美國研究團隊近期開發出一款名為「scSurvival」的人工智慧模型，能夠深入分析腫瘤的單細胞數據，不僅精準預測癌症病患的存活率，更能識別出導致高風險的特定腫瘤細胞。這項創新技術在黑色素瘤和肝癌患者的臨床數據測試中，表現優於傳統分析方法。

根據《Mirage News》報導，這項由 National Institutes of Health（NIH）支持，並由奧勒岡健康與科學大學（OHSU）測試的研究顯示，傳統單細胞數據分析常將細胞資訊平均化，可能因此遺漏關鍵細節。而 scSurvival 模型採用機器學習框架，透過為每個細胞分配權重來評估其與存活率的關聯性，並過濾掉較不重要的細胞，最終平均加權後的細胞數據進行預測。

奧勒岡健康與科學大學生物醫學工程副教授鄭·夏（Zheng Xia）指出，scSurvival 透過對單細胞數據的細緻分析，得以考量個別細胞對疾病進程和存活結果的不同影響。這項模型已在數百名病患的單細胞數據和存活數據上進行訓練，並成功運用於超過 150 名癌症病患的臨床數據，準確預測存活結果。

研究團隊發現，scSurvival 不僅能識別與較好或較差存活率相關的特定免疫細胞和腫瘤細胞群，在黑色素瘤患者身上，更能辨識出與免疫療法反應相關的細胞族群。國家癌症研究所（NCI）所長安東尼·勒泰（Anthony Letai）表示，這種風險評估工具不僅能告知誰的風險較高，還能提供造成風險的原因線索，對於治療棘手癌症具有莫大助益。

這些研究結果顯示，細胞群體之間的差異顯著影響著腫瘤行為與治療反應，此人工智慧模型有望為癌症診斷和個人化治療策略帶來突破。