免疫疗法是一种新的癌症治疗方法，它可以在不使用化学疗法或放射疗法的情况下激活人体的免疫系统来对抗癌细胞。与传统的抗癌药物相比，它的副作用更少，因为它只使用人体免疫系统攻击癌细胞。此外，由于它利用免疫系统的记忆力和适应性，受益于其治疗效果的患者会体验到持续的抗癌作用。

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在于，只有大约 30% 的癌症患者从其治疗效果中受益，而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，由 POSTECH 的 Sanguk Kim 教授（生命科学系）领导的研究团队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 (ICI) 反应的准确性，从而引起了人们的关注。

研究小组通过分析 700 多名患有三种不同癌症（黑色素瘤、胃癌和膀胱癌）的患者的临床结果以及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，该团队成功开发了可以预测抗癌治疗反应的人工智能。该团队进一步证明，基于新发现的生物标志物的治疗反应预测优于基于包括免疫治疗靶点和肿瘤微环境标志物在内的常规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，研究小组开发了机器学习，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。

这项研究有助于提前发现对免疫疗法有反应的患者并制定治疗计划，从而为更多患者提供定制的精准医疗，从而从癌症治疗中受益。该研究最近发表在《自然通讯》上。