В исследовании представлена инновационная модель Pillbox, предназначенная для предсказания ответа раковых клеток на лекарственные препараты. Авторы разработали пайплайн, защищенный от шести типов утечек данных (leakage modes), что критически важно для точности медицинских ИИ-моделей. Архитектура Pillbox объединяет эмбеддинги метилирования CpGPT, эмбеддинги лекарств CLAMP и главные компоненты экспрессии генов, используя механизм Feature-wise Linear Modulation (FiLM) на графе белок-белковых взаимодействий STRING v12. При тестировании на наборе данных GDSC (987 клеточных линий, 375 препаратов) ансамбль модели показал высокие результаты R-квадрат: 0.78 на случайных разбиениях, 0.77 на гистологически слепых и 0.76 на территориально слепых (site-blind) выборках. Исследование также вводит новый диагностический метод для оценки насыщения признаков через кросс-архитектурную корреляцию остатков. Результаты подтверждают, что использование фундаментальных моделей эмбеддингов позволяет достичь точности, сопоставимой с пределом воспроизводимости измерений между базами GDSC и PRISM (разница по Спирмену < 0.01).