一种用于预测癌症患者免疫疗法反应的机器学习模型

免疫疗法是一种新的癌症治疗方法，可激活人体的免疫系统，不使用化学疗法或放射疗法对抗癌细胞。它的副作用比常规抗癌药物少，因为它仅使用人体的免疫系统攻击癌细胞。此外，由于它使用免疫系统的记忆和适应性，因此从其治疗作用中受益的患者经历了持续的抗癌作用。

最近开发的免疫检查点抑制剂已大大提高了癌症患者的存活率。但是，癌症免疫疗法的问题是只有大约30％癌症患者从其治疗作用中获得益处，并且当前的诊断技术无法准确预测患者对治疗的反应。

在这种情况下，Postech的Sanguk Kim（生命科学系）领导的研究团队引起了人们的关注，因为它们通过使用基于网络的机器学习来提高了预测患者对免疫检查点抑制剂（ICI）的反应的准确性。

研究小组通过分析700多名患有三种不同癌症（黑色素瘤，黑色素瘤，黑色素瘤患者的临床结果）发现了新的基于网络的生物标志物。胃癌，和膀胱癌）以及患者癌组织的转录组数据。通过利用基于网络的生物标志物，该团队成功地开发了人工智能，可以预测对抗癌治疗的反应。该小组进一步证明，基于新发现的生物标志物的治疗反应预测优于基于常规抗癌治疗生物标志物，包括免疫疗法靶标和肿瘤微环境标记。

在他们先前的研究中，研究小组已经发展了机器学习这可以预测胃癌或膀胱癌患者化学疗法的药物反应。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可以成功预测患者对化疗的反应，而且还可以预测多种癌症类型的免疫疗法。

这项研究有助于检测那些将提前对免疫疗法做出反应的患者并制定治疗计划，从而与更多的患者进行定制的精密药物，从而从癌症治疗中受益。该研究最近发表在自然通讯。

---

---