Muundo wa COMPASS AI Hutabiri Matokeo ya Tiba ya Kinga ya Saratani Katika Aina Za Uvimbe, Matokeo ya Utafiti

Watafiti wameunda modeli ya AI ya saratani ya pan-cancer ambayo inatabiri jinsi wagonjwa watakavyoitikia tiba ya kinga kwa usahihi zaidi kuliko kiwango ambacho madaktari wa alama za biomark wanategemea leo. Muundo huo, unaoitwa COMPASS, ulielezewa katika utafiti uliochapishwa katika Dawa ya Asili mnamo Julai 3, 2026, na unajumuisha aina mbalimbali za uvimbe, taratibu za matibabu na vikundi vya kimatibabu.

Tiba ya kinga mwilini, haswa kundi la dawa zinazojulikana kama vizuizi vya ukaguzi wa kinga, imebadilisha utunzaji wa saratani, lakini ni wagonjwa wachache tu wanaofaidika. Kwa utangazaji wa tasnia ya AI kufuatia jinsi kujifunza kwa mashine kunavyobadilisha muundo wa dawa, COMPASS inatoa mwonekano wa kina wa jinsi mbinu za miundo msingi zinavyosonga kutoka kwa lugha na picha hadi oncology.

Tatizo COMPASS Hukabiliana

Vizuizi vya ukaguzi wa kinga, au ICIs, vimeboresha matokeo kwa baadhi ya saratani kwa kutoa breki kwenye mfumo wa kinga ili iweze kushambulia uvimbe. Kinachovutia ni kwamba majibu hayana usawa. Ni sehemu ndogo tu ya wagonjwa wanaopata msamaha wa kudumu, wakati wengine wengi hawaoni faida yoyote, na madaktari wana zana ndogo za kusema mapema nani atajibu.

Vitabiri vya leo vilivyothibitishwa kimatibabu, hasa mzigo wa mabadiliko ya uvimbe (TMB) na usemi wa protini inayoitwa PD-L1, si kamilifu. Uchunguzi wa saratani ya pan-cancer wa zaidi ya wagonjwa 27,000 waliotibiwa na ICI ulipata tu viungo dhaifu au visivyolingana kati ya alama hizo na majibu halisi ya mgonjwa. Matokeo yake ni kwamba wagonjwa wanaweza kuathiriwa na dawa ambazo hazitawasaidia, wakati wengine ambao wanaweza kufaidika hawatambuliwi kamwe.

COMPASS inalenga kuziba pengo hilo kwa kujifunza dhana zinazoweza kufasirika, zenye msingi wa kibayolojia kuhusu mazingira madogo ya kinga ya uvimbe (TIME), mwingiliano changamano kati ya uvimbe na seli za kinga zinazoizunguka.

Mfano wa Msingi wa Dhana ya Bottleneck

COMPASS imeundwa kama kielelezo cha dhana ya kizuizi, usanifu iliyoundwa kuelezeka badala ya kisanduku cheusi. Huchakata data ya kivimbe cha RNA inayopanga mpangilio wa data kupitia kisimbaji cha jeni chenye msingi wa kibadilishaji ambacho husoma usemi wa jeni 15,672 za usimbaji wa protini. Upachikaji huo wa jeni kisha hukadiriwa kwenye sahihi 132 za jeni zilizoratibiwa na kujumlishwa katika dhana 43 za kiwango cha juu za kinga na mazingira madogo, na hivyo kutoa uwakilishi thabiti wa mienendo ya kinga ya uvimbe ya kila mgonjwa.

Mtindo huo ulitayarishwa awali kwa kutumia ujifunzaji tofauti wa kujidhibiti kwenye uvimbe 10,184 katika aina 33 za saratani kutoka kwa The Cancer Genome Atlas (TCGA). Kwa kujifunza kutoka kwa kiasi kikubwa cha data isiyo na lebo kwanza, COMPASS huunda uwakilishi unaoweza kuelezeka kwa ujumla ambao unaweza kisha kusasishwa vizuri kwenye vikundi vidogo zaidi vya kliniki, sifa muhimu kutokana na jinsi data ya tiba ya kinga ilivyo adimu.

Kwa sababu usanifu hupitisha maelezo kupitia dhana zinazoweza kusomeka na binadamu, matabibu wanaweza kukagua ni ishara zipi za kibiolojia, kama vile uchovu wa seli T, programu za myeloid, au uwekaji ishara wa udhibiti wa kinga mwilini, ziliendesha ubashiri fulani. Hiyo ni tofauti na mifano mingi ya kujifunza kwa kina ambayo hutoa alama bila kueleza sababu nyuma yake.

Matokeo Madhubuti Katika Saratani

Watafiti walitathmini COMPASS kwa wagonjwa 1,133 waliotolewa kutoka kwa vikundi 16 vya kliniki vilivyo na aina saba za saratani, kwa kutumia nakala za tumor ya matibabu kutabiri majibu ya vizuizi vya ukaguzi ikiwa ni pamoja na anti-PD-1/PD-L1, anti-CTLA-4, na matibabu mchanganyiko.

Katika tathmini ya kudai kuondoka kwa kundi moja, ambapo muundo huo hujaribiwa mara kwa mara kwenye kundi ambalo halijawahi kuona, COMPASS ilipata utendakazi bora zaidi kati ya miundo 22 shindani. Iliboresha usahihi wa utabiri kwa asilimia 8.5 na eneo lililo chini ya mkondo wa kukumbuka kwa usahihi (AUPRC), kipimo muhimu wakati tokeo moja ni adimu zaidi kuliko lingine, kwa asilimia 15.7.

Matokeo ya kushangaza zaidi yalikuja katika jaribio lililofanyika la awamu ya 2 la saratani ya urothelial ya metastatic, saratani ya kibofu na njia ya mkojo. Wagonjwa ambao COMPASS ilitabiri wangejibu wangeendelea kuishi kwa muda mrefu zaidi kuliko wale iliotabiri kuwa hawangejibu, wakiwa na uwiano wa hatari wa 4.7 na thamani ya P ya 1.7 × 10⁻⁷. Kwa kipimo hiki, muundo wa AI ulifanya kazi vizuri zaidi katika upimaji wa TMB na PD-L1, alama za kibayolojia zinazotumika sasa katika kliniki.

Kueleza Kwa Nini Wagonjwa Hujibu, Au Hawajibu

Zaidi ya usahihi mbichi, COMPASS hutengeneza ramani za majibu zilizobinafsishwa zinazounganisha usemi wa jeni la mgonjwa na dhana mahususi za kinga. Ramani hizi husaidia kuelezea utaratibu wa utabiri, na hufichua hali ambapo kategoria za kawaida zinapotosha.

Kwa mfano, madaktari mara nyingi huainisha uvimbe kwa kutumia phenotypes tatu za kinga: zilizowaka, zisizojumuishwa, na jangwa. Lakini COMPASS ilionyesha upangaji huu mbaya unaweza kuwa wa udanganyifu. Baadhi ya wagonjwa walio na uvimbe "uliovimba", ambao unapaswa kutabiri majibu mazuri, hawakujibu kwa sababu ya kukandamiza ishara zinazoendeshwa na protini iitwayo TGFβ, kutengwa kwa mishipa, au kutofanya kazi kwa seli fulani za kinga. Kinyume chake, wagonjwa wengine ambao uvimbe wao haukuonekana kuwaka bado walijibu, kwa sababu walihifadhi shughuli za kinga ya cytotoxic au kubeba mzigo mkubwa wa mabadiliko bila ishara za kukandamiza kinga.

Kwa kusuluhisha tofauti hizo zilizofichwa, COMPASS hutambua hali zinazofanya kazi za kinga ambazo hukamilishana, badala ya kuchukua nafasi tu, viambishi vilivyopo.

Nini Kinafuata

Utafiti unasisitiza ahadi na mipaka ya AI katika oncology. COMPASS hujumlisha aina na matibabu ya saratani na inaweza kukabiliana na vikundi vidogo vya kliniki kupitia ujifunzaji wa uhamisho wa kigezo, ikiwa ni pamoja na hali ya sifuri inayolingana na wagonjwa wapya na kesi sawa bila mafunzo ya ziada. Lakini waandishi wanaona kuwa mwitikio wa tiba ya kinga hutegemea mambo mengi zaidi ya nakala, na kupitishwa kwa kliniki kutahitaji uthibitisho zaidi katika idadi kubwa na tofauti zaidi.

Kazi pia inaonyesha mwelekeo mpana zaidi: miundo msingi iliyofunzwa awali kwenye hifadhidata kubwa na kisha kubadilishwa kwa kazi maalum za matibabu inasogea karibu na kliniki. Ikiwa dhana zilizojifunza kutoka kwa baiolojia ya kinga ya uvimbe zinaweza kutafsiri kuwa bora, maamuzi ya matibabu ya haraka kwa wagonjwa binafsi ni swali ambalo awamu inayofuata ya majaribio italazimika kujibu.

Kaa Mbele ya AI

Miundo ya msingi inazidi kusonga kutoka kwa maandishi na picha hadi dawa na sayansi. Fuatilia maendeleo ya hivi punde ya AI yanayounda huduma ya afya na utafiti.

Soma habari zaidi za AI →