同样接受免疫治疗，有的患者获益明显，有的却反应微弱甚至无效。韩国浦项科技大学科学家开发了一种人工智能（AI）方法，可通过分析癌症患者的基因信息，提前预测其对免疫疗法的反应，从而帮助判断哪些患者更可从中受益。相关论文发表于最新一期《数字医学》杂志。

　　与传统直接杀伤肿瘤细胞的疗法不同，免疫疗法旨在激活患者自身免疫系统来对抗癌症，其优势在于能带来更持久的疗效，但并非所有患者都会响应。若无法提前识别受益人群，患者不仅可能承担高昂治疗费用，还可能延误其他更合适的治疗方案。因此，准确预测免疫疗法是否有效，成为临床亟须解决的难题。

　　难点之一在于，肿瘤微环境因人而异。其中，衰老细胞会抑制免疫细胞活性，如同在免疫“战场”中设置障碍。由于这些因素高度复杂且个体差异显著，临床医生难以逐一评估，于是科学家转向AI寻找解决方案。

　　然而，AI建模本身也面临数据瓶颈：患者样本相对有限，而需要分析的遗传信息却十分庞大。当变量远多于样本量时，模型容易对训练数据过度拟合，导致在新患者群体中表现下降，这就像学生死记练习题，却在陌生考题前失手一样。

　　为此，团队采取分步策略：先识别具有“衰老微环境”特征的肿瘤，再对患者分层，判断其是否可能对免疫治疗产生响应。这种逐步建模方式有助于减少模型对特定人群的偏倚，提升在不同队列中的预测稳定性。

　　实验显示，新方法在4种癌症类型中预测治疗反应的表现，优于部分现行临床生物标志物。在未被纳入模型训练的独立皮肤癌患者队列中，该方法也保持了较一致的预测性能。