预测癌症患者免疫治疗反应的机器学习模型

免疫疗法是一种新的癌症治疗方法，它不使用化疗或放疗，而是激活身体的免疫系统来对抗癌细胞。它比传统的抗癌药物副作用更小，因为它只利用人体的免疫系统攻击癌细胞。此外，由于它利用了免疫系统的记忆和适应性，受益于它的治疗效果的患者经历了持续的抗癌效果。

最近开发的免疫检查点抑制剂大大提高了癌症患者的生存率。然而，癌症免疫疗法的问题是只有大约30%的癌症患者从治疗效果中获益，而目前的诊断技术不能准确预测患者对治疗的反应。

在这种情况下，浦项理工大学生命科学系金三国教授研究组利用基于网络的机器学习，提高了预测患者对免疫检查点抑制剂(ICIs)反应的准确性，备受关注。

研究团队通过分析700多名患有三种不同癌症(黑色素瘤、胃癌和膀胱癌)和患者癌症组织的转录组数据。通过利用基于网络的生物标记物，该团队成功开发了可以预测抗癌治疗反应的人工智能。研究小组进一步证明，基于新发现的生物标志物的治疗反应预测优于基于免疫治疗靶点和肿瘤微环境标志物等传统抗癌治疗生物标志物的治疗反应预测。

在他们之前的研究中，研究团队已经发展出机器学习这可以预测胃癌或膀胱癌患者对化疗的药物反应。这项研究表明人工智能利用生物网络中基因之间的相互作用，不仅可以成功预测患者对化疗的反应，还可以预测多种癌症类型的免疫治疗的反应。

该研究有助于提前发现对免疫治疗有反应的患者，并制定治疗方案，从而实现定制化精准医疗，让更多的患者受益于癌症治疗。这项研究最近发表在自然通讯．

---

---