शोधकर्ताओं ने एक पैन-कैंसर एआई मॉडल विकसित किया है जो भविष्यवाणी करता है कि मरीज इम्यूनोथेरेपी पर उन मानक बायोमार्कर की तुलना में अधिक सटीक प्रतिक्रिया देंगे जिन पर डॉक्टर आज भरोसा करते हैं। कम्पास नामक मॉडल का वर्णन 3 जुलाई, 2026 को नेचर मेडिसिन में प्रकाशित एक अध्ययन में किया गया था, और यह विभिन्न ट्यूमर प्रकारों, उपचार नियमों और नैदानिक ​​समूहों में सामान्यीकरण करता है।

इम्यूनोथेरेपी, विशेष रूप से दवाओं के एक वर्ग जिसे इम्यून चेकपॉइंट अवरोधक के रूप में जाना जाता है, ने कैंसर देखभाल को बदल दिया है, लेकिन केवल अल्पसंख्यक रोगियों को ही लाभ होता है। [एआई उद्योग कवरेज] (https://aibuzzwire.news) के लिए कि कैसे मशीन लर्निंग दवा को नया आकार दे रही है, COMPASS इस बात पर एक विस्तृत नज़र डालता है कि फाउंडेशन-मॉडल तकनीकें भाषा और छवियों से ऑन्कोलॉजी में कैसे आगे बढ़ रही हैं।

समस्या कम्पास निपटती है

इम्यून चेकपॉइंट अवरोधक, या आईसीआई, ने प्रतिरक्षा प्रणाली पर ब्रेक जारी करके कुछ कैंसर के परिणामों में नाटकीय रूप से सुधार किया है ताकि यह ट्यूमर पर हमला कर सके। समस्या यह है कि प्रतिक्रियाएँ असमान हैं। रोगियों का केवल एक उपसमूह ही स्थायी छूट प्राप्त कर पाता है, जबकि कई अन्य को कोई लाभ नहीं दिखता है, और डॉक्टरों के पास पहले से यह बताने के लिए सीमित उपकरण होते हैं कि कौन प्रतिक्रिया देगा।

आज के चिकित्सकीय रूप से मान्य भविष्यवक्ता, मुख्य रूप से ट्यूमर उत्परिवर्तन बोझ (टीएमबी) और पीडी-एल 1 नामक प्रोटीन की अभिव्यक्ति अपूर्ण हैं। 27,000 से अधिक आईसीआई-उपचारित रोगियों के पैन-कैंसर विश्लेषण में उन मार्करों और वास्तविक रोगी प्रतिक्रियाओं के बीच केवल कमजोर या असंगत संबंध पाए गए। इसका परिणाम यह होता है कि मरीज़ ऐसी दवाओं के संपर्क में आ सकते हैं जो उन्हें मदद नहीं करेंगी, जबकि जिन अन्य लोगों को लाभ हो सकता है, उनकी कभी पहचान नहीं की जाती है।

कम्पास का लक्ष्य ट्यूमर प्रतिरक्षा माइक्रोएन्वायरमेंट (TIME) के बारे में व्याख्यात्मक, जैविक रूप से आधारित अवधारणाओं को सीखकर उस अंतर को बंद करना है, जो ट्यूमर और उसके आसपास की प्रतिरक्षा कोशिकाओं के बीच जटिल परस्पर क्रिया है।

एक कॉन्सेप्ट बॉटलनेक फाउंडेशन मॉडल

कम्पास को एक कॉन्सेप्ट बॉटलनेक मॉडल के रूप में बनाया गया है, एक आर्किटेक्चर जिसे ब्लैक बॉक्स के बजाय समझाने योग्य बनाया गया है। यह एक ट्रांसफार्मर-आधारित जीन एनकोडर के माध्यम से एक मरीज के ट्यूमर आरएनए अनुक्रमण डेटा को संसाधित करता है जो 15,672 प्रोटीन-कोडिंग जीन की अभिव्यक्ति को पढ़ता है। फिर उन जीन एम्बेडिंग को 132 क्यूरेटेड जीन हस्ताक्षरों पर प्रक्षेपित किया जाता है और 43 उच्च-स्तरीय प्रतिरक्षा और सूक्ष्म पर्यावरण अवधारणाओं में एकत्रित किया जाता है, जिससे प्रत्येक रोगी के ट्यूमर-प्रतिरक्षा गतिशीलता का एक कॉम्पैक्ट प्रतिनिधित्व तैयार होता है।

मॉडल को द कैंसर जीनोम एटलस (टीसीजीए) से 33 प्रकार के कैंसर में 10,184 ट्यूमर पर स्व-पर्यवेक्षित कंट्रास्टिव लर्निंग का उपयोग करके पूर्व-प्रशिक्षित किया गया था। पहले बिना लेबल वाले डेटा की बड़ी मात्रा से सीखकर, COMPASS सामान्यीकरण योग्य अभ्यावेदन बनाता है जिसे बाद में बहुत छोटे नैदानिक ​​​​समूहों पर ठीक किया जा सकता है, एक महत्वपूर्ण संपत्ति यह देखते हुए कि लेबल इम्यूनोथेरेपी डेटा कितना दुर्लभ है।

क्योंकि वास्तुकला मानव-पठनीय अवधारणाओं के माध्यम से जानकारी भेजती है, चिकित्सक यह निरीक्षण कर सकते हैं कि कौन से जैविक संकेत, जैसे कि टी सेल थकावट, माइलॉयड कार्यक्रम, या इम्युनोरेगुलेटरी सिग्नलिंग, एक दी गई भविष्यवाणी को संचालित करते हैं। यह कई डीप-लर्निंग मॉडलों के विपरीत है जो इसके पीछे के तर्क को बताए बिना स्कोर आउटपुट करते हैं।

कर्क राशि में मजबूत परिणाम

शोधकर्ताओं ने एंटी-पीडी-1/पीडी-एल1, एंटी-सीटीएलए-4 और संयोजन उपचारों सहित चेकपॉइंट अवरोधकों की प्रतिक्रिया की भविष्यवाणी करने के लिए प्रीट्रीटमेंट ट्यूमर ट्रांसक्रिप्टोम का उपयोग करते हुए, सात प्रकार के कैंसर वाले 16 नैदानिक समूहों से लिए गए 1,133 रोगियों पर कंपास का मूल्यांकन किया।

एक मांग वाले लीव-वन-कोहोर्ट-आउट मूल्यांकन में, जहां मॉडल को बार-बार ऐसे समूह पर परीक्षण किया जाता है जिसे उसने कभी नहीं देखा है, COMPASS ने 22 प्रतिस्पर्धी मॉडलों के बीच सबसे अच्छा औसत प्रदर्शन हासिल किया। इसने भविष्यवाणी सटीकता में 8.5 प्रतिशत और प्रिसिजन-रिकॉल कर्व (एयूपीआरसी) के तहत क्षेत्र में 15.7 प्रतिशत सुधार किया, जो एक प्रमुख मीट्रिक है जब एक परिणाम दूसरे की तुलना में बहुत दुर्लभ होता है।

सबसे आश्चर्यजनक परिणाम मेटास्टैटिक यूरोटेलियल कार्सिनोमा, मूत्राशय और मूत्र पथ के कैंसर के चरण 2 परीक्षण में आया। कम्पास ने जिन मरीजों के बारे में भविष्यवाणी की थी कि वे प्रतिक्रिया देंगे, वे उन मरीजों की तुलना में काफी अधिक समय तक जीवित रहे, जिनके बारे में उसने अनुमान लगाया था कि ऐसा नहीं होगा, जोखिम अनुपात 4.7 और पी मान 1.7 × 10⁻⁷ के साथ। इस माप पर, एआई मॉडल ने टीएमबी और पीडी-एल1 परीक्षण दोनों से बेहतर प्रदर्शन किया, जो वर्तमान में क्लिनिक में उपयोग किए जाने वाले बायोमार्कर हैं।

यह समझाना कि मरीज़ प्रतिक्रिया क्यों देते हैं, या नहीं

कच्ची सटीकता से परे, COMPASS वैयक्तिकृत प्रतिक्रिया मानचित्र उत्पन्न करता है जो रोगी की जीन अभिव्यक्ति को विशिष्ट प्रतिरक्षा अवधारणाओं से जोड़ता है। ये मानचित्र भविष्यवाणी के पीछे के तंत्र को समझाने में मदद करते हैं, और वे ऐसे मामलों को उजागर करते हैं जहां पारंपरिक श्रेणियां गुमराह करती हैं।

उदाहरण के लिए, डॉक्टर अक्सर तीन प्रतिरक्षा फेनोटाइप का उपयोग करके ट्यूमर को वर्गीकृत करते हैं: सूजन, बहिष्कृत और रेगिस्तान। लेकिन कम्पास ने दिखाया कि यह मोटे सॉर्टिंग भ्रामक हो सकती है। "सूजन" ट्यूमर वाले कुछ रोगियों, जिन्हें एक अच्छी प्रतिक्रिया की भविष्यवाणी करनी चाहिए, ने टीजीएफβ नामक प्रोटीन द्वारा संचालित संकेतों को दबाने, संवहनी बहिष्करण, या कुछ प्रतिरक्षा कोशिकाओं में शिथिलता के कारण प्रतिक्रिया नहीं दी। इसके विपरीत, कुछ मरीज़ जिनके ट्यूमर में सूजन नहीं दिख रही थी, उन्होंने फिर भी प्रतिक्रिया व्यक्त की, क्योंकि उन्होंने साइटोटोक्सिक प्रतिरक्षा गतिविधि को बरकरार रखा या प्रतिरक्षादमनकारी संकेतों के बिना उच्च उत्परिवर्तनीय बोझ उठाया।

उन छिपे हुए भेदों को हल करके, कम्पास कार्यात्मक प्रतिरक्षा स्थितियों की पहचान करता है जो मौजूदा बायोमार्कर को प्रतिस्थापित करने के बजाय पूरक करते हैं।

आगे क्या आता है

अध्ययन ऑन्कोलॉजी में एआई के वादे और सीमा दोनों को रेखांकित करता है। कम्पास कैंसर के प्रकारों और उपचारों को सामान्यीकृत करता है और पैरामीटर-कुशल ट्रांसफर लर्निंग के माध्यम से छोटे नैदानिक ​​​​समूहों को अनुकूलित कर सकता है, जिसमें एक शून्य-शॉट मोड भी शामिल है जो अतिरिक्त प्रशिक्षण के बिना नए रोगियों को समान मामलों से मेल खाता है। लेकिन लेखकों का कहना है कि इम्यूनोथेरेपी प्रतिक्रिया ट्रांस्क्रिप्टोम से परे कई कारकों पर निर्भर करती है, और नैदानिक ​​​​अपनाने के लिए बड़ी और अधिक विविध आबादी में आगे सत्यापन की आवश्यकता होगी।

कार्य एक व्यापक प्रवृत्ति को भी दर्शाता है: विशाल डेटासेट पर पहले से प्रशिक्षित और फिर विशेष चिकित्सा कार्यों के लिए अनुकूलित फाउंडेशन मॉडल क्लिनिक के करीब जा रहे हैं। क्या ट्यूमर प्रतिरक्षा जीव विज्ञान से सीखी गई अवधारणाएं व्यक्तिगत रोगियों के लिए बेहतर, तेज उपचार निर्णयों में तब्दील हो सकती हैं, यह सवाल है कि परीक्षणों के अगले दौर को इसका जवाब देना होगा।

एआई से आगे रहें

फाउंडेशन मॉडल तेजी से पाठ और छवियों से चिकित्सा और विज्ञान की ओर बढ़ रहे हैं। स्वास्थ्य देखभाल और अनुसंधान को आकार देने वाले नवीनतम एआई विकास को ट्रैक करें।

अधिक AI समाचार पढ़ें →