哈尔滨医科大学，最新Science子刊，预测肿瘤免疫治疗疗效！

背景：目前临床常用的免疫治疗预测生物标志物如PD-L1表达、肿瘤突变负荷等存在稳定性不足、标准不统一等问题，而现有机器学习模型多为“黑箱”系统，缺乏生物学可释性，难以挖掘疗效背后的分子机制。研究目的：哈尔滨医科大学韩俊伟团队开发了PathTIGR图表示学习框架，旨在整合生物学通路拓扑结构与肿瘤基因组变异数据，提高肿瘤免疫治疗疗效预测的准确性与可解释性。结论：PathTIGR模型在多个临床队列中表现优异，预测能力优于传统标志物与现有算法，能够有效区分治疗应答与非应答患者，并识别出NK细胞毒性通路、MAPK信号通路等关键调控机制，为免疫治疗患者分层和机制探究提供了有力工具。