人工智能正日益被科学家用于推进药物研发并探索新型治疗方法。但要使人工智能工具有效发挥作用，研究人员必须确认其能否在真实场景中得到验证和应用。
南佛罗里达大学研究团队正通过人工智能与免疫学的创新融合推进这一目标，该融合有望增强肿瘤治疗效果并加速新药与疫苗开发进程。
在今日发表于《自然-机器智能》的最新研究中，南佛罗里达大学健康莫萨尼医学院研究人员检验了人工智能工具预测免疫系统核心功能的能力：识别体内异物。该过程对抵抗感染至关重要，并在免疫疗法开发中扮演关键角色——此类疗法旨在帮助患者自身免疫系统攻击疾病。
南佛罗里达大学健康信息学研究所董旭博士表示："人工智能工具在帮助研究人员开发疫苗、药物和癌症疗法方面正扮演越来越重要的角色。然而，若不在真实条件下进行严谨测试，这些工具可能产生误导性或存在偏差的结果。"
该研究由董旭博士和南佛罗里达大学健康信息学研究所助理研究教授何菲博士共同领导，密苏里大学哥伦比亚分校实习生王贤宇亦为共同作者。
研究团队基于名为PanPep（泛肽元学习）的人工智能模型，开发出系统化评估框架，用于检验计算工具预测特定细胞能否识别并响应抗原的能力。抗原是触发免疫反应的物质，该问题对药物研发至关重要，因为免疫系统识别这些靶标的能力直接决定人体能否检测并应对感染、肿瘤或疫苗。
新框架适用于广泛的免疫学预测问题，包括肽-HLA（人类白细胞抗原）结合、肽-T细胞受体互作、抗原呈递及其他肽或抗原驱动的相互作用。这些关键过程帮助免疫细胞辨别体内物质是否属于正常成分或潜在威胁。
何菲博士指出："本研究测试了人工智能工具预测关键免疫系统互作的能力，该能力可指导癌症免疫疗法和疫苗开发。研究结果凸显了当前人工智能方法的优劣势，并为构建安全可靠的医疗AI工具提供指引。"
免疫细胞通过识别细菌、病毒或肿瘤细胞表面的抗原蛋白（作为外来标记物）来触发对潜在威胁的警报。T细胞和B细胞等适应性免疫细胞利用特异性受体识别病毒、过敏原、毒素或癌细胞等有害入侵者。其他免疫细胞则吞噬这些入侵者，将其分解为抗原片段并呈递给靶向免疫防御系统。
研究团队运用PanPep等工具预测T细胞受体与抗原的结合行为。该工具专为应对数据有限的挑战而开发，可模拟预测未见或罕见肽链（作为关键免疫靶点的小型氨基酸链）的结合情况。准确预测肽与T细胞受体的结合，使科学家能够识别并设计针对特定免疫细胞的"触发"肽，从而加速免疫疗法研发并挽救生命。
通过缩小实验室测试的最佳候选范围，研究人员可减少耗时费力的大规模生物实验需求。南佛罗里达大学此项研究标志着向更可靠的人工智能引导的个性化癌症疗法和疫苗迈出了重要一步。例如借助PanPep等工具，科学家或能在计算机上模拟肿瘤学筛查流程，将传统数月乃至数年的周期缩短至数天。
以四期癌症患者为例，医生若能快速确定有效治疗方案，可能显著延长其生存期。但作者强调，尽管元学习方法能仅用少量实验数据构建精确的靶向模型，但在安全应用于个性化治疗前仍需经过严谨测试与优化。
研究团队指出："由于真实应用场景常涉及全新免疫靶点，现有模型处理真正未知案例的能力仍不明确。"
【全文结束】