Niedawno opracowany inhibitor immunologicznych punktów kontrolnych znacznie poprawił przeżywalność pacjentów z rakiem. Problem z immunoterapią nowotworów polega jednak na tym, że tylko około 30% pacjentów onkologicznych odnosi korzyści z jej terapeutycznego efektu, a obecne techniki diagnostyczne nie pozwalają dokładnie przewidzieć odpowiedzi pacjenta na leczenie.

Zespół badawczy kierowany przez profesora Sanguka Kima (Wydział Nauk Przyrodniczych) w POSTECH poprawił dokładność przewidywania odpowiedzi pacjenta na inhibitory punktów kontrolnych układu odpornościowego (ICI) dzięki wykorzystaniu uczenia maszynowego opartego na sieci.

Zespół badawczy odkrył nowe biomarkery oparte na sieci, analizując wyniki kliniczne ponad 700 pacjentów z trzema różnymi nowotworami (czerniak, rak żołądka i rak pęcherza moczowego) oraz dane transkryptomiczne tkanek nowotworowych pacjentów.

Wykorzystując biomarkery sieciowe, zespół z powodzeniem opracował sztuczną inteligencję, która może przewidywać reakcję na leczenie przeciwnowotworowe. Zespół dowiódł ponadto, że przewidywanie odpowiedzi na leczenie w oparciu na nowo odkryte biomarkery jest lepsze niż w przypadku konwencjonalnych biomarkerów leczenia przeciwnowotworowego, w tym celów immunoterapii i markerów mikrośrodowiska guza.