复发风险直降49%！AI癌症疫苗III期成功，美国药监却要审它的"大脑"！

一个事实：2026年8月19日，全球第一支由AI"算"出来的癌症疫苗，在III期临床试验里正式赢了——做完黑色素瘤手术的患者，打这支疫苗+免疫药，复发和远处转移的风险都显著低于单用免疫药。它的前身IIb期追了5年，复发或死亡风险直降49%。

一个边界：但有一个细思极恐的问题：这支疫苗的"大脑"，也就是从几千个突变里挑出34个靶点的AI算法，至今是个商业黑箱。FDA（美国食品药品管理局）即将第一次审评一款"连开发者都讲不清为什么选这34个"的药——算法决定的成分直接打进人体，但没人能逐条解释它的选择逻辑。

一个判断：AI正在从制药业的"计算器"，变成决定"打什么药"的"核心大脑"。但监管怎么审、出了问题谁负责、医生怎么向患者解释——这三道关，监管部门才刚刚摸到门把手。

一、先弄明白：癌症疫苗到底是个啥

很多人对“疫苗”的理解还停留在打一针防感染。其实所有疫苗做的事只有一件：给免疫系统上培训课——把“敌人”的照片（抗原）递到免疫细胞面前，让它记住特征、练出专门部队（T细胞和抗体），下次真遇到就精准围剿。

照这个逻辑，“癌症疫苗”其实分两大家族，千万别搞混：

第一类是预防性疫苗，防的其实是病毒，癌是“连带收益”。乙肝疫苗防住乙肝病毒的慢性感染，就把一大块肝癌的源头掐掉了；HPV疫苗防住人乳头瘤病毒，就挡住了绝大多数宫颈癌。它们防的是“致癌的敌人”，不是癌本身。

第二类才是今天的主角：治疗性疫苗——人已经得了癌，教免疫系统去打仗，这就难多了。

第一难：癌细胞是"自己人叛变"。 癌细胞不是从外面闯进来的"坏蛋"，而是你身体里原来的"好细胞"自己变坏了——就像队伍里出了内鬼，穿着跟你一样的制服，混在人群里，保安根本分不清谁是敌人。

第二难：肿瘤会给免疫系统"踩刹车"。人体本来有一套"自动刹车"系统：免疫细胞（T细胞）打完仗需要冷静下来，防止杀红眼误伤自己人。正常细胞表面会挂一块"自己人"的牌子（PD-L1），T细胞身上的感应器（PD-1）一碰到这块牌子，就自动收枪。癌细胞在跟免疫系统长期博弈中，学会了在自己的表面也挂上这块牌子。T细胞冲过来一看："哟，自己人，刹车！" 于是明明认出来了，也只能干瞪眼。

那怎么对付这个"刹车"？有一类药叫PD-1抑制剂（比如K药、O药），你可以把它理解为"拆刹车片"的药——提前把T细胞身上的感应器挡住，让它看不见那块"自己人"的牌子。刹车失灵了，T细胞就重新活跃起来，该打谁打谁。

但光靠"松绑"还不够。T细胞被松了绑，却不知道该打谁——它缺一张"通缉照"。

转机在于癌细胞有个致命破绽：突变。 细胞癌变的过程会积累大量基因突变，其中一些突变会产生一种叫"新生抗原"（neoantigen）的异常蛋白片段——它只出现在肿瘤细胞上，正常细胞绝对没有。对免疫系统来说，这就是一张只贴在坏人脸上的通缉照。

但麻烦在于：每个人的"通缉照"都不一样。 你的肿瘤可能携带几百上千个突变，但真正能当通缉照的往往只有几个到几十个。更关键的是，你跟隔壁床患者的"通缉名单"几乎完全不重叠——因为每个人的癌症都是DNA在不同位置、因不同原因出的错，就像两本30亿字的说明书被随机涂改，错字的位置和组合千差万别。

所以这类疫苗必须"一人一方"：先给每个患者的肿瘤和正常细胞做基因测序，找出他独有的突变，再从中挑出最有价值的那几十个做成疫苗。

但人脑做不到这件事。 在成百上千个候选突变里，靠经验和有限的生物信息学工具一个个筛，不仅耗时数月，准确率还极低——大量"假阳性"抗原被选中，疫苗打进去，免疫系统毫无反应。这就是AI的用武之地：输入测序数据，算法在几天内完成突变识别、优先级排序，最终输出编码最多34个最优新生抗原的mRNA序列。挑靶点这件事，算法比人快，也比人准。

最后一个关键角色是mRNA技术。 传统疫苗像是从工厂直接发货的成品——先把蛋白质抗原生产出来，再打进你体内。但mRNA疫苗走的是另一条路：它只给你一张"施工图纸"。把这张图纸（mRNA）送进体内后，你自己的细胞就像拿到了说明书，能照着图纸自己造出"训练靶子"（新抗原蛋白）。免疫系统看到这些靶子，就地开始练兵，记住敌人的样子。

这就好比：传统疫苗是给你送了一个假人模特让你练拳击；mRNA疫苗是给你一张假人图纸，你自己动手做一个来练。好处是快——改图纸比改建工厂容易多了，所以才能为每个患者快速定制专属疫苗。

更妙的是，mRNA疫苗和PD-1抑制剂是绝配。PD-1抑制剂负责把免疫系统的"刹车"松开，让T细胞重新活跃起来；而mRNA疫苗负责给这些被松了刹车的T细胞发一张"通缉令"，告诉它们："去揍这个样子的细胞！"

一个负责松绑，一个负责指路——这就是INTerpath-001试验里"联合用药组"的设计思路。试验结果也证明，联合组明显优于单用PD-1抑制剂：警察既有了行动力，又知道了该抓谁。

二、前世今生：135年，从“以毒攻瘤”到“AI定制”

用免疫系统打癌症，这个想法比抗生素还老。

1891年，美国外科医生威廉·科利（William Coley）注意到一个怪事：一些癌症患者在一次严重细菌感染后，肿瘤竟然缩小了。他干脆“以毒攻瘤”，往肿瘤里注射细菌提取物（后人称“科利毒素”），部分肉瘤患者确实出现了缓解。但这种疗法无法标准化、时有患者死于感染，随着放疗和化疗兴起，被扔进了故纸堆。

1990年，思路以另一种形式回来了：FDA批准用卡介苗（BCG，一种减毒结核菌）灌注膀胱，治疗浅表性膀胱癌——用细菌在膀胱里点一把“炎症的火”，把免疫系统吸引到肿瘤周围。三十多年过去，它至今仍是这类膀胱癌的标准疗法之一。

2010年，里程碑也是警示录：FDA批准了首个治疗性癌症疫苗Provenge（sipuleucel-T），用于晚期前列腺癌，III期试验显示中位总生存期延长4.1个月。获益温和，但第一次证明“疫苗治癌”这条路走得通。然而每疗程9.3万美元的高价、“每个患者单独采血定制”的繁琐工艺拖垮了商业化——生产商Dendreon于2014年申请破产保护，资产被收购。技术成功≠商业成功，这个教训今天仍然适用。

2015年，首个溶瘤病毒T-VEC获批用于黑色素瘤（改造过的疱疹病毒，直接在肿瘤内部“引爆”并释放抗原）；2017年，两篇《自然》论文首次在人体证明“个体化新抗原疫苗”可行——为每位黑色素瘤患者单独测序、单独设计疫苗，真的激发了针对其专属突变的T细胞反应。这就是今天intismeran的直系祖先。

2020年，新冠疫情给mRNA平台做了一次史无前例的“大练兵”：产能、质控、监管路径全部打通，个体化mRNA癌症疫苗顺势提速。2026年8月，intismeran成为第一个在III期证明自己的个体化新抗原疫苗。

癌症疫苗135年大事记

回头看这135年，真正的变量有两个：一是靶点从“大概齐”变成“一人一单”（新抗原＋测序），二是图纸生产方式从蛋白质换成mRNA（快、灵活）。而即将登场的第三个变量，是把“挑靶点”这件事交给AI。

三、术后6-8周黄金窗口：AI在跟潜伏的癌细胞赛跑

手术刀切掉了肉眼可见的肿瘤，但切不掉隐患。

癌症复发，往往不是因为主肿瘤没切干净，而是因为手术前就已经有少量癌细胞"偷跑"了——它们通过血液或淋巴液溜到身体其他角落，数量太少，CT、MRI都看不见，手术刀也够不着。这些"漏网之鱼"可能只有几百几千个，静静潜伏几个月甚至几年，然后突然冒出来，长成新的肿瘤。

术后辅助治疗干的就是这件事：在癌细胞还没成气候之前，把它们揪出来干掉。 传统做法是化疗、放疗，无差别轰炸；而个体化疫苗的思路更精准——趁体内还有微量残余病灶的时间窗口，提前训练免疫系统记住癌细胞的脸，让巡逻兵（T细胞）自己去搜捕那些潜伏的"内鬼"。

这就是INTerpath-001的设计：患者做完肿瘤完全切除后，立刻进入疫苗制备流程，目的不是治"现有的肿瘤"（已经切了），而是"防止它再回来"。

那么，一支专属疫苗是怎么从0到1造出来的？

想象这样一个场景：一位黑色素瘤患者刚做完肿瘤切除手术，医生从他的肿瘤组织和血液样本中提取DNA，送去做全外显子测序（WES）和RNA测序。黑色素瘤是突变负荷最高的癌种之一，测序结果可能显示，他的肿瘤携带成百上千个体细胞突变（示意，不同患者差异很大）。

问题来了：这么多突变里，哪些能被他的免疫系统识别为"敌人"？

在AI出现之前，科学家只能靠经验和有限的生物信息学工具一个个筛。人工筛选不仅耗时数月，而且准确率极低——大量"假阳性"抗原被选中，疫苗打进去，免疫系统毫无反应。

莫德纳的解法是一套全自动化的专有AI算法链。输入患者的测序数据，算法在几天内完成突变识别、HLA分型（HLA即人类白细胞抗原，负责把抗原"展示"给免疫系统）、表达验证、新生抗原预测和优先级排序，最终输出编码最多34个最优新生抗原的mRNA序列。算法环节只要几天，但加上个体化生产和质检放行，从肿瘤切除到疫苗送达临床中心，全程通常需要6到8周（Moderna工艺文件口径）。

AI设计个体化癌症疫苗流程时间线

这套系统的关键不在"快"，而在"闭环学习"。据公司介绍，临床结果和免疫原性数据会持续用于迭代模型——这不是静态软件，而是一个被设计成"越用越聪明"的制药引擎（公司口径，具体迭代机制未公开）。

四、算法的三代进化：从“猜”到“算”再到“学”

要理解AI在这支疫苗中的分量，得先看新生抗原预测算法走了多远。

第一代算法诞生于2000年代，核心是MHC结合亲和力预测（MHC即主要组织相容性复合体，代表工具：NetMHC）。逻辑很简单：预测突变肽段能不能“粘”到患者的HLA分子上。但问题是，能粘上不等于能被T细胞识别——按行业估算，这一代方法的真阳性率大约只有5%-10%（推算区间，下同）。大量疫苗因此失败。

第二代算法在2010年代出现，开始整合多维度信息：RNA表达水平（这个突变真的在转录吗？）、蛋白酶体切割效率（肽段能被加工出来吗？）、TAP转运效率（TAP即抗原加工相关转运蛋白，负责把肽段送进内质网）。真阳性率提升到约15%-20%，但仍不够。

第三代算法是2020年后的突破。深度学习模型开始直接消化免疫肽组学（immunopeptidomics）数据——也就是真正从细胞表面洗脱下来的、被HLA呈递的肽段质谱数据。再加上T细胞反应数据训练，模型学会了预测“哪些抗原不仅会被呈递，还会被T细胞攻击”。行业推算，这一代算法的真阳性率可达30%-50%。

三代新生抗原预测算法进化对比

Moderna的算法属于第三代，但具体架构是商业秘密。业内共识是：预测精度本身就是护城河，各公司绝不会公开核心模型。这也是为什么监管审查格外棘手——监管机构要评估一个连竞争对手都看不到的“黑箱”。

五、不只是Moderna：全球AI癌症疫苗战场（有人领跑，有人已经出局）

Moderna不是唯一玩家。AI＋个体化癌症疫苗曾是全球药企的兵家必争之地，但各家命运已经分化。

BioNTech（与基因泰克合作）的autogene cevumeran（BNT122）同样走个体化路线，编码最多20个新生抗原，目前针对胰腺癌和结直肠癌的II期试验正在进行中。其最受关注的数据来自一项I期研究（Nature 2023）：16例胰腺癌患者接种疫苗后，8例产生了疫苗特异性T细胞应答；18个月中位随访时，应答者的中位无复发生存期尚未达到，而无应答者为13.4个月（P=0.003）。后续3年随访（Nature 2025）进一步显示疫苗诱导的T细胞可以长期存活。胰腺癌是“癌王”，免疫治疗历来难治，这组数据因此备受瞩目——但请注意，样本只有16例，尚需正在进行的随机II期来验证。

Gritstone则是这个赛道的警示注脚。它的EDGE AI平台曾走差异化路线：GRANITE做个体化新生抗原，SLATE做共享新生抗原（针对常见突变，不需要逐人设计）。但2024年其结直肠癌II期数据不及预期，公司于2024年10月申请破产保护，核心资产同年12月被收购，2025年4月重整计划生效。数据壁垒的故事讲得再好，临床数据不兑现，资本市场不会等待。

Evaxion的AI-Immunology平台更偏早期，特点是完全由AI驱动靶点发现，从患者数据到候选抗原全程算法决策。

全球AI癌症疫苗主要管线一览

一个值得注意的趋势：头部玩家普遍把AI平台握在自己手里，鲜有外包给第三方AI公司。新生抗原预测模型的核心竞争力在于专有临床数据——你治过的患者越多，算法越准。这形成了一道数据壁垒，后来者很难追赶。

六、黑箱困境：当AI成为制药的核心基础设施

III期成功了，但一个尖锐问题随之而来：如果AI挑错了抗原，谁负责？

这不是杞人忧天。AI从成百上千个突变里挑出34个，本质上是在玩一场概率游戏——它根据模型对"免疫原性"的打分来下注，但免疫系统的复杂程度远超当前模型的理解。

打个比方：AI就像一个经验老到的猎头，能从几千份简历里筛出34个候选人。但问题是，它看简历的标准并不完全靠谱。有时候它打高分的候选人，入职后才发现是个"混子"——不仅干不了活，还可能带坏团队（诱导免疫耐受，反而抑制免疫反应）；有时候它淘汰的简历里，可能藏着真正的"黄金员工"（真正的黄金靶点）。

好消息是，在I期KEYNOTE-603研究中，科学家把AI挑出的抗原拿到患者体外做验证，结果确实能激发特异性T细胞反应（Cancer Discovery 2024）——这证明AI的"眼光"总体是在线的。

但坏消息是：为什么偏偏是这34个，而不是另外34个？ 完整的生物学解释，科学家自己也说不清楚。就像那个猎头能招对人，但让他解释"为什么选A不选B"，他只能摊摊手："凭感觉，但感觉挺准的。"

这就是AI制药最尴尬的地方：结果能验证，过程讲不清。

为什么讲不清？因为AI是个"黑箱"。

你可以把深度学习模型想象成一颗经过长期训练的人造大脑：它有几千万甚至上亿个"神经元"（参数），输入患者的测序数据后，这些神经元之间疯狂传递信号，层层加工，最后输出"选择这34个"的结论。但问题是，没人能逐条追踪这上亿个参数到底做了哪些计算、为什么给A打了90分而B只打了30分——就像你问一个资深老中医"为什么开这味药"，他能说出大致思路，但说不清大脑里每一个神经突触是怎么投票的。

这不是莫德纳故意保密（虽然商业机密确实存在），而是第三代深度学习模型本身的特性：它从海量数据里"悟"出了规律，但这个规律被分散存储在无数参数的权重中，人类无法把它翻译成一套可逐条检查的"说明书"。

所以FDA面对的困境是：你能证明这药有效，但你解释不了AI为什么这样设计——审评一款连自己开发者都讲不清原理的药，这是历史上第一次。这带来了三重挑战：

1、监管层面：FDA并非第一次接触AI——2016年以来，该机构已收到超过500份含AI组件的申报，并在2025年1月发布首份药品AI审评草案《关于使用人工智能支持药品和生物制品监管决策的考量》（提出7步“可信度评估框架”），2026年1月又与欧洲药监局（EMA）联合发布《药物研发良好AI实践指导原则》。但以往AI多用在分析、质控环节；这一次，算法直接决定了“打进患者身体里的成分”，审评的深度和性质都不同。两家公司表示，将就申报事宜与监管机构沟通——按照上述草案，支持监管决策的AI模型需要提交训练数据、验证方法和生命周期管理的可信度文档。

2、临床层面：如果某个患者对疫苗无应答，是AI选错了抗原，还是患者本身的免疫状态问题？医生需要可解释性来指导下一步治疗。

3、伦理层面：个体化疫苗的“一人一药”模式意味着，传统的大规模随机对照试验（RCT）设计受到挑战。对照组该怎么设？每个患者的疫苗都不一样，如何证明是AI的设计而非其他因素在起作用？

七、数据飞轮：为什么越用越准

尽管有黑箱困境，AI癌症疫苗的商业逻辑依然坚固——因为它自带数据飞轮效应。

从I期KEYNOTE-603算起，到2026年III期成功，这条研发路线前后走了近十年，积累了上千例患者的“测序输入→AI预测→免疫反应→临床结局”闭环数据。这些数据持续反哺算法，形成正循环：

更多患者→ 更多数据 → 更准的模型 → 更好的临床结果 → 更多患者

这个飞轮的转速，决定了谁能最终胜出。BioNTech在胰腺癌上的深耕、INTerpath项目向肺癌、肾癌、膀胱癌、结直肠癌等癌种II/III期试验的扩展，本质上都是在为自己的飞轮加速。

Moderna Intismeran关键临床里程碑

疗效数据的演变轨迹，透露了一个关键信号。

先看IIb期KEYNOTE-942（157名患者）的长期随访：联合疫苗+PD-1治疗组，与单用PD-1相比，复发或死亡的风险比从最初分析的0.561，逐步改善到3年随访的0.510，并在5年时稳定在了0.510。这意味着，患者的复发或死亡风险降低了49%；而远处转移或死亡的风险，在5年时降低了59%（风险比0.411）。

这里有个数字游戏要解释：风险比0.510，你可以理解为"治疗组出事的几率只有对照组的一半"。打个比方：如果对照组有100个人复发，治疗组大概只有51个人——少了一半。而且这个数字从0.561降到0.510后不再波动，说明疫苗的保护力不是昙花一现，而是越盯越稳，长期有效。

但必须划清界限：上面这些49%、59%的漂亮数字，全部来自IIb期——样本只有157人。刚刚宣布成功的III期虽然确认了达到主要终点和关键次要终点，但样本扩大到1,137人，具体的风险比数值尚未公布，总生存期数据也还在随访中。换句话说，III期"赢了"，但赢多少分，还要等医学会议揭晓。

不过，即便只看IIb期这条从0.561→0.510的下降曲线，也能看出一个趋势：AI挑靶点的能力，是在逐年迭代的。早期模型选出的抗原组合，可能只能做到0.561；随着更多临床数据喂回算法，模型越来越会挑，最终把保护力推到了0.510并稳定下来。这串数字背后，不只是mRNA技术成熟了，更是AI"看脸"的准确率——在一次次试错中越练越准。

八、下一个轮到谁：癌症疫苗的未来版图

III期成功的是黑色素瘤，那下一个被这套打法攻克的会是谁？判断某种癌症适不适合这条路，看两个硬条件。

条件一：突变够不够多。突变越多，新抗原“破绽”就越多，AI可挑的靶子就越充足。按TCGA图谱的量级（Nature 2013），黑色素瘤、肺癌、膀胱癌、头颈鳞癌是天然的高突变癌种——这正好解释了为什么它们也是PD-1抑制剂最先奏效的癌种（Science 2015已证明突变负荷与免疫治疗应答相关），也解释了INTerpath项目扩展的方向：非小细胞肺癌（III期在研）、膀胱癌、肾癌（II期，INTerpath-004）、结直肠癌（II期）等。

条件二：患者等不等得起。一支个体化疫苗要6到8周才能造出来，这决定了它的主战场是“术后防复发”（辅助治疗）——切完肿瘤、体内只剩微量残余病灶的时间窗口，而不是晚期肿瘤疯长时的抢救。INTerpath-001的设计正是如此：术后患者，疫苗的任务是清扫残敌。

各癌种突变负荷与疫苗研发布局

那低突变癌种就没希望了吗？未必。

胰腺癌、前列腺癌、胶质母细胞瘤（恶性脑瘤）突变负荷低、免疫微环境“冷”，是公认的硬骨头——但胰腺癌恰恰是被押注最狠的一个：BioNTech的II期正在进行，逻辑是“胰腺癌术后几乎必然复发，哪怕把复发推迟几个月，对患者也是实打实的获益”；胶质母细胞瘤也已有I期尝试（Nature 2019）。这些方向的共同点是：不求治愈，先求多赢一点时间——这也符合癌症疫苗目前的真实能力边界。

最后把话说清楚：III期成功不等于获批上市，即便获批，首个适应症也是黑色素瘤术后辅助治疗；其他每一个癌种，都要各自走完自己的III期。版图的扩展顺序，大概率是跟着“突变负荷”这张地图走的——而地图的绘制者，正在从人换成AI。

写在最后

AI与癌症疫苗的结合，正在经历从“技术验证”到“监管落地”的关键一跃。III期的成功证明了一件事：算法参与设计的药物，可以在最严格的临床试验里证明自己。

但更大的问题才刚刚浮现：当AI从“辅助工具”变成“核心决策者”，制药业的质量管控、监管框架和临床思维，都需要重写。下一款AI深度参与设计的药物，可能不是疫苗，而是小分子、抗体，甚至是基因编辑方案。FDA今天建立的算法审评逻辑，将成为未来十年的行业标准。

今日互动（二选一）：

1️⃣ 如果AI参与设计的癌症疫苗获批上市，你愿意让AI算法决定你的治疗方案吗？为什么？

2️⃣ 你觉得AI制药的“黑箱”问题，应该靠强制公开算法解决，还是靠建立独立的算法审计机构解决？

欢迎在评论区留下你的选择和理由，点赞最高的读者将获得我们整理的《全球AI癌症疫苗管线追踪表（2026Q3版）》。

免责声明：本文为健康科普内容，不构成任何医疗建议。文中疫苗（intismeran autogene）尚处于临床研究阶段，尚未在任何国家获批上市；相关疗效数据以临床试验最终结果和监管机构审评结论为准。

信源清单（分级：S＝官方/监管/顶刊，A＝正规媒体/公司正式披露，B＝单一来源/行业资料）

[S]1. Merck & Moderna 新闻稿：Phase 3 INTerpath-001达到RFS主要终点与DMFS关键次要终点（2026-08-19，数值待医学会议公布；INTerpath-001＝NCT05933577） 2. Weber JS et al. KEYNOTE-942随机IIb期主要分析.Lancet 2024; 403: 632-644（NCT03897881） 3. Khattak A et al. KEYNOTE-942五年随访.J Clin Oncol 2026（DOI: 10.1200/JCO-26-00835；ASCO 2026 摘要#9500）：RFS HR 0.510、DMFS HR 0.411 4. Gainor JF et al. KEYNOTE-603 I期T细胞反应验证.Cancer Discovery 2024; 14: 2209-22235. Rojas LA et al. 个体化RNA新抗原疫苗治疗胰腺癌（I期）.Nature 2023; 618: 144-1506. Sethna Z et al. RNA新抗原疫苗诱导长效CD8+ T细胞（3年随访）.Nature 2025; 639: 1042-10517. 免疫肽组学与新抗原发现.Nature 2022; 607: 149-1558. FDA《Considerations for the Use of Artificial Intelligence to Support Regulatory Decision-Making for Drug and Biological Products》（草案，2025-01，FDA-2024-D-4689）；FDA-EMA《Guiding Principles of Good AI Practice in Drug Development》（2026-01） 9. Kantoff PW et al. Sipuleucel-T（Provenge）IMPACT III期.N Engl J Med 2010; 363: 411-422（中位总生存期25.8 vs 21.7个月，+4.1个月） 10. Pol J et al. T-VEC获批评论.OncoImmunology 2016; 5: e1115641（FDA于2015-10-27批准首个溶瘤病毒，OPTiM试验DRR 16.3% vs 2.1%） 11. Ott PA et al. 个体化新抗原疫苗（黑色素瘤）.Nature 2017; 547: 217-221；Sahin U et al. RNA突变组疫苗.Nature 2017; 547: 222-22612. Carreno BM et al. 树突状细胞新抗原疫苗.Science 2015; 348: 803-80813. Alexandrov LB et al. 人类癌症突变特征图谱（各癌种突变负荷量级）.Nature 2013; 500: 415-42114. Rizvi NA et al. 突变负荷决定非小细胞肺癌PD-1应答.Science 2015; 348: 124-12815. Keskin DB et al. 新抗原疫苗治疗胶质母细胞瘤Ib期.Nature 2019; 565: 234-239；Hilf N et al.Nature 2019; 565: 240-24516. INTerpath-004（肾癌辅助治疗II期，NCT06307431）；Ott PA et al. 新抗原疫苗＋PD-1 Ib期（黑色素瘤/肺癌/膀胱癌）.Cell 2020; 183: 347-36217. 癌症免疫疗法历史综述（科利毒素1891；BCG膀胱癌1990获批）.Curr Opin Oncol 2014; 26(2): 222-7等 18. Xie N et al. 新生抗原综述.Signal Transduction and Targeted Therapy 2023; 8: 9

[A/B]19. Dendreon破产报道.Nature Biotechnology 2014; 32: 1176（Provenge每疗程9.3万美元，2014-11申请破产保护）[A] 20. Moderna：intismeran autogene端到端工艺文件（生产至送达临床中心通常6–8周，2025-10）[B，公司文件] 21. Gritstone bio破产重整：特拉华破产法院案件No.24-12305（2024-10申请；2025-04计划生效；核心资产售予Seattle Project Corp.）[A，法院文件＋行业报道] 22. Evaxion公司公开资料（AI-Immunology平台）[B]

注：文中三代算法“真阳性率”各区间均为行业推算，无权威统一口径，仅供量级参考；各癌种突变负荷为TCGA中位数量级示意，个体患者可能显著偏离。