关键要点：
- 该研究表明，在医学领域信任AI工具之前，需要在实验室数据之外进行更多实际测试。
- 像PanPep AI这样的工具可以帮助预测免疫系统如何靶向疾病，但仍可能错过或误读重要信号。
- 经过更好验证的AI可以加速药物发现和免疫疗法，但目前尚无法独立指导患者护理。
佛罗里达州坦帕市（2026年5月6日）——人工智能正越来越多地被用于帮助科学家加速药物发现和寻找新治疗方法。但要使AI工具有效工作，研究人员需要知道它们是否可以在真实世界环境中得到验证和应用。
南佛罗里达大学的一个研究团队正朝着这个方向迈出一步，通过将AI与免疫学相结合，以增强肿瘤治疗和新药及疫苗的开发。
在周三（5月6日）美国东部时间早上5点发表在《自然-机器智能》杂志上的一项禁运新研究中，南佛罗里达大学健康莫萨尼医学院的研究人员研究了AI工具在预测免疫系统最重要工作之一方面的表现：识别体内不属于自身的东西。
这一过程对抵抗感染至关重要，并在免疫疗法的开发中发挥着重要作用，免疫疗法是旨在帮助患者自身免疫系统攻击疾病的治疗方法。
南佛罗里达大学健康信息学研究所教授Dong Xu表示："AI工具在帮助研究人员开发疫苗、药物和癌症疗法方面正发挥着越来越重要的作用。然而，如果这些工具没有在真实世界条件下进行仔细测试，它们可能会产生误导性或有偏见的结果。"
该研究由Xu和同在南佛罗里达大学健康信息学研究所的助理研究教授Fei He领导。来自密苏里哥伦比亚大学的实习生Xianyu Wang也是共同作者。
研究人员使用名为PanPep（泛肽元学习的缩写）的AI模型，开发了一个系统、全面的评估框架，用于测试计算工具在预测体内某些细胞是否会识别并对抗原（触发免疫反应的物质）作出反应方面的能力。
这个问题对药物发现至关重要，因为免疫系统识别这些靶标的能力有助于确定身体是否能够检测并应对感染、肿瘤或疫苗。
他们的新框架可应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细胞受体相互作用、抗原呈递以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识别体内哪些属于自身，哪些可能是威胁。
He表示："我们的研究测试了AI工具预测重要免疫系统相互作用的能力，这可能有助于指导癌症免疫疗法和疫苗的开发。我们的研究结果突显了当前AI方法的优缺点，并为构建更安全、更可靠的医疗保健AI工具提供了指导。"
免疫细胞识别并对抗原作出反应，抗原是细菌、病毒或肿瘤细胞上的蛋白质，可作为外来标记物，向免疫系统发出可能威胁的警报。
适应性免疫细胞，包括T细胞和B细胞，使用特定受体来识别有害入侵者，如病毒、过敏原、毒素或癌细胞。其他免疫细胞会吞噬这些入侵者，将它们分解成抗原片段，并将这些片段呈递出来以激活针对性的免疫防御。
研究团队使用PanPep和其他工具来预测T细胞受体如何与抗原结合。该工具旨在解决有限数据的挑战，可以创建场景来预测未见过或罕见肽的结合，这些肽是小链氨基酸，可作为免疫系统的关键靶标。
准确预测肽和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正确"触发"肽。这些触发肽可以加速免疫疗法并挽救生命。
通过缩小实验室测试的最佳候选范围，研究人员可以减少对耗时且昂贵的大规模生物实验的需求。
南佛罗里达大学的研究代表了迈向更可靠的AI引导的个性化癌症疗法和疫苗的重要一步。例如，使用PanPep等工具，科学家可能能够在计算机上模拟肿瘤筛查过程，潜在地将时间框架从数月或数年缩短到几天。
如果医生能快速为四期癌症患者确定有希望的治疗方法，可能会延长其寿命。但作者指出，虽然元学习方法可以仅使用少量实验数据构建准确、特定靶向的模型，但在它们能安全用于指导个性化护理之前，需要进行仔细测试和改进。
作者表示："由于实际应用通常涉及全新的免疫靶标，目前尚不清楚这些模型能在多大程度上处理真正未见过的案例。这就是本研究的最初理由。"
【全文结束】