طور الباحثون نموذجًا للذكاء الاصطناعي للسرطان يتنبأ بكيفية استجابة المرضى للعلاج المناعي بشكل أكثر دقة من المؤشرات الحيوية القياسية التي يعتمد عليها الأطباء اليوم. تم وصف النموذج، المسمى COMPASS، في دراسة نشرت في مجلة Nature Medicine في 3 يوليو 2026، وهو معمم عبر أنواع مختلفة من الأورام، وأنظمة العلاج، والأتراب السريري.
لقد أدى العلاج المناعي، وخاصة فئة من الأدوية المعروفة باسم مثبطات نقطة التفتيش المناعية، إلى إحداث تحول في رعاية مرضى السرطان، ولكن لا يستفيد منه سوى أقلية من المرضى. بالنسبة إلى [تغطية صناعة الذكاء الاصطناعي] (https://aibuzzwire.news) التي تتابع كيف يعيد التعلم الآلي تشكيل الطب، تقدم COMPASS نظرة تفصيلية حول كيفية انتقال تقنيات النموذج الأساسي من اللغة والصور إلى علم الأورام.
المشكلة التي تعالجها البوصلة
لقد أدت مثبطات نقاط التفتيش المناعية، أو ICIs، إلى تحسين النتائج بشكل كبير بالنسبة لبعض أنواع السرطان عن طريق إطلاق المكابح على الجهاز المناعي حتى يتمكن من مهاجمة الأورام. المعضلة هي أن الاستجابات متفاوتة. ولا يتمكن سوى مجموعة فرعية من المرضى من تحقيق شفاء دائم، في حين لا يرى كثيرون آخرون أي فائدة على الإطلاق، ولا يملك الأطباء سوى أدوات محدودة لتحديد مقدما من سيستجيب.
إن تنبؤات اليوم التي تم التحقق من صحتها سريريًا، وعلى رأسها العبء الطفري للورم (TMB) والتعبير عن بروتين يسمى PD-L1، غير كاملة. لم يجد تحليل السرطان الشامل لأكثر من 27000 مريض عولجوا بالـ ICI سوى روابط ضعيفة أو غير متسقة بين تلك العلامات واستجابات المريض الفعلية. والنتيجة هي أن المرضى قد يتعرضون لأدوية لن تساعدهم، في حين لا يتم تحديد هوية الآخرين الذين قد يستفيدون منها.
تهدف COMPASS إلى سد هذه الفجوة من خلال تعلم مفاهيم قابلة للتفسير وذات أسس بيولوجية حول البيئة الدقيقة المناعية للورم (TIME)، والتفاعل المعقد بين الورم والخلايا المناعية المحيطة به.
نموذج مؤسسة عنق الزجاجة
تم تصميم COMPASS كنموذج عنق الزجاجة المفاهيمي، وهي بنية مصممة لتكون قابلة للتفسير بدلاً من كونها صندوقًا أسود. فهو يعالج بيانات تسلسل الحمض النووي الريبي (RNA) الخاص بورم المريض من خلال جهاز تشفير الجينات القائم على المحولات والذي يقرأ التعبير عن 15672 جينًا لترميز البروتين. يتم بعد ذلك عرض هذه التضمينات الجينية على 132 توقيعًا جينيًا منسقًا وتجميعها في 43 مفهومًا عالي المستوى للمناعة والبيئة الدقيقة، مما ينتج تمثيلًا مضغوطًا للديناميكيات المناعية للورم لكل مريض.
تم تدريب النموذج مسبقًا باستخدام التعلم التقابلي الخاضع للإشراف الذاتي على 10184 ورمًا عبر 33 نوعًا من أنواع السرطان من أطلس جينوم السرطان (TCGA). من خلال التعلم من كميات كبيرة من البيانات غير المسماة أولاً، يبني نظام COMPASS تمثيلات قابلة للتعميم يمكن بعد ذلك ضبطها على مجموعات سريرية أصغر بكثير، وهي خاصية مهمة نظرًا لمدى ندرة بيانات العلاج المناعي الموسومة.
ونظرًا لأن البنية تمرر المعلومات من خلال مفاهيم يمكن للإنسان قراءتها، يستطيع الأطباء فحص الإشارات البيولوجية، مثل استنفاد الخلايا التائية، أو برامج النخاع الشوكي، أو إشارات التنظيم المناعي، التي قادت إلى تنبؤ معين. وهذا يتناقض مع العديد من نماذج التعلم العميق التي تنتج النتيجة دون توضيح السبب الكامن وراءها.
نتائج قوية عبر السرطان
قام الباحثون بتقييم COMPASS على 1133 مريضًا تم اختيارهم من 16 مجموعة سريرية تغطي سبعة أنواع من السرطان، وذلك باستخدام نسخ الورم المعالجة مسبقًا للتنبؤ بالاستجابة لمثبطات نقاط التفتيش بما في ذلك مضادات PD-1/PD-L1، ومضادات CTLA-4، والعلاجات المركبة.
في تقييم يتطلب ترك مجموعة واحدة، حيث يتم اختبار النموذج بشكل متكرر على مجموعة لم يسبق لها مثيل، حققت COMPASS أفضل متوسط أداء من بين 22 نموذجًا منافسًا. لقد أدى ذلك إلى تحسين دقة التنبؤ بنسبة 8.5 بالمائة والمنطقة الواقعة تحت منحنى الاسترجاع الدقيق (AUPRC)، وهو مقياس رئيسي عندما تكون إحدى النتائج أكثر ندرة من الأخرى، بنسبة 15.7 بالمائة.
وجاءت النتيجة الأكثر إثارة للدهشة في تجربة المرحلة الثانية من سرطان الظهارة البولية النقيلي، وهو سرطان المثانة والمسالك البولية. المرضى الذين توقعت COMPASS استجابتهم نجوا لفترة أطول بكثير من أولئك الذين توقعت عدم استجابتهم، مع نسبة خطر تبلغ 4.7 وقيمة P تبلغ 1.7 × 10⁻⁷. في هذا المقياس، تفوق نموذج الذكاء الاصطناعي في أداء اختبار TMB وPD-L1، وهي المؤشرات الحيوية المستخدمة حاليًا في العيادة.
شرح لماذا يستجيب المرضى أو لا يستجيبون
وبعيدًا عن الدقة الأولية، يقوم COMPASS بإنشاء خرائط استجابة مخصصة تربط التعبير الجيني للمريض بمفاهيم مناعية محددة. تساعد هذه الخرائط في شرح الآلية الكامنة وراء التنبؤ، وتكشف الحالات التي تكون فيها الفئات التقليدية مضللة.
على سبيل المثال، غالبًا ما يصنف الأطباء الأورام باستخدام ثلاثة أنماط ظاهرية مناعية: الملتهبة، والمستبعدة، والصحراوية. لكن COMPASS أظهرت أن هذا الفرز التقريبي يمكن أن يكون خادعًا. بعض المرضى الذين يعانون من أورام "ملتهبة"، والتي من المفترض أن تتنبأ باستجابة جيدة، لم يستجبوا بسبب قمع الإشارات التي يقودها بروتين يسمى TGFβ، أو استبعاد الأوعية الدموية، أو خلل وظيفي في بعض الخلايا المناعية. وعلى العكس من ذلك، فإن بعض المرضى الذين لم تبدو أورامهم ملتهبة استمروا في الاستجابة، لأنهم احتفظوا بالنشاط المناعي السام للخلايا أو حملوا عبئًا طفريًا كبيرًا دون إشارات مثبطة للمناعة.
ومن خلال حل هذه الفروق الخفية، تحدد COMPASS الحالات المناعية الوظيفية التي تكمل المؤشرات الحيوية الموجودة، بدلاً من استبدالها ببساطة.
ما يأتي بعد ذلك
وتؤكد الدراسة على إمكانات الذكاء الاصطناعي وحدوده في علاج الأورام. يعمم نظام COMPASS عبر أنواع السرطان وعلاجاته، ويمكنه التكيف مع مجموعات سريرية صغيرة من خلال تعلم نقل فعال المعلمات، بما في ذلك وضع الجرعة الصفرية الذي يطابق المرضى الجدد مع حالات مماثلة دون تدريب إضافي. لكن لاحظ المؤلفون أن استجابة العلاج المناعي تعتمد على عوامل عديدة تتجاوز النسخة النصية، وسيتطلب التبني السريري مزيدًا من التحقق عبر مجموعات سكانية أكبر وأكثر تنوعًا.
يعكس العمل أيضًا اتجاهًا أوسع: نماذج الأساس التي تم تدريبها مسبقًا على مجموعات بيانات ضخمة ومن ثم تكييفها مع المهام الطبية المتخصصة تقترب من العيادة. ما إذا كانت المفاهيم المستفادة من البيولوجيا المناعية للورم يمكن ترجمتها إلى قرارات علاج أفضل وأسرع للمرضى الأفراد هو السؤال الذي يجب أن تجيب عليه الجولة التالية من التجارب.
ابق في صدارة الذكاء الاصطناعي
تنتقل النماذج التأسيسية بشكل متزايد من النصوص والصور إلى الطب والعلوم. تتبع أحدث تطورات الذكاء الاصطناعي التي تشكل الرعاية الصحية والأبحاث.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
