மருத்துவர்கள் இன்று நம்பியிருக்கும் நிலையான பயோமார்க்ஸ்களைக் காட்டிலும் நோயாளிகள் நோயெதிர்ப்பு சிகிச்சைக்கு எவ்வாறு பதிலளிப்பார்கள் என்பதைக் கணிக்கும் பான்-புற்றுநோய் AI மாதிரியை ஆராய்ச்சியாளர்கள் உருவாக்கியுள்ளனர். COMPASS எனப்படும் இந்த மாதிரியானது, ஜூலை 3, 2026 அன்று நேச்சர் மெடிசினில் வெளியிடப்பட்ட ஒரு ஆய்வில் விவரிக்கப்பட்டது, மேலும் இது பல்வேறு கட்டி வகைகள், சிகிச்சை முறைகள் மற்றும் மருத்துவக் குழுக்கள் ஆகியவற்றில் பொதுமைப்படுத்துகிறது.
இம்யூனோதெரபி, குறிப்பாக நோயெதிர்ப்பு சோதனைச் சாவடி தடுப்பான்கள் எனப்படும் மருந்துகளின் வகை, புற்றுநோய் சிகிச்சையை மாற்றியுள்ளது, ஆனால் சிறுபான்மை நோயாளிகள் மட்டுமே பயனடைகிறார்கள். இயந்திரக் கற்றல் மருத்துவத்தை எவ்வாறு மறுவடிவமைக்கிறது என்பதைத் தொடர்ந்து AI தொழில்துறை கவரேஜுக்கு, COMPASS ஆனது, மொழி மற்றும் படங்களிலிருந்து புற்றுநோய்க்கான அடிப்படை மாதிரி நுட்பங்கள் எவ்வாறு நகர்கின்றன என்பதைப் பற்றிய விரிவான பார்வையை வழங்குகிறது.
பிரச்சனை COMPASS சமாளிக்கிறது
நோயெதிர்ப்பு சோதனைச் சாவடி தடுப்பான்கள், அல்லது ICIகள், நோயெதிர்ப்பு மண்டலத்தில் பிரேக்குகளை விடுவிப்பதன் மூலம் சில புற்றுநோய்களுக்கான விளைவுகளை வியத்தகு முறையில் மேம்படுத்தியுள்ளன, இதனால் அது கட்டிகளைத் தாக்கும். பதில்கள் சீரற்றவை என்பதுதான் பிடிப்பு. நோயாளிகளின் துணைக்குழு மட்டுமே நீடித்த நிவாரணத்தை அடைகிறது, இன்னும் பலர் எந்தப் பலனையும் காணவில்லை, மேலும் யார் பதிலளிப்பார்கள் என்பதை முன்கூட்டியே தெரிவிக்க மருத்துவர்களுக்கு வரையறுக்கப்பட்ட கருவிகள் உள்ளன.
இன்றைய மருத்துவ ரீதியாக சரிபார்க்கப்பட்ட முன்கணிப்பாளர்கள், முக்கியமாக கட்டி பிறழ்வு சுமை (TMB) மற்றும் PD-L1 எனப்படும் புரதத்தின் வெளிப்பாடு ஆகியவை அபூரணமானவை. 27,000 ஐசிஐ-சிகிச்சை பெற்ற நோயாளிகளின் பான்-புற்றுநோய் பகுப்பாய்வில் அந்த குறிப்பான்கள் மற்றும் உண்மையான நோயாளி பதில்களுக்கு இடையே பலவீனமான அல்லது சீரற்ற இணைப்புகள் மட்டுமே காணப்பட்டன. இதன் விளைவாக, நோயாளிகள் அவர்களுக்கு உதவாத மருந்துகளுக்கு ஆளாக நேரிடலாம், அதே சமயம் பயனடையக்கூடிய மற்றவர்கள் ஒருபோதும் அடையாளம் காணப்படவில்லை.
கட்டி மற்றும் அதைச் சுற்றியுள்ள நோயெதிர்ப்பு உயிரணுக்களுக்கு இடையிலான சிக்கலான இடைவினை, கட்டி நோயெதிர்ப்பு நுண்ணுயிர் (TIME) பற்றிய விளக்கமான, உயிரியல் அடிப்படையிலான கருத்துக்களைக் கற்றுக்கொள்வதன் மூலம் அந்த இடைவெளியை மூடுவதை COMPASS நோக்கமாகக் கொண்டுள்ளது.
ஒரு கான்செப்ட் பாட்டில்நெக் ஃபவுண்டேஷன் மாடல்
COMPASS ஆனது ஒரு கருத்து தடை மாதிரியாக கட்டப்பட்டுள்ளது, இது ஒரு கருப்பு பெட்டியை விட விளக்கக்கூடியதாக வடிவமைக்கப்பட்ட ஒரு கட்டிடக்கலை. இது 15,672 புரத-குறியீட்டு மரபணுக்களின் வெளிப்பாட்டைப் படிக்கும் ஒரு மின்மாற்றி அடிப்படையிலான மரபணு குறியாக்கி மூலம் நோயாளியின் கட்டி ஆர்என்ஏ வரிசைப்படுத்தல் தரவை செயலாக்குகிறது. அந்த மரபணு உட்பொதிப்புகள் பின்னர் 132 க்யூரேட்டட் மரபணு கையொப்பங்களில் திட்டமிடப்பட்டு, 43 உயர்-நிலை நோயெதிர்ப்பு மற்றும் நுண்ணிய சூழல் கருத்துகளாக ஒருங்கிணைக்கப்பட்டு, ஒவ்வொரு நோயாளியின் கட்டி-நோய் எதிர்ப்பு இயக்கவியலின் சுருக்கமான பிரதிநிதித்துவத்தை உருவாக்குகிறது.
தி கேன்சர் ஜீனோம் அட்லஸ் (டிசிஜிஏ) இலிருந்து 33 புற்றுநோய் வகைகளில் 10,184 கட்டிகளில் சுய-கண்காணிப்பு மாறுபட்ட கற்றலைப் பயன்படுத்தி இந்த மாதிரி முன்கூட்டியே பயிற்சி செய்யப்பட்டது. பெரிய அளவிலான லேபிளிடப்படாத தரவுகளிலிருந்து முதலில் கற்றுக்கொள்வதன் மூலம், COMPASS ஆனது பொதுமைப்படுத்தக்கூடிய பிரதிநிதித்துவங்களை உருவாக்குகிறது, பின்னர் அவை மிகச் சிறிய மருத்துவக் குழுக்களில் நன்றாகச் சரிசெய்யப்படலாம், இது ஒரு முக்கியமான சொத்து என பெயரிடப்பட்ட நோயெதிர்ப்பு சிகிச்சை தரவு எவ்வளவு குறைவாக உள்ளது.
மனிதனால் படிக்கக்கூடிய கருத்துக்கள் மூலம் கட்டிடக்கலை தகவல்களை அனுப்புவதால், டி செல் சோர்வு, மைலோயிட் புரோகிராம்கள் அல்லது இம்யூனோரெகுலேட்டரி சிக்னலிங் போன்ற எந்த உயிரியல் சமிக்ஞைகள் கொடுக்கப்பட்ட கணிப்புக்கு வழிவகுத்தன என்பதை மருத்துவர்கள் ஆய்வு செய்யலாம். இது பல ஆழமான கற்றல் மாதிரிகளுக்கு முரணாக உள்ளது, அதன் பின்னணியில் உள்ள காரணத்தை விளக்காமல் மதிப்பெண்களை வெளியிடுகிறது.
புற்றுநோய்கள் முழுவதும் வலுவான முடிவுகள்
சோதனைச் சாவடி தடுப்பான்களுக்கு எதிர்-PD-1/PD-L1, ஆன்டி-சிடிஎல்ஏ-4 மற்றும் கூட்டு சிகிச்சைகள் உள்ளிட்டவற்றைக் கணிக்க, முன் சிகிச்சை கட்டி டிரான்ஸ்கிரிப்டோம்களைப் பயன்படுத்தி, ஏழு புற்றுநோய் வகைகளைச் சேர்ந்த 16 மருத்துவக் குழுக்களில் இருந்து எடுக்கப்பட்ட 1,133 நோயாளிகளிடம் COMPASS ஐ ஆய்வாளர்கள் மதிப்பீடு செய்தனர்.
லீவ்-ஒன்-கோஹார்ட்-அவுட் மதிப்பீட்டில், மாடல் இதுவரை கண்டிராத ஒரு குழுவில் மீண்டும் மீண்டும் சோதிக்கப்பட்டது, COMPASS போட்டியிட்ட 22 மாடல்களில் சிறந்த சராசரி செயல்திறனைப் பெற்றது. இது முன்கணிப்பு துல்லியத்தை 8.5 சதவிகிதம் மற்றும் துல்லிய-ரீகால் வளைவின் (AUPRC) கீழ் உள்ள பகுதியை மேம்படுத்தியது, ஒரு விளைவு மற்றொன்றை விட மிகவும் அரிதாக இருக்கும் போது 15.7 சதவிகிதம்.
சிறுநீர்ப்பை மற்றும் சிறுநீர் பாதையின் புற்றுநோயான மெட்டாஸ்டேடிக் யூரோடெலியல் கார்சினோமாவின் 2 ஆம் கட்ட சோதனையில் மிகவும் குறிப்பிடத்தக்க முடிவு வந்தது. COMPASS கணிக்கப்பட்ட நோயாளிகள், அது கணிக்கப்பட்டதை விட, 4.7 அபாய விகிதம் மற்றும் P மதிப்பு 1.7 × 10⁻⁷ உடன், கணிசமாக நீண்ட காலம் உயிர் பிழைத்துள்ளனர். இந்த அளவீட்டில், AI மாதிரியானது TMB மற்றும் PD-L1 சோதனை இரண்டையும் விஞ்சியது, தற்போது கிளினிக்கில் பயன்படுத்தப்படும் பயோமார்க்ஸ்.
நோயாளிகள் ஏன் பதிலளிக்கிறார்கள் அல்லது இல்லை என்பதை விளக்குதல்
மூலத் துல்லியத்திற்கு அப்பால், நோயாளியின் மரபணு வெளிப்பாட்டை குறிப்பிட்ட நோயெதிர்ப்புக் கருத்துகளுடன் இணைக்கும் தனிப்பயனாக்கப்பட்ட மறுமொழி வரைபடங்களை COMPASS உருவாக்குகிறது. இந்த வரைபடங்கள் ஒரு கணிப்புக்குப் பின்னால் உள்ள பொறிமுறையை விளக்க உதவுகின்றன, மேலும் அவை வழக்கமான பிரிவுகள் தவறாக வழிநடத்தும் நிகழ்வுகளை வெளிப்படுத்துகின்றன.
உதாரணமாக, மருத்துவர்கள் பெரும்பாலும் மூன்று நோயெதிர்ப்பு பினோடைப்களைப் பயன்படுத்தி கட்டிகளை வகைப்படுத்துகிறார்கள்: அழற்சி, விலக்கப்பட்ட மற்றும் பாலைவனம். ஆனால் COMPASS இந்த கரடுமுரடான வரிசையாக்கம் ஏமாற்றும் என்று காட்டியது. ஒரு நல்ல பதிலைக் கணிக்க வேண்டிய "வீக்கமடைந்த" கட்டிகளைக் கொண்ட சில நோயாளிகள், TGFβ எனப்படும் புரதத்தால் இயக்கப்படும் சிக்னல்களை அடக்குதல், வாஸ்குலர் விலக்கு அல்லது சில நோயெதிர்ப்பு உயிரணுக்களில் செயலிழப்பு ஆகியவற்றின் காரணமாக பதிலளிக்கவில்லை. மாறாக, கட்டிகள் வீக்கமடையாத சில நோயாளிகள் இன்னும் பதிலளித்தனர், ஏனெனில் அவர்கள் சைட்டோடாக்ஸிக் நோயெதிர்ப்பு செயல்பாட்டைத் தக்க வைத்துக் கொண்டனர் அல்லது நோயெதிர்ப்புத் தடுப்பு சமிக்ஞைகள் இல்லாமல் அதிக பரஸ்பர சுமையைச் சுமந்தனர்.
அந்த மறைக்கப்பட்ட வேறுபாடுகளைத் தீர்ப்பதன் மூலம், COMPASS, தற்போதுள்ள பயோமார்க்ஸர்களை மாற்றுவதற்குப் பதிலாக, முழுமையாக்கும் செயல்பாட்டு நோயெதிர்ப்பு நிலைகளை அடையாளம் காட்டுகிறது.
அடுத்து என்ன வரும்
புற்றுநோயியல் துறையில் AI இன் வாக்குறுதி மற்றும் வரம்புகள் இரண்டையும் இந்த ஆய்வு அடிக்கோடிட்டுக் காட்டுகிறது. COMPASS ஆனது புற்றுநோய் வகைகள் மற்றும் சிகிச்சைகள் முழுவதும் பொதுமைப்படுத்துகிறது மற்றும் அளவுரு-திறமையான பரிமாற்றக் கற்றல் மூலம் சிறிய மருத்துவக் குழுக்களுக்கு மாற்றியமைக்க முடியும், இது ஒரு பூஜ்ஜிய-ஷாட் பயன்முறை உட்பட, கூடுதல் பயிற்சியின்றி புதிய நோயாளிகளை ஒத்த நிகழ்வுகளுக்கு பொருந்தும். ஆனால் நோயெதிர்ப்பு சிகிச்சை பதில் டிரான்ஸ்கிரிப்டோமிற்கு அப்பாற்பட்ட பல காரணிகளைப் பொறுத்தது என்று ஆசிரியர்கள் குறிப்பிடுகின்றனர், மேலும் மருத்துவ தத்தெடுப்புக்கு பெரிய மற்றும் பலதரப்பட்ட மக்கள்தொகையில் மேலும் சரிபார்ப்பு தேவைப்படும்.
இந்த வேலை ஒரு பரந்த போக்கையும் பிரதிபலிக்கிறது: அடித்தள மாதிரிகள் பரந்த தரவுத்தொகுப்புகளில் முன் பயிற்சியளிக்கப்பட்டு, பின்னர் சிறப்பு மருத்துவப் பணிகளுக்கு ஏற்றவாறு கிளினிக்கிற்கு நெருக்கமாக நகர்கின்றன. கட்டி நோயெதிர்ப்பு உயிரியலில் இருந்து கற்றுக்கொண்ட கருத்துக்கள் தனிப்பட்ட நோயாளிகளுக்கு சிறந்த, விரைவான சிகிச்சை முடிவுகளாக மொழிபெயர்க்க முடியுமா என்பது அடுத்த சுற்று சோதனைகள் பதிலளிக்க வேண்டிய கேள்வி.
AIக்கு முன்னால் இருங்கள்
அறக்கட்டளை மாதிரிகள் பெருகிய முறையில் உரை மற்றும் படங்களிலிருந்து மருத்துவம் மற்றும் அறிவியலுக்கு நகர்கின்றன. உடல்நலம் மற்றும் ஆராய்ச்சியை வடிவமைக்கும் சமீபத்திய AI வளர்ச்சிகள் கண்காணிக்கவும்.
மேலும் AI செய்திகளைப் படிக்கவும் →
