现在越来越多地用人工智能帮科学家加快新药研发、找新疗法。但要让AI工具有效发挥作用，研究人员得知道它们在实际场景里能不能被验证、能不能真的用起来。
南佛罗里达大学的一个研究团队正在往这个方向摸索，他们将人工智能与免疫学相结合，希望能改善肿瘤治疗，同时推动新药和疫苗的研发。
在《自然机器智能》期刊发表的一项新研究中，USF Health Morsani医学院的研究人员测试了AI工具能不能预测免疫系统最关键的任务之一：识别体内的外来物质。
这个过程对抵抗感染非常关键，对开发免疫疗法也很重要。免疫疗法就是帮助患者自己的免疫系统去攻击疾病。
南佛罗里达大学健康信息学研究所教授徐东表示：“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发挥着越来越重要的作用。不过，如果这些工具没能在真实条件下仔细测试，就可能会给出误导性或有偏见的结果。”
这项研究由徐东和该研究所的研究助理教授何飞领导，共同作者还有来自密苏里大学哥伦比亚分校的实习生王贤宇。
测试人工智能的免疫识别能力
研究人员用一个人工智能模型PanPep（全肽元学习的简称），开发了一套系统全面的评估框架，用来测试计算工具能否预测体内某些细胞会不会识别抗原并作出反应。抗原就是触发免疫反应的物质。
这个问题对药物研发很关键，因为免疫系统识别这些靶点的能力，决定了人体能否检测并对感染、肿瘤或疫苗作出反应。
他们的新框架可以解决一大类免疫学预测问题，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。这些重要过程帮助免疫细胞分辨哪些是身体自身的物质、哪些可能是威胁。
“我们测试了AI工具能不能准确预测一种重要的免疫系统相互作用，这可能有助于指导癌症免疫疗法和疫苗的开发，”这位研究人员说。“我们的结果指出了当前AI方法的优点和缺点，也为以后开发更安全、更可靠的医疗AI工具提供了参考。”
免疫细胞如何识别威胁
免疫细胞会识别抗原并作出反应。抗原就是细菌、病毒或肿瘤细胞表面的一些蛋白质，它们相当于外来标记，提醒免疫系统可能有威胁。
像T细胞和B细胞这样的适应性免疫细胞，会用专门的受体去识别病毒、过敏原、毒素或癌细胞等有害入侵者。其他免疫细胞会吞掉这些入侵者，把它们分解成抗原片段，再把片段呈递出来，启动有针对性的免疫防御。
PanPep在预测免疫反应中的作用
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。该工具旨在应对数据有限的挑战，能够模拟出一些情形，用来预测那些没见过或很少见的肽段会怎么结合——肽段就是由氨基酸组成的小链条，能当免疫系统的重要目标。
只要能把肽段和T细胞受体怎么结合预测准了，科学家就能找出并设计出对的“触发”肽段，专门对应特定的免疫细胞。这些触发肽段能加快免疫治疗，还能救命。
先把最适合做实验的候选挑出来，研究人员就不用再做那么多又费时间又花钱的大规模生物实验了。
朝着更快、更个性化的治疗前进
南佛罗里达大学的这项研究，标志着在更靠谱的AI辅助个性化癌症治疗和疫苗方面迈进了一大步。例如，借助PanPep等工具，科学家也许能在电脑上模拟肿瘤筛查的过程，把时间从几个月甚至几年缩短到几天。
比如说，如果医生能够迅速为四期癌症患者确定一种有希望的治疗方法，就可能延长他们的生命。但作者指出，虽然元学习方法只需要很少的实验数据就能建立准确、专门针对某个靶点的模型，但在安全地用来指导个性化治疗之前，这些方法仍需好好测试、不断改进。
作者说：“由于实际应用中往往涉及全新的免疫靶点，这些模型在多大程度上能够处理完全没见过的病例仍不清楚。这正是我们做这项研究的初衷。”
更多信息： 可复用性报告：利用元学习识别抗原特异性T细胞受体结合物，《自然·机器智能》（2026）。DOI: 10.1038/s42256-026-01236-6
热门跟贴