治疗反应预测研究设计规划

要解决什么问题

临床与转化研究里，「能不能用基线特征预测某疗法的反应或耐药」和「做一个预后标志物」「做诊断分类」「估计因果疗效」经常被混在一套话术里。后者需要的队列结构、终点定义和验证逻辑完全不同；把设计写错，审稿人和方法学审查会直接否掉「预测性」主张。

本技能面向的是：治疗反应预测或耐药预测的研究方案设计——输出的是发现队列、建模路线与验证架构的蓝图，而不是完整稿件、患者个体用药建议，也不是比较有效性或目标试验 emulation 协议。

技能如何工作

执行时会先对照 references/predictive-question-fit-rules.md 判断请求是否真属于反应/耐药预测，再按模块串联：治疗情境与队列骨架、应答者/非应答者或耐药状态定义、基线可比性与治疗异质性、候选预测因子与多模态整合、单标志物 vs 多变量模型、发现/内部/外部验证分层，以及过拟合与信息泄漏审计。

核心产出通常覆盖十类决策：是否适合反应预测设计、目标人群与治疗语境、终点家族与时间窗、基线失衡威胁、特征整合与建模主线、泄漏与可 transport 性风险，并在核心 / 推荐 / 可选 / 依赖假设之间分层，给出一条与用户数据现实最匹配的 lead 协议版本。

技能会强制区分例如：predictive treatment-response 与 prognostic/diagnostic/monitoring/pharmacodynamic；基线预测因子与治疗后/on-treatment 信号；单方案预测与多方案 pooled 建模；客观缓解、病理缓解、分子缓解、持久获益、耐药终点等不同结构。

适用边界与注意点

有效输入通常包含：疾病/人群 + 反应或耐药预测设想、应答者定义需求、多模态基线特征建模、以治疗反应为 intended use 的验证设计等。

明确不在范围内的请求应被 redirect 并停止：个体化治疗推荐或耐药咨询、纯预后标志物（无治疗特异性预测）、无反应终点的诊断协议、因果比较有效性方案、无方案设计目的的纯文献综述。

若关键信息缺失（疗法与线数、终点类型、预测因子测量时点、可用数据与外部验证可能性等），技能会先提 2～6 个高信息密度澄清问题；用户若希望 one-shot 框架，则会在显式假设下推进，并标注 assumption-dependent 要素。