早期识别炎症性肠病（IBD）的治疗反应是临床面临的挑战之一。文章阐述人工智能（AI）在IBD生物制剂治疗应答中的研究进展，涵盖多种机器学习及深度学习算法在抗肿瘤坏死因子（TNF）-α制剂、乌思奴单抗（UST）和维得利珠单抗（VDZ）治疗IBD效果预测模型中的应用。发现临床特征及实验室检查是最常见的预测因子。相较于仅纳入这两类因子的模型，结合内镜下评分、多项组学及影像学数据的模型表现更佳。随机森林（RF）是最常用的AI模型，人工神经网络（ANN）次之，两者的模型性能相近。AI模型在预测治疗后临床症状、炎症指标及内镜下黏膜表现中均展现出良好的性能，但预测结局的指标较单一，缺乏更系统的疗效评估。此外，随着透壁愈合、组织学缓解等治疗目标逐渐进入研究视野，期待AI辅助探索最佳治疗结局，挖掘更多潜在的预测因子应用于临床。