El carcinoma hepatocelular (HCC) es una de las principales causas de muerte relacionadas con el cáncer, siendo la inmunoterapia un tratamiento de primera línea en etapas avanzadas y más allá. La hipoxia juega un papel crítico en la progresión del tumor y la resistencia a la terapia. Este estudio desarrolla y valida un modelo de inteligencia artificial (IA) basado en conjuntos de datos genómicos públicos para predecir respuestas a la inmunoterapia relacionadas con la hipoxia. Basado en los genes de superposición HCC-Hipoxia (HHO) y respuesta a la inmunoterapia a la hipoxia (IRH) seleccionados por análisis de expresión diferencial y enriquecimiento, se construyó y validó un modelo de hipoxia en los conjuntos de datos TCGA-LIHC y GSE233802, respectivamente. Los conjuntos de entrenamiento y prueba se ensamblaron a partir del conjunto de datos EGAD00001008128 de 290 pacientes con HCC, y las clases de respuesta y no respuesta se equilibraron utilizando la Técnica de Sobremuestreo de Minorías Sintéticas. Con los genes seleccionados a través de la Mínima Redundancia Máxima Relevancia y métodos de avance paso a paso, se entrenó un modelo de Red de Kolmogorov-Arnold (KAN). La Máquina de Vectores de Soporte (SVM) combinó los modelos de Hipoxia y KAN para predecir la respuesta a la inmunoterapia. El modelo de hipoxia se construyó utilizando 10 genes (IRH y HHO). El modelo KAN con 11 genes logró una precisión de prueba del 0.7. El SVM que integra los modelos de hipoxia y KAN logró una precisión de prueba del 0.725. El modelo de IA establecido puede predecir la respuesta a la inmunoterapia basada en el riesgo de hipoxia y factores genómicos potencialmente intervenibles en pacientes con HCC.