חוקרים פיתחו מודל AI pan-cancer שחוזה כיצד חולים יגיבו לאימונותרפיה בצורה מדויקת יותר מאשר הסמנים הביולוגיים הסטנדרטיים עליהם מסתמכים הרופאים כיום. המודל, שנקרא COMPASS, תואר במחקר שפורסם ב-Nature Medicine ב-3 ביולי 2026, והוא מכליל על פני סוגי גידולים שונים, משטרי טיפול וקבוצות קליניות.
אימונותרפיה, במיוחד סוג של תרופות הידועות כמעכבי נקודת ביקורת חיסונית, שינתה את הטיפול בסרטן, אך רק מיעוט מהחולים מרוויח. עבור סיקור תעשיית הבינה המלאכותית העוקב אחר האופן שבו למידת מכונה מעצבת מחדש את הרפואה, COMPASS מציע מבט מפורט על האופן שבו טכניקות מודל יסוד עוברות משפה ודימויים לאונקולוגיה.
הבעיה שבה מצפן מתמודד
מעכבי נקודת ביקורת חיסונית, או ICIs, שיפרו באופן דרמטי את התוצאות עבור כמה סוגי סרטן על ידי שחרור הבלמים על המערכת החיסונית כך שהיא יכולה לתקוף גידולים. הקאץ' הוא שהתגובות לא אחידות. רק תת-קבוצה של חולים משיגה הפוגה עמידה, בעוד שרבים אחרים אינם רואים תועלת כלל, ולרופאים יש כלים מוגבלים לומר מראש מי יגיב.
המנבאים המאומתים קלינית של היום, בעיקר נטל המוטציוני של הגידול (TMB) והביטוי של חלבון הנקרא PD-L1, אינם מושלמים. ניתוח פאנל סרטן של יותר מ-27,000 חולים שטופלו ב-ICI מצא רק קשרים חלשים או לא עקביים בין סמנים אלה לבין תגובות המטופלים בפועל. התוצאה היא שחולים עלולים להיחשף לתרופות שלא יעזרו להם, בעוד שאחרים שעשויים להרוויח לעולם לא מזוהים.
COMPASS שואפת לסגור את הפער הזה על ידי לימוד מושגים ניתנים לפירוש, מבוססים ביולוגית, על המיקרו-סביבה החיסונית של הגידול (TIME), המשחק המורכב בין גידול לתאי החיסון סביבו.
דגם בסיס צוואר בקבוק קונספט
COMPASS בנוי כמודל צוואר בקבוק קונספט, ארכיטקטורה שנועדה להיות ניתנת להסבר ולא קופסה שחורה. הוא מעבד את נתוני רצף ה-RNA של הגידול באמצעות מקודד גנים מבוסס שנאי הקורא את הביטוי של 15,672 גנים מקודדי חלבון. הטמעות הגנים הללו מוקרנות על גבי 132 חתימות גנים שנאספו ומצטברות ל-43 מושגים חיסוניים ומיקרו-סביבה ברמה גבוהה, מה שמייצר ייצוג קומפקטי של הדינמיקה הגידולית-חיסונית של כל מטופל.
המודל הוכשר מראש באמצעות למידה ניגודית בפיקוח עצמי על 10,184 גידולים על פני 33 סוגי סרטן מ-The Cancer Genome Atlas (TCGA). על ידי למידה מכמויות גדולות של נתונים לא מתויגים תחילה, COMPASS בונה ייצוגים ניתנים להכללה, שאותם ניתן לכוונן עדין על קבוצות קליניות קטנות בהרבה, תכונה חשובה בהתחשב במידת המעט של נתוני אימונותרפיה מסומנים.
מכיוון שהארכיטקטורה מעבירה מידע דרך מושגים הניתנים לקריאה על ידי אדם, רופאים יכולים לבדוק אילו אותות ביולוגיים, כגון תשישות תאי T, תוכניות מיאלואידיות או איתות אימונו-רגולטורי, הניעו תחזית נתונה. זה עומד בניגוד למודלים רבים של למידה עמוקה שמוציאים ציון מבלי להסביר את ההיגיון מאחוריו.
תוצאות חזקות על פני סרטן
החוקרים העריכו את COMPASS על 1,133 מטופלים שנלקחו מ-16 קבוצות קליניות המשתרעות על פני שבעה סוגי סרטן, תוך שימוש בתעתיקי סרטן לפני טיפול כדי לחזות תגובה למעכבי נקודת ביקורת כולל אנטי-PD-1/PD-L1, אנטי-CTLA-4 וטיפולים משולבים.
בהערכה תובענית לעזוב-אחת-קבוצה-אאוט, שבה המודל נבדק שוב ושוב על קבוצה שלא ראה מעולם, COMPASS השיג את הביצועים הממוצעים הטובים ביותר מבין 22 דגמים מתחרים. הוא שיפר את דיוק החיזוי ב-8.5 אחוזים ואת השטח מתחת לעקומת ההיזכרות המדויקת (AUPRC), מדד מפתח כאשר תוצאה אחת נדירה בהרבה מהאחרת, ב-15.7 אחוזים.
התוצאה הבולטת ביותר הגיעה בניסוי שלב 2 ממושך של קרצינומה אורותלית גרורתית, סרטן שלפוחית השתן ודרכי השתן. מטופלים ש-COMPAS חזה שיגיבו שרדו זמן רב יותר מאלה שהוא חזה שלא יגיבו, עם יחס סיכון של 4.7 וערך P של 1.7 × 10⁻⁷. במדד זה, מודל הבינה המלאכותית עלה על בדיקות TMB ו-PD-L1, הסמנים הביולוגיים המשמשים כיום במרפאה.
הסבר מדוע מטופלים מגיבים, או לא
מעבר לדיוק הגולמי, COMPASS מייצר מפות תגובה מותאמות אישית המקשרות את ביטוי הגנים של המטופל למושגים חיסוניים ספציפיים. מפות אלו עוזרות להסביר את המנגנון מאחורי חיזוי, והן חושפות מקרים שבהם הקטגוריות המקובלות מטעות.
לדוגמה, רופאים מסווגים לעתים קרובות גידולים באמצעות שלושה פנוטיפים חיסוניים: דלקתי, מודרים ומדבר. אבל COMPASS הראה שהמיון הגס הזה יכול להיות מטעה. חלק מהחולים עם גידולים "דלקתיים", שאמורים לחזות תגובה טובה, לא הגיבו בגלל דיכוי אותות המונעים על ידי חלבון בשם TGFβ, אי הכללת כלי דם או תפקוד לקוי בתאי חיסון מסוימים. לעומת זאת, חלק מהחולים שהגידולים שלהם לא נראו דלקתיים עדיין הגיבו, מכיוון שהם שמרו על פעילות חיסונית ציטוטוקסית או נשאו עומס מוטציות גבוה ללא אותות מדכא חיסון.
על ידי פתרון ההבחנות הנסתרות הללו, COMPASS מזהה מצבי חיסון פונקציונליים המשלימים, במקום פשוט מחליפים, סמנים ביולוגיים קיימים.
מה שיבוא אחר כך
המחקר מדגיש הן את ההבטחה והן את הגבולות של AI באונקולוגיה. COMPASS מכליל על פני סוגי סרטן וטיפולים ויכול להסתגל לקבוצות קליניות קטנות באמצעות למידת העברה יעילה בפרמטרים, כולל מצב זריקת אפס המתאים חולים חדשים למקרים דומים ללא הכשרה נוספת. אבל המחברים מציינים שתגובת אימונותרפיה תלויה בגורמים רבים מעבר ל-transcriptome, ואימוץ קליני ידרוש אימות נוסף באוכלוסיות גדולות ומגוונות יותר.
העבודה משקפת גם מגמה רחבה יותר: מודלים של בסיס שהוכשרו מראש על מערכי נתונים עצומים ולאחר מכן מותאמים למשימות רפואיות מיוחדות מתקרבים למרפאה. האם מושגים שנלמדו מהביולוגיה החיסונית של הגידול יכולים לתרגם להחלטות טיפול טובות ומהירות יותר עבור חולים בודדים היא השאלה שעל סבב הניסויים הבא יהיה לענות.
הישאר לפני AI
מודלים של קרן עוברים יותר ויותר מטקסט ודימויים לרפואה ולמדעים. עקוב אחר הפיתוחים האחרונים של AI המעצבים את שירותי הבריאות והמחקר.
קרא עוד חדשות AI →
