预测癌症患者免疫治疗反应的机器学习模型

基于预测癌症患者免疫治疗反应的人工智能精准医疗技术的发展

　　

   

   

免疫疗法是一种新的癌症治疗方法，它可以激活人体的免疫系统来对抗癌细胞，而不需要化疗或放疗。与传统抗癌药物相比，它的副作用更少，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，受益于其治疗效果的患者获得了持续的抗癌效果。

 

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，癌症免疫治疗的问题是，只有大约30%的癌症患者从其治疗效果中受益，目前的诊断技术并不能准确预测患者对治疗的反应。

 

在这种情况下，浦项工科大学生命科学系教授金国(音)领导的研究小组利用网络机器学习技术，提高了预测患者对免疫检查点抑制剂(ICIs)反应的准确性，因此备受关注。研究组通过分析3种不同癌症(黑色素瘤、胃癌、膀胱癌)的700多名患者的临床结果和患者癌组织的转录组数据，发现了新的基于网络的生物标志物。通过利用基于网络的生物标志物，该团队成功地开发出了可以预测抗癌治疗反应的人工智能。研究团队进一步证明，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，包括免疫治疗靶点和肿瘤微环境标志物。

 

在他们之前的研究中，研究团队开发了机器学习，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，利用生物网络中基因之间的相互作用的人工智能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。

 

这项研究有助于提前发现对免疫治疗有反应的患者，并制定治疗计划，从而实现定制化精准医疗，让更多的患者受益于癌症治疗。这项研究得到了浦项工科大学医疗器械创新中心、人工智能研究生院和ImmunoBiome公司的支持，最近发表在自然通讯，国际同行评议期刊。