作为一种新的癌症治疗方法，免疫疗法激活人体的免疫系统来对抗癌细胞，而不使用化疗或放疗。它比传统的抗癌药物有更少的副作用，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，从它的治疗效果中受益的患者会有持续的抗癌效果。

　　近期开发的免疫检查点抑制剂(immune checkpoint inhibitor, ICI)已经极大地改善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%的癌症患者从它的治疗效果中获益，而且目前的诊断技术不能准确预测患者对这种治疗的反应。

　　在这种背景下，来自韩国浦项科技大学和延世大学等研究机构的研究人员在一项新的研究中通过使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作出反应的准确性。相关研究结果于2022年6月28日发表在Nature Communications期刊上，论文标题为“Network-based machine learning approach to predict immunotherapy response in cancer patients”。

　　这些作者通过分析700多名三种不同癌症(黑色素瘤、胃癌和膀胱癌)患者的临床结果以及患者癌症组织的转录组数据，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，他们成功开发出可以预测抗癌治疗反应的人工智能方法。他们进一步证实这种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(包括免疫治疗靶标和肿瘤微环境标志物)的预测。

　　在之前的研究中，这些作者已开发出机器学习方法来预测胃癌或膀胱癌患者对化疗的药物反应。这项新的研究表明，利用生物网络中基因之间的相互作用的人工智能方法不仅可以成功地预测患者对化疗的反应，还可以在多种癌症类型中预测免疫疗法。

　　这项新的研究有助于提前发现对免疫疗法有反应的患者，并建立治疗计划，从而实现定制化的精准医疗，让更多的患者从癌症治疗中受益。(生物谷 Bioon.com)

　　参考资料：

　　JungHo Kong et al. Network-based machine learning approach to predict immunotherapy response in cancer patients. Nature Communications, 2022, doi:10.1038/s41467-022-31535-6.

　　文章摘自网络，侵删