В исследовании представлен новый фреймворк для прецизионной онкологии, направленный на решение проблемы точного прогнозирования чувствительности пациентов с острым миелоидным лейкозом (ОМЛ) к лекарственным препаратам на основе транскриптомных данных. Авторы применили метод раздельного конформного прогнозирования (split conformal prediction) к когорте BeatAML 2.0, проанализировав 34 764 наблюдения (пациент-препарат) для 122 соединений на основе профилей экспрессии генов RNA-seq 318 пациентов. Использование регрессоров Elastic Net и XGBoost позволило достичь медианных значений коэффициента Пирсона R на уровне 0,291 и 0,281 соответственно. Ключевым достижением стало получение статистически калиброванных интервалов прогнозирования: при номинальных целях в 80%, 90% и 95% эмпирическое покрытие составило 81,4%, 90,7% и 95,5%. Исследование выявило значительные различия в уровне неопределенности между классами препаратов: ингибиторы HDAC и BCL-2 демонстрировали более высокую неопределенность по сравнению с ингибиторами MDM2. Результаты доказывают, что статистически обоснованная оценка неопределенности возможна даже при высокой биологической гетерогенности ОМЛ, что является важным шагом к переходу от эвристических методов к научно обоснованному прогнозированию ответа на терапию.