संशोधकांनी पॅन-कॅन्सर एआय मॉडेल विकसित केले आहे जे आज डॉक्टर ज्या मानक बायोमार्करवर अवलंबून असतात त्यापेक्षा रूग्ण इम्युनोथेरपीला अधिक अचूकपणे कसा प्रतिसाद देतील याचा अंदाज लावतात. COMPASS नावाच्या मॉडेलचे वर्णन 3 जुलै 2026 रोजी नेचर मेडिसिनमध्ये प्रकाशित झालेल्या अभ्यासात करण्यात आले होते आणि ते वेगवेगळ्या ट्यूमरचे प्रकार, उपचार पद्धती आणि क्लिनिकल समूहांमध्ये सामान्यीकरण करते.

इम्युनोथेरपी, विशेषत: इम्यून चेकपॉईंट इनहिबिटर म्हणून ओळखल्या जाणाऱ्या औषधांच्या वर्गाने कर्करोगाच्या काळजीमध्ये बदल केला आहे, परंतु केवळ अल्पसंख्याक रुग्णांना फायदा होतो. AI इंडस्ट्री कव्हरेज साठी मशीन लर्निंग औषधाचा आकार कसा बदलत आहे, COMPASS फाउंडेशन-मॉडेल तंत्र भाषा आणि प्रतिमांमधून ऑन्कोलॉजीमध्ये कसे बदलत आहे याचे तपशीलवार दर्शन देते.

COMPASS समस्या हाताळते

इम्यून चेकपॉईंट इनहिबिटर, किंवा ICIs, काही कॅन्सरसाठी रोगप्रतिकारक प्रणालीवर ब्रेक सोडवून नाटकीयरित्या सुधारित परिणाम करतात जेणेकरून ते ट्यूमरवर हल्ला करू शकतात. पकड अशी आहे की प्रतिसाद असमान आहेत. केवळ रुग्णांचा एक उपसंच टिकाऊ माफी मिळवतो, तर इतर अनेकांना काहीच फायदा दिसत नाही आणि कोण प्रतिसाद देईल हे आधीच सांगण्यासाठी डॉक्टरांकडे मर्यादित साधने आहेत.

आजचे वैद्यकीयदृष्ट्या प्रमाणित प्रेडिक्टर्स, मुख्यतः ट्यूमर म्युटेशनल बोझ (TMB) आणि PD-L1 नावाच्या प्रोटीनची अभिव्यक्ती, अपूर्ण आहेत. 27,000 हून अधिक ICI-उपचार केलेल्या रूग्णांच्या पॅन-कर्करोगाच्या विश्लेषणात ते मार्कर आणि वास्तविक रूग्णांच्या प्रतिसादांमधील केवळ कमकुवत किंवा विसंगत दुवे आढळले. याचा परिणाम असा होतो की रूग्णांना अशा औषधांच्या संपर्कात येऊ शकते जे त्यांना मदत करणार नाहीत, तर इतर ज्यांना फायदा होऊ शकतो त्यांना कधीही ओळखले जात नाही.

COMPASS चे उद्दिष्ट ट्यूमर इम्यून मायक्रोएनव्हायर्नमेंट (TIME), ट्यूमर आणि त्याच्या सभोवतालच्या रोगप्रतिकारक पेशी यांच्यातील गुंतागुंतीच्या परस्परसंबंधाबद्दल व्याख्या करण्यायोग्य, जैविक दृष्ट्या आधारभूत संकल्पना शिकून ते कमी करणे आहे.

एक संकल्पना बॉटलनेक फाउंडेशन मॉडेल

COMPASS हे एक संकल्पना अडथळे मॉडेल म्हणून तयार केले गेले आहे, एक आर्किटेक्चर ब्लॅक बॉक्स ऐवजी स्पष्ट करण्यासाठी डिझाइन केलेले आहे. हे ट्रान्सफॉर्मर-आधारित जनुक एन्कोडरद्वारे रुग्णाच्या ट्यूमरच्या RNA अनुक्रम डेटावर प्रक्रिया करते जे 15,672 प्रोटीन-कोडिंग जनुकांची अभिव्यक्ती वाचते. ते जनुक एम्बेडिंग नंतर 132 क्युरेटेड जीन स्वाक्षरींवर प्रक्षेपित केले जातात आणि 43 उच्च-स्तरीय रोगप्रतिकारक आणि सूक्ष्म पर्यावरण संकल्पनांमध्ये एकत्रित केले जातात, ज्यामुळे प्रत्येक रुग्णाच्या ट्यूमर-प्रतिकारक गतिशीलतेचे संक्षिप्त प्रतिनिधित्व तयार होते.

कॅन्सर जीनोम ऍटलस (TCGA) मधील 33 कर्करोगाच्या 10,184 ट्यूमरवर स्वयं-पर्यवेक्षित विरोधाभासी शिक्षण वापरून मॉडेलला पूर्वप्रशिक्षित केले गेले. प्रथम मोठ्या प्रमाणात लेबल न केलेल्या डेटावरून शिकून, COMPASS सामान्यीकरण करण्यायोग्य प्रस्तुतीकरण तयार करते जे नंतर बर्याच लहान क्लिनिकल समूहांवर चांगले-ट्यून केले जाऊ शकते, हे एक महत्त्वाचे गुणधर्म आहे की लेबल केलेला इम्युनोथेरपी डेटा किती दुर्मिळ आहे.

आर्किटेक्चर मानवी-वाचनीय संकल्पनांमधून माहिती पुरवते म्हणून, चिकित्सक तपासू शकतात की कोणते जैविक सिग्नल, जसे की टी सेल संपुष्टात येणे, मायलॉइड प्रोग्राम्स किंवा इम्यूनोरेग्युलेटरी सिग्नलिंग, दिलेला अंदाज लावला. हे अनेक डीप-लर्निंग मॉडेल्सच्या विरुद्ध आहे जे त्यामागील तर्क स्पष्ट न करता गुण मिळवतात.

संपूर्ण कर्करोगात मजबूत परिणाम

संशोधकांनी अँटी-पीडी-१/पीडी-एल१, अँटी-सीटीएलए-४, आणि संयोजन उपचारांसह चेकपॉईंट इनहिबिटरच्या प्रतिसादाचा अंदाज लावण्यासाठी प्रीट्रीटमेंट ट्यूमर ट्रान्सक्रिप्टोम्सचा वापर करून, सात कर्करोगाच्या 16 क्लिनिकल समूहांमधून काढलेल्या 1,133 रुग्णांवर COMPASS चे मूल्यांकन केले.

मागणी केलेल्या लीव्ह-वन-कोहॉर्ट-आउट मूल्यमापनात, जिथे मॉडेलची वारंवार चाचणी कधीही न पाहिलेल्या समूहावर केली जाते, COMPASS ने 22 प्रतिस्पर्धी मॉडेल्समध्ये सर्वोत्तम सरासरी कामगिरी केली. याने अंदाज अचूकता 8.5 टक्क्यांनी आणि प्रिसिजन-रिकॉल वक्र (AUPRC) अंतर्गत क्षेत्र सुधारले, एक प्रमुख मेट्रिक जेव्हा एक परिणाम दुसऱ्यापेक्षा खूपच दुर्मिळ असतो, 15.7 टक्क्यांनी.

सर्वात उल्लेखनीय परिणाम मेटास्टॅटिक यूरोथेलियल कार्सिनोमा, मूत्राशय आणि मूत्रमार्गाच्या कर्करोगाच्या फेज 2 चाचण्यामध्ये आला. COMPASS ने ज्या रूग्णांना प्रतिसाद देण्याचा अंदाज वर्तवला होता ते 4.7 च्या धोक्याचे प्रमाण आणि 1.7 × 10⁻⁷ च्या P मूल्यासह, त्यांनी वर्तवलेल्या अंदाजापेक्षा लक्षणीयरीत्या जास्त काळ जगले. या उपायावर, AI मॉडेलने TMB आणि PD-L1 चाचणी, सध्या क्लिनिकमध्ये वापरल्या जाणाऱ्या बायोमार्कर दोन्हीपेक्षा जास्त कामगिरी केली.

रुग्ण प्रतिसाद का देतात किंवा का देत नाहीत हे स्पष्ट करणे

कच्च्या अचूकतेच्या पलीकडे, COMPASS वैयक्तिक प्रतिसाद नकाशे तयार करते जे रुग्णाच्या जनुक अभिव्यक्तीला विशिष्ट रोगप्रतिकारक संकल्पनांशी जोडतात. हे नकाशे भविष्यवाणीमागील यंत्रणा स्पष्ट करण्यात मदत करतात आणि ते पारंपारिक श्रेण्या दिशाभूल करतात अशा प्रकरणांचा पर्दाफाश करतात.

उदाहरणार्थ, डॉक्टर अनेकदा तीन रोगप्रतिकारक फिनोटाइप वापरून ट्यूमरचे वर्गीकरण करतात: सूजलेले, बहिष्कृत आणि वाळवंट. पण COMPASS ने दाखवले की हे खडबडीत वर्गीकरण फसवे असू शकते. TGFβ, रक्तवहिन्या बहिष्कार किंवा विशिष्ट रोगप्रतिकारक पेशींमध्ये बिघडलेले कार्य, TGFβ नावाच्या प्रथिनेद्वारे चालविलेले सिग्नल दडपल्याने "फुगलेल्या" ट्यूमर असलेल्या काही रुग्णांनी, ज्यांना चांगल्या प्रतिसादाचा अंदाज लावला पाहिजे, प्रतिसाद दिला नाही. याउलट, काही रूग्ण ज्यांच्या गाठी सूजलेल्या दिसत नाहीत त्यांनी अजूनही प्रतिसाद दिला, कारण त्यांनी सायटोटॉक्सिक रोगप्रतिकारक क्रिया टिकवून ठेवली किंवा इम्युनोसप्रेसिव्ह सिग्नलशिवाय उच्च म्युटेशनल ओझे वाहून घेतले.

त्या छुप्या भेदांचे निराकरण करून, COMPASS फंक्शनल इम्यून स्टेटस ओळखते जे विद्यमान बायोमार्कर बदलण्याऐवजी पूरक असतात.

पुढे काय येईल

अभ्यास ऑन्कोलॉजीमध्ये AI च्या वचन आणि मर्यादा दोन्ही अधोरेखित करतो. COMPASS कर्करोगाचे प्रकार आणि उपचारांमध्ये सामान्यीकरण करते आणि अतिरिक्त प्रशिक्षणाशिवाय नवीन रूग्णांशी जुळणारे शून्य-शॉट मोडसह पॅरामीटर-कार्यक्षम हस्तांतरण शिक्षणाद्वारे लहान क्लिनिकल समूहांशी जुळवून घेऊ शकते. परंतु लेखकांनी नोंदवले आहे की इम्युनोथेरपी प्रतिसाद ट्रान्सक्रिप्टमच्या पलीकडे असलेल्या अनेक घटकांवर अवलंबून असतो आणि क्लिनिकल अवलंबना मोठ्या आणि अधिक वैविध्यपूर्ण लोकसंख्येमध्ये पुढील प्रमाणीकरण आवश्यक असेल.

हे कार्य एक व्यापक ट्रेंड देखील प्रतिबिंबित करते: फाउंडेशन मॉडेल्स विशाल डेटासेटवर प्रशिक्षित आणि नंतर विशेष वैद्यकीय कार्यांसाठी अनुकूल केले जातात ते क्लिनिकच्या जवळ जात आहेत. ट्यूमर इम्यून बायोलॉजीमधून शिकलेल्या संकल्पना वैयक्तिक रूग्णांसाठी अधिक चांगल्या, जलद उपचार निर्णयांमध्ये अनुवादित होऊ शकतात की नाही या प्रश्नाचे उत्तर पुढील चाचण्यांना द्यावे लागेल.

AI च्या पुढे रहा

फाउंडेशन मॉडेल्स मजकूर आणि प्रतिमांमधून औषध आणि विज्ञानाकडे अधिकाधिक पुढे जात आहेत. आरोग्यसेवा आणि संशोधनाला आकार देणाऱ्या नवीनतम AI घडामोडी चा मागोवा घ्या.

अधिक एआय बातम्या वाचा →