AI model COMPASS z Harvard Medical School umí předpovědět odpověď na imunoterapii napříč druhy rakoviny
Model COMPASS od Harvard Medical School a Roche Pharma předpovídá odpověď na imunoterapii (ICI) analýzou transkriptomických dat nádoru [1]. Prochází dvěma fázemi: předtréninkem na 10 184 nádorech z 33 typů rakoviny a dolaďováním na 16 klinických kohortách [1][4].
PublikovalUpraveno pomocí DeepSeek-V4-FlashObrázky vytvořeny pomocí GPT Image 1.5
Model COMPASS od Harvard Medical School a Roche Pharma předpovídá odpověď na imunoterapii (ICI) analýzou transkriptomických dat nádoru [1].
Prochází dvěma fázemi: předtréninkem na 10 184 nádorech z 33 typů rakoviny a dolaďováním na 16 klinických kohortách [1][4].
Zásadní inovací je tzv. konceptuální bottleneck architektura – model nevyhodnocuje data naslepo, ale nejprve je převádí na 44 srozumitelných imunitních konceptů [1][5].
COMPASS výrazně překonává standardní biomarkery, jako je PD L1 nebo mutační zátěž nádoru (TMB).
Search & fact-check with cited sources for How does Harvard Medical School's new AI model, COMPASS, predict which cancer patients will respoAn AI-generated visualization representing the COMPASS model's approach to predicting immunotherapy outcomes from tumor transcriptomic data.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for How does Harvard Medical School's new AI model, COMPASS, predict which cancer patients will respo. Article summary: Here is a detailed, source-backed summary of COMPASS.. Topic tags: general, government, education, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
Zde je podrobný, zdroji podložený přehled modelu COMPASS.
Jak COMPASS předpovídá odpověď na imunoterapii
COMPASS je foundation AI model vyvinutý na Harvard Medical School ve spolupráci s Roche Pharma. Jeho úkolem je předpovědět, zda pacient s rakovinou zareaguje na léčbu tzv. inhibitory imunitních kontrolních bodů (immune checkpoint inhibitors, ICI). Dělá to analýzou transkriptomických dat nádoru (RNA-seq) .
Model funguje ve dvou krocích:
Předtrénink na datech z mnoha druhů rakoviny – COMPASS se nejprve učí na rozsáhlém souboru transkriptomů z 10 184 nádorů pokrývajících 33 typů rakoviny (data z projektu TCGA). Pomocí samoučení (self-supervised learning) si osvojuje obecné zákonitosti vztahů mezi nádorem a imunitním systémem .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "AI model COMPASS z Harvard Medical School umí předpovědět odpověď na imunoterapii napříč druhy rakoviny"?
Model COMPASS od Harvard Medical School a Roche Pharma předpovídá odpověď na imunoterapii (ICI) analýzou transkriptomických dat nádoru [1].
What are the key points to validate first?
Model COMPASS od Harvard Medical School a Roche Pharma předpovídá odpověď na imunoterapii (ICI) analýzou transkriptomických dat nádoru [1]. Prochází dvěma fázemi: předtréninkem na 10 184 nádorech z 33 typů rakoviny a dolaďováním na 16 klinických kohortách [1][4].
What should I do next in practice?
Zásadní inovací je tzv. konceptuální bottleneck architektura – model nevyhodnocuje data naslepo, ale nejprve je převádí na 44 srozumitelných imunitních konceptů [1][5].
AI model COMPASS z Harvard Medical School umí předpovědět odpověď na imunoterapii napříč druhy rakoviny
Model COMPASS od Harvard Medical School a Roche Pharma předpovídá odpověď na imunoterapii (ICI) analýzou transkriptomických dat nádoru [1]. Prochází dvěma fázemi: předtréninkem na 10 184 nádorech z 33 typů rakoviny a dolaďováním na 16 klinických kohortách [1][4].
PublikovalUpraveno pomocí DeepSeek-V4-FlashObrázky vytvořeny pomocí GPT Image 1.5
Model COMPASS od Harvard Medical School a Roche Pharma předpovídá odpověď na imunoterapii (ICI) analýzou transkriptomických dat nádoru [1].
Prochází dvěma fázemi: předtréninkem na 10 184 nádorech z 33 typů rakoviny a dolaďováním na 16 klinických kohortách [1][4].
Zásadní inovací je tzv. konceptuální bottleneck architektura – model nevyhodnocuje data naslepo, ale nejprve je převádí na 44 srozumitelných imunitních konceptů [1][5].
COMPASS výrazně překonává standardní biomarkery, jako je PD L1 nebo mutační zátěž nádoru (TMB).
Search & fact-check with cited sources for How does Harvard Medical School's new AI model, COMPASS, predict which cancer patients will respoAn AI-generated visualization representing the COMPASS model's approach to predicting immunotherapy outcomes from tumor transcriptomic data.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for How does Harvard Medical School's new AI model, COMPASS, predict which cancer patients will respo. Article summary: Here is a detailed, source-backed summary of COMPASS.. Topic tags: general, government, education, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
Zde je podrobný, zdroji podložený přehled modelu COMPASS.
Jak COMPASS předpovídá odpověď na imunoterapii
COMPASS je foundation AI model vyvinutý na Harvard Medical School ve spolupráci s Roche Pharma. Jeho úkolem je předpovědět, zda pacient s rakovinou zareaguje na léčbu tzv. inhibitory imunitních kontrolních bodů (immune checkpoint inhibitors, ICI). Dělá to analýzou transkriptomických dat nádoru (RNA-seq) .
Model funguje ve dvou krocích:
Předtrénink na datech z mnoha druhů rakoviny – COMPASS se nejprve učí na rozsáhlém souboru transkriptomů z 10 184 nádorů pokrývajících 33 typů rakoviny (data z projektu TCGA). Pomocí samoučení (self-supervised learning) si osvojuje obecné zákonitosti vztahů mezi nádorem a imunitním systémem .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "AI model COMPASS z Harvard Medical School umí předpovědět odpověď na imunoterapii napříč druhy rakoviny"?
Model COMPASS od Harvard Medical School a Roche Pharma předpovídá odpověď na imunoterapii (ICI) analýzou transkriptomických dat nádoru [1].
What are the key points to validate first?
Model COMPASS od Harvard Medical School a Roche Pharma předpovídá odpověď na imunoterapii (ICI) analýzou transkriptomických dat nádoru [1]. Prochází dvěma fázemi: předtréninkem na 10 184 nádorech z 33 typů rakoviny a dolaďováním na 16 klinických kohortách [1][4].
What should I do next in practice?
Zásadní inovací je tzv. konceptuální bottleneck architektura – model nevyhodnocuje data naslepo, ale nejprve je převádí na 44 srozumitelných imunitních konceptů [1][5].
Doladění na klinických datech pacientů léčených ICI – Předtrénovaný model se následně doladí na 16 nezávislých klinických souborech zahrnujících 7 typů rakoviny (melanom, nemalobuněčný karcinom plic, karcinom žaludku, močového měchýře, ledvin, glioblastom a karcinom hlavy a krku) a 6 různých režimů ICI (anti-PD-1, anti-PD-L1, anti-CTLA-4 a jejich kombinace) .
Při samotném vyhodnocení COMPASS na vstupu obdrží profil exprese mRNA nádoru pacienta (v jednotkách TPM) a kód typu rakoviny. Na výstupu poskytuje dvě věci :
44 konceptuálních skóre – číselné hodnoty aktivace biologicky podložených „imunitních konceptů“ reprezentujících stavy imunitních buněk (např. CD8⁺ T-buňky, vyčerpané T-buňky, B-buňky), interakce nádoru s mikroprostředím a signální dráhy (např. dráha IFN-γ, dráha TGF-β).
Předpovězené pravděpodobnosti – odhad modelu, zda pacient na léčbu zareaguje (respondér), či nikoli (non-respondér).
Co dělá COMPASS jinak než stávající metody
Interpretovatelná konceptuální bottleneck architektura. Na rozdíl od většiny modelů hlubokého učení, které fungují jako „černá skříňka“, COMPASS využívá architekturu konceptuálního bottlenecku: nejprve převede surová data o expresi genů na 44 lidsky srozumitelných imunitních konceptů a teprve na jejich základě provede finální predikci . To znamená, že lékaři a výzkumníci vidí, proč model k danému závěru dospěl – např. „tento pacient by měl reagovat, protože má vysokou infiltraci CD8⁺ T-buňkami a silnou aktivaci dráhy IFN-γ.“
Generalizace napříč druhy rakoviny pomocí transfer learningu. Mnoho stávajících modelů pro predikci ICI je trénováno jen na jednom typu rakoviny nebo na malé kohortě, což omezuje jejich použitelnost. COMPASS je předtrénován na 33 typech rakoviny a doladěn na různorodých klinických kohortách, což mu umožňuje zobecňovat – dokáže fungovat i u typů rakoviny a léků, které nebyly součástí dolaďovací fáze .
Překonává standardní biomarkery. Podle preprintu byly predikce COMPASS výrazně přesnější než stanovení exprese PD-L1 a mutační zátěže nádoru (TMB), což jsou dva nejpoužívanější klinické biomarkery. V rámci klinické studie fáze II u karcinomu močového měchýře dosáhl COMPASS hazard ratio 4,7 (p < 0,0001) pro stratifikaci přežití, což je podstatně lepší výsledek než u PD-L1 .
Mechanistická interpretovatelnost. Díky analýze SHAP na 44 konceptuálních skóre dokáže COMPASS identifikovat, která imunitní biologie je hnací silou odpovědi nebo rezistence u jednotlivých pacientů i napříč typy rakoviny, a poskytuje tak vhled do mechanismů rezistence .
Potenciální klinické dopady
Lepší výběr pacientů pro ICI. COMPASS by mohl pomoci určit, kteří pacienti mají z imunoterapie největší prospěch, a ušetřit tak neúčinnou léčbu a zbytečné vedlejší účinky těm, u nichž je šance na úspěch malá .
Efektivnější klinické studie. Model může podpořit návrh klinických studií umožněním přesnějšího výběru kohorty, což by mohlo zmenšit potřebný počet účastníků a urychlit vývoj léků .
Mechanistické porozumění rezistenci. Odhalením toho, které imunitní dráhy jsou příčinou nereagování na léčbu u konkrétních pacientů nebo typů rakoviny, by COMPASS mohl pomoci navrhovat kombinační terapie a identifikovat nové mechanismy rezistence .
Dostupnost. Webový nástroj pro spouštění predikcí COMPASS je hostován laboratoří Zitnik Lab na Harvardu a kód i předtrénované modely jsou volně k dispozici na GitHubu a na webu immuno-compass.com .
Omezení, která je třeba zmínit
Preprint o modelu COMPASS (zveřejněný v květnu 2025 na serveru medRxiv) dosud neprošel formálním peer review, i když je publikován v PMC jako preprint financovaný NIH . Model vyžaduje jako vstup data z bulk RNA-seq, což zatím není součástí rutinní klinické praxe pro všechny pacienty s rakovinou. Rovněž dosud nebyly publikovány nezávislé prospektivní klinické validační studie.
Harnessing multi-omics and machine learning for predicting immune ...
Doladění na klinických datech pacientů léčených ICI – Předtrénovaný model se následně doladí na 16 nezávislých klinických souborech zahrnujících 7 typů rakoviny (melanom, nemalobuněčný karcinom plic, karcinom žaludku, močového měchýře, ledvin, glioblastom a karcinom hlavy a krku) a 6 různých režimů ICI (anti-PD-1, anti-PD-L1, anti-CTLA-4 a jejich kombinace) .
Při samotném vyhodnocení COMPASS na vstupu obdrží profil exprese mRNA nádoru pacienta (v jednotkách TPM) a kód typu rakoviny. Na výstupu poskytuje dvě věci :
44 konceptuálních skóre – číselné hodnoty aktivace biologicky podložených „imunitních konceptů“ reprezentujících stavy imunitních buněk (např. CD8⁺ T-buňky, vyčerpané T-buňky, B-buňky), interakce nádoru s mikroprostředím a signální dráhy (např. dráha IFN-γ, dráha TGF-β).
Předpovězené pravděpodobnosti – odhad modelu, zda pacient na léčbu zareaguje (respondér), či nikoli (non-respondér).
Co dělá COMPASS jinak než stávající metody
Interpretovatelná konceptuální bottleneck architektura. Na rozdíl od většiny modelů hlubokého učení, které fungují jako „černá skříňka“, COMPASS využívá architekturu konceptuálního bottlenecku: nejprve převede surová data o expresi genů na 44 lidsky srozumitelných imunitních konceptů a teprve na jejich základě provede finální predikci . To znamená, že lékaři a výzkumníci vidí, proč model k danému závěru dospěl – např. „tento pacient by měl reagovat, protože má vysokou infiltraci CD8⁺ T-buňkami a silnou aktivaci dráhy IFN-γ.“
Generalizace napříč druhy rakoviny pomocí transfer learningu. Mnoho stávajících modelů pro predikci ICI je trénováno jen na jednom typu rakoviny nebo na malé kohortě, což omezuje jejich použitelnost. COMPASS je předtrénován na 33 typech rakoviny a doladěn na různorodých klinických kohortách, což mu umožňuje zobecňovat – dokáže fungovat i u typů rakoviny a léků, které nebyly součástí dolaďovací fáze .
Překonává standardní biomarkery. Podle preprintu byly predikce COMPASS výrazně přesnější než stanovení exprese PD-L1 a mutační zátěže nádoru (TMB), což jsou dva nejpoužívanější klinické biomarkery. V rámci klinické studie fáze II u karcinomu močového měchýře dosáhl COMPASS hazard ratio 4,7 (p < 0,0001) pro stratifikaci přežití, což je podstatně lepší výsledek než u PD-L1 .
Mechanistická interpretovatelnost. Díky analýze SHAP na 44 konceptuálních skóre dokáže COMPASS identifikovat, která imunitní biologie je hnací silou odpovědi nebo rezistence u jednotlivých pacientů i napříč typy rakoviny, a poskytuje tak vhled do mechanismů rezistence .
Potenciální klinické dopady
Lepší výběr pacientů pro ICI. COMPASS by mohl pomoci určit, kteří pacienti mají z imunoterapie největší prospěch, a ušetřit tak neúčinnou léčbu a zbytečné vedlejší účinky těm, u nichž je šance na úspěch malá .
Efektivnější klinické studie. Model může podpořit návrh klinických studií umožněním přesnějšího výběru kohorty, což by mohlo zmenšit potřebný počet účastníků a urychlit vývoj léků .
Mechanistické porozumění rezistenci. Odhalením toho, které imunitní dráhy jsou příčinou nereagování na léčbu u konkrétních pacientů nebo typů rakoviny, by COMPASS mohl pomoci navrhovat kombinační terapie a identifikovat nové mechanismy rezistence .
Dostupnost. Webový nástroj pro spouštění predikcí COMPASS je hostován laboratoří Zitnik Lab na Harvardu a kód i předtrénované modely jsou volně k dispozici na GitHubu a na webu immuno-compass.com .
Omezení, která je třeba zmínit
Preprint o modelu COMPASS (zveřejněný v květnu 2025 na serveru medRxiv) dosud neprošel formálním peer review, i když je publikován v PMC jako preprint financovaný NIH . Model vyžaduje jako vstup data z bulk RNA-seq, což zatím není součástí rutinní klinické praxe pro všechny pacienty s rakovinou. Rovněž dosud nebyly publikovány nezávislé prospektivní klinické validační studie.
Harnessing multi-omics and machine learning for predicting immune ...
pmc.ncbi.nlm.nih.govArtificial Intelligence–Enabled Multi-Omics for Predicting Immune Checkpoint Inhibitor Response and Resistance