliwości, co wskazuje na niezawodność estymacji.
Jednak walidacja na zewnętrznej platformie PRISM ujawniła ograniczenia - 82% zgodność kierunkowa ale słaba korelacja rang (rho = 0.25) między bazami danych. To oznacza że wkład tej pracy jest przede wszystkim metodologiczny - reverse IRT poprawia solidność rankingowania przy fragmentarycznych danych - ale nie stanowi uniwersalnego rankingu klinicznej oporności raka wobec leków. Różne platformy eksperymentalne mogą produkować porównywalne kierunki efektów ale odmienne rankingowe uporządkowania leków.