গবেষকরা একটি প্যান-ক্যান্সার এআই মডেল তৈরি করেছেন যা ভবিষ্যদ্বাণী করে যে কীভাবে রোগীরা ইমিউনোথেরাপিতে আরও সঠিকভাবে প্রতিক্রিয়া জানাবে তার চেয়ে সঠিক বায়োমার্কার ডাক্তাররা আজ নির্ভর করে। COMPASS নামক মডেলটি 3 জুলাই, 2026-এ নেচার মেডিসিনে প্রকাশিত একটি সমীক্ষায় বর্ণনা করা হয়েছিল এবং এটি বিভিন্ন টিউমারের ধরন, চিকিত্সার পদ্ধতি এবং ক্লিনিকাল কোহর্ট জুড়ে সাধারণীকরণ করে।

ইমিউনোথেরাপি, বিশেষ করে এক শ্রেণীর ওষুধ যা ইমিউন চেকপয়েন্ট ইনহিবিটর নামে পরিচিত, ক্যান্সারের যত্নে রূপান্তরিত করেছে, কিন্তু শুধুমাত্র অল্প সংখ্যক রোগীই উপকৃত হয়। AI শিল্প কভারেজ এর জন্য মেশিন লার্নিং কীভাবে ওষুধকে নতুন আকার দিচ্ছে, COMPASS কীভাবে ফাউন্ডেশন-মডেল কৌশলগুলি ভাষা এবং ছবি থেকে অনকোলজিতে চলে যাচ্ছে তার বিশদ বিবরণ দেয়।

COMPASS সমস্যা সমাধান করে

ইমিউন চেকপয়েন্ট ইনহিবিটরস, বা আইসিআই, কিছু ক্যান্সারের জন্য ইমিউন সিস্টেমে ব্রেক ছেড়ে দেওয়ার মাধ্যমে নাটকীয়ভাবে উন্নতি করেছে যাতে এটি টিউমার আক্রমণ করতে পারে। ধরা হল যে প্রতিক্রিয়াগুলি অসম। শুধুমাত্র একটি উপসেট রোগী টেকসই মওকুফ অর্জন করে, যখন অন্য অনেকে কোন লাভ দেখতে পান না, এবং ডাক্তারদের কাছে সীমিত সরঞ্জাম রয়েছে আগে থেকে বলার জন্য কে সাড়া দেবে।

আজকের চিকিৎসাগতভাবে যাচাইকৃত ভবিষ্যদ্বাণী, প্রধানত টিউমার মিউটেশনাল ভারডেন (TMB) এবং PD-L1 নামক প্রোটিনের অভিব্যক্তি অপূর্ণ। 27,000 টিরও বেশি আইসিআই-চিকিত্সা করা রোগীর প্যান-ক্যান্সার বিশ্লেষণে সেই চিহ্নিতকারী এবং প্রকৃত রোগীর প্রতিক্রিয়াগুলির মধ্যে শুধুমাত্র দুর্বল বা অসঙ্গতিপূর্ণ লিঙ্ক পাওয়া গেছে। ফলাফল হল যে রোগীদের ওষুধের সংস্পর্শে আসতে পারে যা তাদের সাহায্য করবে না, অন্যরা যারা উপকৃত হতে পারে তাদের কখনই সনাক্ত করা যায় না।

COMPASS টিউমার ইমিউন মাইক্রোএনভায়রনমেন্ট (TIME), একটি টিউমার এবং এর চারপাশের ইমিউন কোষগুলির মধ্যে জটিল ইন্টারপ্লে সম্পর্কে ব্যাখ্যাযোগ্য, জৈবিকভাবে ভিত্তিযুক্ত ধারণাগুলি শেখার মাধ্যমে সেই ব্যবধানটি বন্ধ করার লক্ষ্য রাখে।

একটি ধারণা বটলনেক ফাউন্ডেশন মডেল

COMPASS একটি কনসেপ্ট বটলনেক মডেল হিসেবে তৈরি করা হয়েছে, একটি আর্কিটেকচার যা ব্ল্যাক বক্সের পরিবর্তে ব্যাখ্যাযোগ্য হওয়ার জন্য ডিজাইন করা হয়েছে। এটি একটি ট্রান্সফরমার-ভিত্তিক জিন এনকোডারের মাধ্যমে রোগীর টিউমার আরএনএ সিকোয়েন্সিং ডেটা প্রক্রিয়া করে যা 15,672 প্রোটিন-কোডিং জিনের অভিব্যক্তি পড়ে। সেই জিন এম্বেডিংগুলিকে তারপরে 132টি কিউরেটেড জিনের স্বাক্ষরে প্রক্ষিপ্ত করা হয় এবং 43টি উচ্চ-স্তরের ইমিউন এবং মাইক্রোএনভায়রনমেন্ট ধারণাগুলিতে একত্রিত করা হয়, যা প্রতিটি রোগীর টিউমার-ইমিউন গতিশীলতার একটি কম্প্যাক্ট উপস্থাপনা তৈরি করে।

দ্য ক্যান্সার জিনোম অ্যাটলাস (টিসিজিএ) থেকে 33টি ক্যান্সারের ধরন জুড়ে 10,184 টি টিউমারের উপর স্ব-তত্ত্বাবধানে দ্বন্দ্বমূলক শিক্ষা ব্যবহার করে মডেলটিকে প্রশিক্ষিত করা হয়েছিল। প্রথমে প্রচুর পরিমাণে লেবেলবিহীন ডেটা থেকে শেখার মাধ্যমে, COMPASS সাধারণীকরণযোগ্য উপস্থাপনা তৈরি করে যা তারপরে অনেক ছোট ক্লিনিকাল কোহর্টের উপর সূক্ষ্ম-টিউন করা যেতে পারে, এটি একটি গুরুত্বপূর্ণ সম্পত্তি যে ইমিউনোথেরাপি ডেটা কতটা দুর্লভ লেবেলযুক্ত।

যেহেতু আর্কিটেকচারটি মানব-পাঠযোগ্য ধারণার মাধ্যমে তথ্য প্রেরণ করে, তাই চিকিত্সকরা কোন জৈবিক সংকেতগুলি পরীক্ষা করতে পারেন, যেমন টি কোষের ক্লান্তি, মাইলয়েড প্রোগ্রাম, বা ইমিউনোরেগুলেটরি সিগন্যালিং, একটি প্রদত্ত ভবিষ্যদ্বাণী চালিত করেছে। এটি অনেক গভীর-শিক্ষার মডেলের বিপরীতে দাঁড়িয়েছে যা এর পিছনে যুক্তি ব্যাখ্যা না করে একটি স্কোর আউটপুট করে।

ক্যান্সার জুড়ে শক্তিশালী ফলাফল

গবেষকরা 1,133 জন রোগীর উপর COMPASS মূল্যায়ন করেছেন 16টি ক্লিনিকাল কোহর্ট থেকে 7টি ক্যান্সারের ধরন বিস্তৃত, প্রিট্রিটমেন্ট টিউমার ট্রান্সক্রিপ্টোম ব্যবহার করে চেকপয়েন্ট ইনহিবিটরগুলির প্রতিক্রিয়া অনুমান করার জন্য যার মধ্যে অ্যান্টি-PD-1/PD-L1, অ্যান্টি-CTLA-4, এবং সংমিশ্রণ থেরাপি রয়েছে।

একটি দাবিকৃত ছুটি-এক-কোহর্ট-আউট মূল্যায়নে, যেখানে মডেলটি এমন একটি দলে বারবার পরীক্ষা করা হয় যা এটি কখনও দেখেনি, COMPASS 22টি প্রতিযোগী মডেলের মধ্যে সেরা গড় পারফরম্যান্স অর্জন করেছে। এটি পূর্বাভাসের নির্ভুলতা 8.5 শতাংশ এবং প্রিসিশন-রিকল কার্ভ (AUPRC) এর অধীনে এলাকা উন্নত করেছে, একটি মূল মেট্রিক যখন একটি ফলাফল অন্যটির তুলনায় অনেক বিরল, 15.7 শতাংশ।

সবচেয়ে আকর্ষণীয় ফলাফল মেটাস্ট্যাটিক ইউরোথেলিয়াল কার্সিনোমা, মূত্রাশয় এবং মূত্রনালীর ক্যান্সারের একটি অনুষ্ঠিত-আউট ফেজ 2 ট্রায়ালে এসেছে। COMPASS যে রোগীদের ভবিষ্যদ্বাণী করেছিল তারা তাদের ভবিষ্যদ্বাণীর তুলনায় উল্লেখযোগ্যভাবে বেশিক্ষণ বেঁচে ছিল, যার বিপদের অনুপাত 4.7 এবং P মান 1.7 × 10⁻⁷। এই পরিমাপে, AI মডেলটি TMB এবং PD-L1 পরীক্ষা উভয়কেই ছাড়িয়ে গেছে, বর্তমানে ক্লিনিকে ব্যবহৃত বায়োমার্কার।

ব্যাখ্যা করা কেন রোগীরা সাড়া দেয়, বা দেয় না

অপরিশোধিত নির্ভুলতার বাইরে, COMPASS ব্যক্তিগতকৃত প্রতিক্রিয়া মানচিত্র তৈরি করে যা রোগীর জিনের অভিব্যক্তিকে নির্দিষ্ট ইমিউন ধারণার সাথে সংযুক্ত করে। এই মানচিত্রগুলি একটি ভবিষ্যদ্বাণীর পিছনে প্রক্রিয়া ব্যাখ্যা করতে সহায়তা করে এবং তারা এমন ঘটনাগুলিকে প্রকাশ করে যেখানে প্রচলিত বিভাগগুলি বিভ্রান্ত করে।

উদাহরণস্বরূপ, চিকিত্সকরা প্রায়শই তিনটি ইমিউন ফিনোটাইপ ব্যবহার করে টিউমারকে শ্রেণীবদ্ধ করেন: স্ফীত, বহিষ্কৃত এবং মরুভূমি। কিন্তু COMPASS দেখিয়েছে এই মোটা বাছাই করা প্রতারণামূলক হতে পারে। "স্ফীত" টিউমারের কিছু রোগী, যার একটি ভাল প্রতিক্রিয়ার পূর্বাভাস দেওয়া উচিত, TGFβ নামক প্রোটিন দ্বারা চালিত সংকেত, ভাস্কুলার বর্জন বা নির্দিষ্ট ইমিউন কোষে কর্মহীনতার কারণে সাড়া দেয়নি। বিপরীতভাবে, কিছু রোগী যাদের টিউমার স্ফীত দেখায় না তারা এখনও প্রতিক্রিয়া জানায়, কারণ তারা সাইটোটক্সিক ইমিউন কার্যকলাপ ধরে রাখে বা ইমিউনোসপ্রেসিভ সিগন্যাল ছাড়াই উচ্চ মিউটেশনাল বোঝা বহন করে।

এই লুকানো পার্থক্যগুলি সমাধান করে, COMPASS কার্যকরী প্রতিরোধ ক্ষমতা চিহ্নিত করে যা বিদ্যমান বায়োমার্কারগুলিকে কেবল প্রতিস্থাপনের পরিবর্তে পরিপূরক করে।

এরপর কি আসে

গবেষণাটি অনকোলজিতে এআই-এর প্রতিশ্রুতি এবং সীমা উভয়কেই আন্ডারস্কোর করে। COMPASS ক্যান্সারের ধরন এবং চিকিত্সা জুড়ে সাধারণীকরণ করে এবং প্যারামিটার-দক্ষ স্থানান্তর শেখার মাধ্যমে ছোট ক্লিনিকাল দলগুলির সাথে খাপ খাইয়ে নিতে পারে, একটি শূন্য-শট মোড সহ যা অতিরিক্ত প্রশিক্ষণ ছাড়াই নতুন রোগীদের অনুরূপ ক্ষেত্রে মেলে। কিন্তু লেখকরা মনে করেন যে ইমিউনোথেরাপির প্রতিক্রিয়া ট্রান্সক্রিপ্টোমের বাইরে অনেক কারণের উপর নির্ভর করে এবং ক্লিনিকাল গ্রহণের জন্য বৃহত্তর এবং আরও বৈচিত্র্যময় জনসংখ্যা জুড়ে আরও বৈধতার প্রয়োজন হবে।

কাজটি একটি বৃহত্তর প্রবণতাকেও প্রতিফলিত করে: ফাউন্ডেশন মডেলগুলি বিশাল ডেটাসেটের উপর প্রশিক্ষিত এবং তারপরে বিশেষায়িত চিকিৎসার কাজে অভিযোজিত হয়ে ক্লিনিকের কাছাকাছি চলে যাচ্ছে। টিউমার ইমিউন বায়োলজি থেকে শেখা ধারণাগুলি পৃথক রোগীদের জন্য আরও ভাল, দ্রুত চিকিত্সার সিদ্ধান্তে অনুবাদ করতে পারে কিনা সেই প্রশ্নের পরবর্তী রাউন্ডের ট্রায়ালগুলিকে উত্তর দিতে হবে।

এআই থেকে এগিয়ে থাকুন

ফাউন্ডেশন মডেলগুলি পাঠ্য এবং চিত্র থেকে ওষুধ এবং বিজ্ঞানে ক্রমবর্ধমানভাবে চলে যাচ্ছে। স্বাস্থ্যসেবা এবং গবেষণাকে রূপ দেওয়ার জন্য সর্বশেষ AI উন্নয়ন ট্র্যাক করুন।

আরও এআই খবর পড়ুন →