综述：人工智能在免疫疗法中的应用：正在革新癌症和自身免疫性疾病的诊断与治疗方式

《Clinical and Experimental Medicine》：Artificial intelligence in immunotherapy: revolutionizing diagnostic and therapeutic applications in cancer and autoimmune diseases

人工智能通过整合多维度生物医学数据推动肿瘤和自身免疫病精准免疫治疗发展，主要应用于生物标志物发现、免疫检查点抑制剂响应预测、新抗原筛选、CAR-T优化和抗体工程，多模态模型（整合组学、影像和临床数据）在肿瘤疗效评估中AUC达0.70-0.95，自身免疫病中实现早期诊断和实时监测，但需解决数据异构性、模型可解释性和治理问题，可解释AI、联邦学习、数字孪生为临床转化提供路径。

　　

摘要

人工智能（AI）通过整合高维生物医学数据，不断推动精准免疫疗法的发展，为癌症和自身免疫性疾病的诊断、治疗选择以及长期监测提供支持。本综述总结了AI在生物标志物发现、免疫检查点抑制剂（ICI）反应和毒性预测、新抗原优先级排序、CAR-T细胞优化以及治疗性抗体工程中的应用。在肿瘤学领域，结合多组学、医学影像和临床变量的多模态模型能够改善患者分层和非侵入性反应评估，多项基于影像和病理学的预测任务展现了具有临床意义的性能（AUC通常在0.70至0.95之间，适用于不同肿瘤类型和评估终点）。在自身免疫性疾病中，AI实现了更早的诊断、分子亚型分类、治疗反应预测以及利用电子健康记录（EHR）、实验室数据、影像数据和可穿戴设备进行实时疾病活动追踪——这些技术有助于类风湿性关节炎和1型糖尿病等疾病的精准管理。主要挑战包括数据异质性、模型可解释性以及治理问题；然而，可解释性AI、联邦学习和数字孪生框架为AI在临床应用中的可靠转化提供了可行的路径。总体而言，AI正成为肿瘤学和自身免疫医学领域下一代患者特异性免疫疗法的基础技术。

摘要部分 图形摘要

人工智能通过生物标志物发现、反应预测、新抗原和抗体优化以及实时治疗管理，提升了癌症和自身免疫性疾病的免疫治疗效果，实现了临床应用中的精准医疗。