ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇੱਕ ਪੈਨ-ਕੈਂਸਰ AI ਮਾਡਲ ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ ਜੋ ਇਹ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਮਰੀਜ਼ ਇਮਯੂਨੋਥੈਰੇਪੀ ਪ੍ਰਤੀ ਮਿਆਰੀ ਬਾਇਓਮਾਰਕਰ ਡਾਕਟਰਾਂ 'ਤੇ ਅੱਜ ਭਰੋਸਾ ਕਰਦੇ ਹਨ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਜਵਾਬ ਦੇਣਗੇ। COMPASS ਨਾਮਕ ਮਾਡਲ, ਦਾ ਵਰਣਨ 3 ਜੁਲਾਈ, 2026 ਨੂੰ ਨੇਚਰ ਮੈਡੀਸਨ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਇਹ ਵੱਖ-ਵੱਖ ਟਿਊਮਰ ਕਿਸਮਾਂ, ਇਲਾਜ ਦੀਆਂ ਵਿਧੀਆਂ, ਅਤੇ ਕਲੀਨਿਕਲ ਸਮੂਹਾਂ ਵਿੱਚ ਆਮ ਕਰਦਾ ਹੈ।
ਇਮਿਊਨੋਥੈਰੇਪੀ, ਖਾਸ ਤੌਰ 'ਤੇ ਦਵਾਈਆਂ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ ਜਿਸ ਨੂੰ ਇਮਿਊਨ ਚੈਕਪੁਆਇੰਟ ਇਨਿਹਿਬਟਰਸ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਨੇ ਕੈਂਸਰ ਦੀ ਦੇਖਭਾਲ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਹੈ, ਪਰ ਸਿਰਫ ਘੱਟ ਗਿਣਤੀ ਮਰੀਜ਼ਾਂ ਨੂੰ ਫਾਇਦਾ ਹੁੰਦਾ ਹੈ। AI ਉਦਯੋਗ ਕਵਰੇਜ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਕਿਵੇਂ ਦਵਾਈ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇ ਰਹੀ ਹੈ, COMPASS ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਦ੍ਰਿਸ਼ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਬੁਨਿਆਦ-ਮਾਡਲ ਤਕਨੀਕਾਂ ਭਾਸ਼ਾ ਅਤੇ ਚਿੱਤਰਾਂ ਤੋਂ ਔਨਕੋਲੋਜੀ ਵਿੱਚ ਅੱਗੇ ਵਧ ਰਹੀਆਂ ਹਨ।
ਕੰਪਾਸ ਸਮੱਸਿਆ ਨਾਲ ਨਜਿੱਠਦੀ ਹੈ
ਇਮਿਊਨ ਚੈਕਪੁਆਇੰਟ ਇਨਿਹਿਬਟਰਸ, ਜਾਂ ICIs, ਨੇ ਇਮਿਊਨ ਸਿਸਟਮ 'ਤੇ ਬ੍ਰੇਕ ਛੱਡ ਕੇ ਕੁਝ ਕੈਂਸਰਾਂ ਲਈ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਨਤੀਜਿਆਂ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ ਹੈ ਤਾਂ ਜੋ ਇਹ ਟਿਊਮਰਾਂ 'ਤੇ ਹਮਲਾ ਕਰ ਸਕੇ। ਕੈਚ ਇਹ ਹੈ ਕਿ ਜਵਾਬ ਅਸਮਾਨ ਹਨ. ਸਿਰਫ਼ ਮਰੀਜ਼ਾਂ ਦਾ ਇੱਕ ਉਪ ਸਮੂਹ ਟਿਕਾਊ ਮਾਫ਼ੀ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਬਹੁਤ ਸਾਰੇ ਹੋਰਾਂ ਨੂੰ ਕੋਈ ਲਾਭ ਨਹੀਂ ਦਿਸਦਾ ਹੈ, ਅਤੇ ਡਾਕਟਰਾਂ ਕੋਲ ਪਹਿਲਾਂ ਤੋਂ ਇਹ ਦੱਸਣ ਲਈ ਸੀਮਤ ਸਾਧਨ ਹਨ ਕਿ ਕੌਣ ਜਵਾਬ ਦੇਵੇਗਾ।
ਅੱਜ ਦੇ ਕਲੀਨਿਕੀ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਪੂਰਵ-ਸੂਚਕ, ਮੁੱਖ ਤੌਰ 'ਤੇ ਟਿਊਮਰ ਮਿਊਟੇਸ਼ਨਲ ਬੋਝ (TMB) ਅਤੇ PD-L1 ਨਾਮਕ ਪ੍ਰੋਟੀਨ ਦਾ ਪ੍ਰਗਟਾਵਾ, ਅਪੂਰਣ ਹਨ। 27,000 ਤੋਂ ਵੱਧ ਆਈਸੀਆਈ-ਇਲਾਜ ਕੀਤੇ ਗਏ ਮਰੀਜ਼ਾਂ ਦੇ ਪੈਨ-ਕੈਂਸਰ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਉਹਨਾਂ ਮਾਰਕਰਾਂ ਅਤੇ ਅਸਲ ਮਰੀਜ਼ਾਂ ਦੇ ਜਵਾਬਾਂ ਵਿਚਕਾਰ ਸਿਰਫ ਕਮਜ਼ੋਰ ਜਾਂ ਅਸੰਗਤ ਸਬੰਧ ਮਿਲੇ ਹਨ। ਨਤੀਜਾ ਇਹ ਹੁੰਦਾ ਹੈ ਕਿ ਮਰੀਜ਼ਾਂ ਨੂੰ ਉਹਨਾਂ ਦਵਾਈਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ ਜੋ ਉਹਨਾਂ ਦੀ ਮਦਦ ਨਹੀਂ ਕਰਨਗੀਆਂ, ਜਦੋਂ ਕਿ ਦੂਜਿਆਂ ਨੂੰ ਲਾਭ ਹੋ ਸਕਦਾ ਹੈ ਉਹਨਾਂ ਦੀ ਪਛਾਣ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ।
COMPASS ਦਾ ਟੀਚਾ ਟਿਊਮਰ ਇਮਿਊਨ ਮਾਈਕ੍ਰੋ ਐਨਵਾਇਰਮੈਂਟ (TIME), ਟਿਊਮਰ ਅਤੇ ਇਸਦੇ ਆਲੇ ਦੁਆਲੇ ਇਮਿਊਨ ਸੈੱਲਾਂ ਵਿਚਕਾਰ ਗੁੰਝਲਦਾਰ ਇੰਟਰਪਲੇਅ ਬਾਰੇ ਵਿਆਖਿਆਯੋਗ, ਜੀਵ-ਵਿਗਿਆਨਕ ਤੌਰ 'ਤੇ ਆਧਾਰਿਤ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸਿੱਖ ਕੇ ਉਸ ਪਾੜੇ ਨੂੰ ਬੰਦ ਕਰਨਾ ਹੈ।
ਇੱਕ ਸੰਕਲਪ ਬੋਟਲਨੇਕ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ
COMPASS ਇੱਕ ਸੰਕਲਪ ਬੋਟਲਨੇਕ ਮਾਡਲ ਦੇ ਰੂਪ ਵਿੱਚ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਇੱਕ ਆਰਕੀਟੈਕਚਰ ਇੱਕ ਬਲੈਕ ਬਾਕਸ ਦੀ ਬਜਾਏ ਵਿਆਖਿਆਯੋਗ ਹੋਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਇੱਕ ਟ੍ਰਾਂਸਫਾਰਮਰ-ਅਧਾਰਿਤ ਜੀਨ ਏਨਕੋਡਰ ਦੁਆਰਾ ਇੱਕ ਮਰੀਜ਼ ਦੇ ਟਿਊਮਰ ਆਰਐਨਏ ਸੀਕੁਏਂਸਿੰਗ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ ਜੋ 15,672 ਪ੍ਰੋਟੀਨ-ਕੋਡਿੰਗ ਜੀਨਾਂ ਦੇ ਸਮੀਕਰਨ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ। ਉਹ ਜੀਨ ਏਮਬੈਡਿੰਗਾਂ ਨੂੰ ਫਿਰ 132 ਕਿਉਰੇਟਿਡ ਜੀਨ ਹਸਤਾਖਰਾਂ 'ਤੇ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ 43 ਉੱਚ-ਪੱਧਰੀ ਇਮਿਊਨ ਅਤੇ ਮਾਈਕ੍ਰੋ ਇਨਵਾਇਰਨਮੈਂਟ ਸੰਕਲਪਾਂ ਵਿੱਚ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਹਰੇਕ ਮਰੀਜ਼ ਦੀ ਟਿਊਮਰ-ਇਮਿਊਨ ਗਤੀਸ਼ੀਲਤਾ ਦੀ ਇੱਕ ਸੰਖੇਪ ਪ੍ਰਤੀਨਿਧਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਇਸ ਮਾਡਲ ਨੂੰ ਦ ਕੈਂਸਰ ਜੀਨੋਮ ਐਟਲਸ (TCGA) ਤੋਂ 33 ਕੈਂਸਰ ਕਿਸਮਾਂ ਦੇ 10,184 ਟਿਊਮਰਾਂ 'ਤੇ ਸਵੈ-ਨਿਗਰਾਨੀ ਵਿਰੋਧੀ ਸਿਖਲਾਈ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਪਹਿਲਾਂ ਅਣ-ਲੇਬਲ ਕੀਤੇ ਡੇਟਾ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਤੋਂ ਸਿੱਖਣ ਦੁਆਰਾ, COMPASS ਆਮ ਤੌਰ 'ਤੇ ਪੇਸ਼ ਕਰਨ ਯੋਗ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਫਿਰ ਬਹੁਤ ਛੋਟੇ ਕਲੀਨਿਕਲ ਸਮੂਹਾਂ 'ਤੇ ਵਧੀਆ-ਟਿਊਨ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਕਿ ਲੇਬਲ ਵਾਲਾ ਇਮਯੂਨੋਥੈਰੇਪੀ ਡੇਟਾ ਕਿੰਨਾ ਘੱਟ ਹੈ।
ਕਿਉਂਕਿ ਆਰਕੀਟੈਕਚਰ ਮਨੁੱਖੀ-ਪੜ੍ਹਨਯੋਗ ਸੰਕਲਪਾਂ ਰਾਹੀਂ ਜਾਣਕਾਰੀ ਪਾਸ ਕਰਦਾ ਹੈ, ਡਾਕਟਰੀ ਕਰਮਚਾਰੀ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕਿਹੜੇ ਜੀਵ-ਵਿਗਿਆਨਕ ਸਿਗਨਲਾਂ, ਜਿਵੇਂ ਕਿ ਟੀ ਸੈੱਲ ਥਕਾਵਟ, ਮਾਈਲੋਇਡ ਪ੍ਰੋਗਰਾਮ, ਜਾਂ ਇਮਯੂਨੋਰੇਗੂਲੇਟਰੀ ਸਿਗਨਲਿੰਗ, ਦਿੱਤੀ ਗਈ ਭਵਿੱਖਬਾਣੀ ਨੂੰ ਚਲਾਇਆ ਗਿਆ ਹੈ। ਇਹ ਬਹੁਤ ਸਾਰੇ ਡੂੰਘੇ-ਸਿੱਖਣ ਵਾਲੇ ਮਾਡਲਾਂ ਦੇ ਉਲਟ ਹੈ ਜੋ ਇਸਦੇ ਪਿੱਛੇ ਤਰਕ ਦੀ ਵਿਆਖਿਆ ਕੀਤੇ ਬਿਨਾਂ ਸਕੋਰ ਪੈਦਾ ਕਰਦੇ ਹਨ।
ਕੈਂਸਰਾਂ ਵਿੱਚ ਮਜ਼ਬੂਤ ਨਤੀਜੇ
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਐਂਟੀ-PD-1/PD-L1, ਐਂਟੀ-ਸੀਟੀਐਲਏ-4, ਅਤੇ ਮਿਸ਼ਰਨ ਥੈਰੇਪੀਆਂ ਸਮੇਤ ਚੈਕਪੁਆਇੰਟ ਇਨਿਹਿਬਟਰਾਂ ਦੇ ਜਵਾਬ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਪ੍ਰੀਟ੍ਰੀਟਮੈਂਟ ਟਿਊਮਰ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟੋਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸੱਤ ਕੈਂਸਰ ਕਿਸਮਾਂ ਦੇ 16 ਕਲੀਨਿਕਲ ਸਮੂਹਾਂ ਤੋਂ ਲਏ ਗਏ 1,133 ਮਰੀਜ਼ਾਂ 'ਤੇ COMPASS ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ।
ਇੱਕ ਮੰਗ-ਰਹਿਤ ਲੀਵ-ਵਨ-ਕੋਹੋਰਟ-ਆਊਟ ਮੁਲਾਂਕਣ ਵਿੱਚ, ਜਿੱਥੇ ਮਾਡਲ ਨੂੰ ਇੱਕ ਸਮੂਹ 'ਤੇ ਵਾਰ-ਵਾਰ ਟੈਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਿਸ ਨੇ ਕਦੇ ਨਹੀਂ ਦੇਖਿਆ, COMPASS ਨੇ 22 ਪ੍ਰਤੀਯੋਗੀ ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਵਧੀਆ ਔਸਤ ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰਾਪਤ ਕੀਤਾ। ਇਸਨੇ ਪੂਰਵ-ਅਨੁਮਾਨ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿੱਚ 8.5 ਪ੍ਰਤੀਸ਼ਤ ਅਤੇ ਸ਼ੁੱਧਤਾ-ਰਿਕਾਲ ਕਰਵ (ਏਯੂਪੀਆਰਸੀ) ਦੇ ਅਧੀਨ ਖੇਤਰ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ, ਇੱਕ ਮੁੱਖ ਮੈਟ੍ਰਿਕ ਜਦੋਂ ਇੱਕ ਨਤੀਜਾ ਦੂਜੇ ਨਾਲੋਂ ਬਹੁਤ ਘੱਟ ਹੁੰਦਾ ਹੈ, 15.7 ਪ੍ਰਤੀਸ਼ਤ ਦੁਆਰਾ।
ਸਭ ਤੋਂ ਹੈਰਾਨੀਜਨਕ ਨਤੀਜਾ ਮੈਟਾਸਟੈਟਿਕ ਯੂਰੋਥੈਲਿਅਲ ਕਾਰਸੀਨੋਮਾ, ਬਲੈਡਰ ਅਤੇ ਪਿਸ਼ਾਬ ਨਾਲੀ ਦਾ ਕੈਂਸਰ, ਦੇ ਇੱਕ ਆਯੋਜਤ ਪੜਾਅ 2 ਟ੍ਰਾਇਲ ਵਿੱਚ ਆਇਆ। 4.7 ਦੇ ਖਤਰੇ ਦੇ ਅਨੁਪਾਤ ਅਤੇ 1.7 × 10⁻⁷ ਦੇ P ਮੁੱਲ ਦੇ ਨਾਲ, COMPASS ਨੇ ਜਿਨ੍ਹਾਂ ਮਰੀਜ਼ਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਸੀ, ਉਹ ਉਹਨਾਂ ਮਰੀਜ਼ਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਜਿਉਂਦੇ ਰਹੇ ਜਿਨ੍ਹਾਂ ਦੀ ਇਸ ਨੇ ਭਵਿੱਖਬਾਣੀ ਨਹੀਂ ਕੀਤੀ ਸੀ। ਇਸ ਉਪਾਅ 'ਤੇ, AI ਮਾਡਲ ਨੇ TMB ਅਤੇ PD-L1 ਟੈਸਟਿੰਗ ਦੋਵਾਂ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ, ਜੋ ਕਿ ਇਸ ਸਮੇਂ ਕਲੀਨਿਕ ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਬਾਇਓਮਾਰਕਰ ਹਨ।
ਇਹ ਸਮਝਾਉਣਾ ਕਿ ਮਰੀਜ਼ ਜਵਾਬ ਕਿਉਂ ਦਿੰਦੇ ਹਨ, ਜਾਂ ਨਹੀਂ ਕਰਦੇ
ਕੱਚੀ ਸ਼ੁੱਧਤਾ ਤੋਂ ਪਰੇ, COMPASS ਵਿਅਕਤੀਗਤ ਜਵਾਬੀ ਨਕਸ਼ੇ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜੋ ਮਰੀਜ਼ ਦੇ ਜੀਨ ਸਮੀਕਰਨ ਨੂੰ ਖਾਸ ਇਮਿਊਨ ਧਾਰਨਾਵਾਂ ਨਾਲ ਜੋੜਦਾ ਹੈ। ਇਹ ਨਕਸ਼ੇ ਇੱਕ ਪੂਰਵ-ਅਨੁਮਾਨ ਦੇ ਪਿੱਛੇ ਦੀ ਵਿਧੀ ਨੂੰ ਸਮਝਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ, ਅਤੇ ਉਹ ਉਹਨਾਂ ਮਾਮਲਿਆਂ ਦਾ ਪਰਦਾਫਾਸ਼ ਕਰਦੇ ਹਨ ਜਿੱਥੇ ਰਵਾਇਤੀ ਸ਼੍ਰੇਣੀਆਂ ਗੁੰਮਰਾਹ ਕਰਦੀਆਂ ਹਨ।
ਉਦਾਹਰਨ ਲਈ, ਡਾਕਟਰ ਅਕਸਰ ਤਿੰਨ ਇਮਿਊਨ ਫੀਨੋਟਾਈਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਟਿਊਮਰਾਂ ਦਾ ਵਰਗੀਕਰਨ ਕਰਦੇ ਹਨ: ਸੁੱਜਿਆ ਹੋਇਆ, ਬਾਹਰ ਕੱਢਿਆ ਗਿਆ ਅਤੇ ਮਾਰੂਥਲ। ਪਰ COMPASS ਨੇ ਦਿਖਾਇਆ ਕਿ ਇਹ ਮੋਟੇ ਛਾਂਟੀ ਧੋਖਾਧੜੀ ਹੋ ਸਕਦੀ ਹੈ। "ਸੁੱਜੇ" ਟਿਊਮਰ ਵਾਲੇ ਕੁਝ ਮਰੀਜ਼, ਜਿਨ੍ਹਾਂ ਨੂੰ ਇੱਕ ਚੰਗੀ ਪ੍ਰਤੀਕਿਰਿਆ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਨੇ TGFβ ਨਾਮਕ ਪ੍ਰੋਟੀਨ ਦੁਆਰਾ ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਸੰਕੇਤਾਂ ਨੂੰ ਦਬਾਉਣ, ਨਾੜੀ ਬੇਦਖਲੀ, ਜਾਂ ਕੁਝ ਇਮਿਊਨ ਸੈੱਲਾਂ ਵਿੱਚ ਨਪੁੰਸਕਤਾ ਦੇ ਕਾਰਨ ਜਵਾਬ ਨਹੀਂ ਦਿੱਤਾ। ਇਸ ਦੇ ਉਲਟ, ਕੁਝ ਮਰੀਜ਼ ਜਿਨ੍ਹਾਂ ਦੇ ਟਿਊਮਰ ਸੁੱਜੇ ਹੋਏ ਨਹੀਂ ਦਿਖਦੇ ਸਨ, ਨੇ ਅਜੇ ਵੀ ਜਵਾਬ ਦਿੱਤਾ, ਕਿਉਂਕਿ ਉਨ੍ਹਾਂ ਨੇ ਸਾਈਟੋਟੌਕਸਿਕ ਇਮਿਊਨ ਗਤੀਵਿਧੀ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਿਆ ਜਾਂ ਇਮਯੂਨੋਸਪਰੈਸਿਵ ਸਿਗਨਲਾਂ ਦੇ ਬਿਨਾਂ ਉੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲ ਬੋਝ ਲਿਆ।
ਉਹਨਾਂ ਲੁਕਵੇਂ ਭਿੰਨਤਾਵਾਂ ਨੂੰ ਹੱਲ ਕਰਕੇ, COMPASS ਕਾਰਜਸ਼ੀਲ ਇਮਿਊਨ ਅਵਸਥਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ ਜੋ ਮੌਜੂਦਾ ਬਾਇਓਮਾਰਕਰਾਂ ਨੂੰ ਬਦਲਣ ਦੀ ਬਜਾਏ ਪੂਰਕ ਕਰਦੇ ਹਨ।
ਅੱਗੇ ਕੀ ਆਉਂਦਾ ਹੈ
ਅਧਿਐਨ ਓਨਕੋਲੋਜੀ ਵਿੱਚ ਏਆਈ ਦੇ ਵਾਅਦੇ ਅਤੇ ਸੀਮਾਵਾਂ ਦੋਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। COMPASS ਕੈਂਸਰ ਦੀਆਂ ਕਿਸਮਾਂ ਅਤੇ ਇਲਾਜਾਂ ਵਿੱਚ ਸਾਧਾਰਨ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਪੈਰਾਮੀਟਰ-ਕੁਸ਼ਲ ਟ੍ਰਾਂਸਫਰ ਲਰਨਿੰਗ ਦੁਆਰਾ ਛੋਟੇ ਕਲੀਨਿਕਲ ਸਮੂਹਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਇੱਕ ਜ਼ੀਰੋ-ਸ਼ਾਟ ਮੋਡ ਸ਼ਾਮਲ ਹੈ ਜੋ ਬਿਨਾਂ ਕਿਸੇ ਵਾਧੂ ਸਿਖਲਾਈ ਦੇ ਨਵੇਂ ਮਰੀਜ਼ਾਂ ਨੂੰ ਸਮਾਨ ਮਾਮਲਿਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਪਰ ਲੇਖਕ ਨੋਟ ਕਰਦੇ ਹਨ ਕਿ ਇਮਯੂਨੋਥੈਰੇਪੀ ਪ੍ਰਤੀਕਿਰਿਆ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟੋਮ ਤੋਂ ਪਰੇ ਬਹੁਤ ਸਾਰੇ ਕਾਰਕਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਅਤੇ ਕਲੀਨਿਕਲ ਗੋਦ ਲੈਣ ਲਈ ਵੱਡੀਆਂ ਅਤੇ ਵਧੇਰੇ ਵਿਭਿੰਨ ਆਬਾਦੀਆਂ ਵਿੱਚ ਹੋਰ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਲੋੜ ਪਵੇਗੀ।
ਇਹ ਕੰਮ ਇੱਕ ਵਿਆਪਕ ਰੁਝਾਨ ਨੂੰ ਵੀ ਦਰਸਾਉਂਦਾ ਹੈ: ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਾਂ 'ਤੇ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਅਤੇ ਫਿਰ ਵਿਸ਼ੇਸ਼ ਮੈਡੀਕਲ ਕਾਰਜਾਂ ਲਈ ਅਨੁਕੂਲਿਤ ਕਲੀਨਿਕ ਦੇ ਨੇੜੇ ਜਾ ਰਹੇ ਹਨ। ਕੀ ਟਿਊਮਰ ਇਮਿਊਨ ਬਾਇਓਲੋਜੀ ਤੋਂ ਸਿੱਖੀਆਂ ਗਈਆਂ ਧਾਰਨਾਵਾਂ ਵਿਅਕਤੀਗਤ ਮਰੀਜ਼ਾਂ ਲਈ ਬਿਹਤਰ, ਤੇਜ਼ ਇਲਾਜ ਦੇ ਫੈਸਲਿਆਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਇਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦੇ ਅਗਲੇ ਦੌਰ ਨੂੰ ਦੇਣਾ ਹੋਵੇਗਾ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਟੈਕਸਟ ਅਤੇ ਚਿੱਤਰਾਂ ਤੋਂ ਦਵਾਈ ਅਤੇ ਵਿਗਿਆਨ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧ ਰਹੇ ਹਨ। ਸਿਹਤ ਸੰਭਾਲ ਅਤੇ ਖੋਜ ਨੂੰ ਆਕਾਰ ਦੇਣ ਵਾਲੇ ਨਵੀਨਤਮ AI ਵਿਕਾਸ ਨੂੰ ਟਰੈਕ ਕਰੋ।
ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →
