भविष्यवाणी के समय, COMPASS रोगी के ट्यूमर mRNA एक्सप्रेशन प्रोफाइल (TPM यूनिट्स में) और उनके कैंसर प्रकार कोड को इनपुट के रूप में लेता है और दो चीजें आउटपुट करता है :

• 44 कॉन्सेप्ट स्कोर — ये जैविक रूप से आधारित 'इम्यून कॉन्सेप्ट्स' की मात्रात्मक सक्रियता हैं, जो प्रतिरक्षा कोशिका अवस्थाओं (जैसे CD8⁺ T कोशिकाएं, एक्सहॉस्टेड T कोशिकाएं, B कोशिकाएं), ट्यूमर-माइक्रोएनवायरनमेंट इंटरैक्शन और सिग्नलिंग पाथवे (जैसे IFN-γ पाथवे, TGF-β पाथवे) को दर्शाते हैं।
• अनुमानित संभावनाएं — मॉडल का चिकित्सीय प्रतिक्रिया (रिस्पॉन्डर बनाम नॉन-रिस्पॉन्डर) की अनुमानित संभावना।

क्या चीज़ COMPASS को मौजूदा तरीकों से अलग बनाती है?

व्याख्यानीय कॉन्सेप्ट बॉटलनेक आर्किटेक्चर। अधिकांश 'ब्लैक-बॉक्स' डीप लर्निंग मॉडल के विपरीत, COMPASS एक कॉन्सेप्ट बॉटलनेक डिज़ाइन का उपयोग करता है: यह पहले कच्चे जीन एक्सप्रेशन डेटा को 44 उच्च-स्तरीय, मानव-व्याख्यानीय प्रतिरक्षा अवधारणाओं पर मैप करता है, और फिर अंतिम भविष्यवाणी करने के लिए उन अवधारणाओं का उपयोग करता है । इसका मतलब है कि डॉक्टर और शोधकर्ता देख सकते हैं कि भविष्यवाणी क्यों की गई — उदाहरण के लिए, "इस रोगी के प्रतिक्रिया देने की भविष्यवाणी की गई है क्योंकि उनमें CD8⁺ T कोशिकाओं की उच्च घुसपैठ और मजबूत IFN-γ पाथवे सक्रियता है।"

पैन-कैंसर सामान्यीकरण क्षमता (ट्रांसफर लर्निंग)। कई मौजूदा ICI भविष्यवाणी मॉडल एक ही कैंसर प्रकार या एक छोटे समूह पर प्रशिक्षित होते हैं, जिससे उनकी सामान्यीकरण क्षमता सीमित हो जाती है। COMPASS को 33 कैंसर प्रकारों पर प्रशिक्षित किया गया है और विविध क्लिनिकल समूहों में फाइन-ट्यून किया गया है, जिससे यह विभिन्न कैंसरों और उपचार पद्धतियों में सामान्यीकरण कर सकता है — यहां तक कि उन कैंसर प्रकारों और ICI दवाओं के लिए भी जो फाइन-ट्यूनिंग के दौरान नहीं देखी गई थीं ।

मानक बायोमार्कर से बेहतर प्रदर्शन। प्रीप्रिंट के अनुसार, COMPASS की भविष्यवाणियां सर्वाइवल परिणामों की भविष्यवाणी करने में PD-L1 एक्सप्रेशन और ट्यूमर म्यूटेशनल बर्डन (TMB) — दो सबसे व्यापक रूप से उपयोग किए जाने वाले नैदानिक बायोमार्कर — की तुलना में काफी अधिक सटीक थीं। एक फेज II यूरोथेलियल कैंसर ट्रायल में, COMPASS ने सर्वाइवल स्ट्रेटिफिकेशन के लिए 4.7 का हैज़र्ड रेशियो (p < 0.0001) हासिल किया, जो PD-L1 से काफी बेहतर है ।

यांत्रिक व्याख्यानीयता (मैकेनिस्टिक इंटरप्रिटेबिलिटी)। 44 कॉन्सेप्ट स्कोर पर SHAP विश्लेषण के माध्यम से, COMPASS यह पहचानता है कि व्यक्तिगत रोगियों और विभिन्न कैंसर प्रकारों में कौन सी प्रतिरक्षा जीव विज्ञान प्रतिक्रिया या प्रतिरोध को संचालित करता है, जिससे प्रतिरोध तंत्र में अंतर्दृष्टि मिलती है ।

संभावित नैदानिक निहितार्थ

• ICIs के लिए बेहतर रोगी चयन। COMPASS यह पहचानने में मदद कर सकता है कि कौन से रोगियों को इम्यूनोथेरेपी से सबसे अधिक लाभ होने की संभावना है, जिससे गैर-प्रतिक्रियाकर्ताओं को अप्रभावी उपचारों और अनावश्यक दुष्प्रभावों से बचाया जा सके ।
• ट्रायल एनरिचमेंट और डिज़ाइन। यह मॉडल अधिक सटीक समूह चयन को सक्षम करके नैदानिक परीक्षण डिजाइन का समर्थन कर सकता है, जिससे संभावित रूप से परीक्षण के आकार को कम किया जा सकता है और दवा के विकास में तेजी लाई जा सकती है ।
• प्रतिरोध के बारे में यांत्रिक अंतर्दृष्टि। यह बताकर कि विशिष्ट रोगियों या कैंसर प्रकारों में गैर-प्रतिक्रिया कौन से प्रतिरक्षा मार्गों को संचालित कर रही है, COMPASS संयोजन चिकित्सा रणनीतियों को सूचित कर सकता है और उपन्यास प्रतिरोध तंत्र की पहचान कर सकता है ।
• सार्वजनिक उपकरण के माध्यम से पहुंच। हार्वर्ड की जिटनिक लैब द्वारा COMPASS भविष्यवाणियां चलाने के लिए एक वेब-आधारित MCP सर्वर उपकरण hosted है, और कोड और प्री-ट्रेंड मॉडल GitHub और immuno-compass.com पर सार्वजनिक रूप से उपलब्ध हैं ।

ध्यान देने योग्य सीमाएं

COMPASS प्रीप्रिंट (मई 2025 में medRxiv पर पोस्ट किया गया) ने अभी तक औपचारिक सहकर्मी समीक्षा पूरी नहीं की है, हालांकि इसे NIH-वित्त पोषित प्रीप्रिंट के रूप में PMC में प्रकाशित किया गया है । मॉडल को इनपुट के रूप में बल्क RNA-seq डेटा की आवश्यकता होती है, जो अभी तक सभी कैंसर रोगियों के लिए नियमित नैदानिक कार्यप्रवाह का हिस्सा नहीं है। इसके अतिरिक्त, स्वतंत्र संभावित नैदानिक सत्यापन अध्ययन अभी तक प्रकाशित नहीं हुए हैं।

भविष्यवाणी के समय, COMPASS रोगी के ट्यूमर mRNA एक्सप्रेशन प्रोफाइल (TPM यूनिट्स में) और उनके कैंसर प्रकार कोड को इनपुट के रूप में लेता है और दो चीजें आउटपुट करता है :

• 44 कॉन्सेप्ट स्कोर — ये जैविक रूप से आधारित 'इम्यून कॉन्सेप्ट्स' की मात्रात्मक सक्रियता हैं, जो प्रतिरक्षा कोशिका अवस्थाओं (जैसे CD8⁺ T कोशिकाएं, एक्सहॉस्टेड T कोशिकाएं, B कोशिकाएं), ट्यूमर-माइक्रोएनवायरनमेंट इंटरैक्शन और सिग्नलिंग पाथवे (जैसे IFN-γ पाथवे, TGF-β पाथवे) को दर्शाते हैं।
• अनुमानित संभावनाएं — मॉडल का चिकित्सीय प्रतिक्रिया (रिस्पॉन्डर बनाम नॉन-रिस्पॉन्डर) की अनुमानित संभावना।

क्या चीज़ COMPASS को मौजूदा तरीकों से अलग बनाती है?

व्याख्यानीय कॉन्सेप्ट बॉटलनेक आर्किटेक्चर। अधिकांश 'ब्लैक-बॉक्स' डीप लर्निंग मॉडल के विपरीत, COMPASS एक कॉन्सेप्ट बॉटलनेक डिज़ाइन का उपयोग करता है: यह पहले कच्चे जीन एक्सप्रेशन डेटा को 44 उच्च-स्तरीय, मानव-व्याख्यानीय प्रतिरक्षा अवधारणाओं पर मैप करता है, और फिर अंतिम भविष्यवाणी करने के लिए उन अवधारणाओं का उपयोग करता है । इसका मतलब है कि डॉक्टर और शोधकर्ता देख सकते हैं कि भविष्यवाणी क्यों की गई — उदाहरण के लिए, "इस रोगी के प्रतिक्रिया देने की भविष्यवाणी की गई है क्योंकि उनमें CD8⁺ T कोशिकाओं की उच्च घुसपैठ और मजबूत IFN-γ पाथवे सक्रियता है।"

पैन-कैंसर सामान्यीकरण क्षमता (ट्रांसफर लर्निंग)। कई मौजूदा ICI भविष्यवाणी मॉडल एक ही कैंसर प्रकार या एक छोटे समूह पर प्रशिक्षित होते हैं, जिससे उनकी सामान्यीकरण क्षमता सीमित हो जाती है। COMPASS को 33 कैंसर प्रकारों पर प्रशिक्षित किया गया है और विविध क्लिनिकल समूहों में फाइन-ट्यून किया गया है, जिससे यह विभिन्न कैंसरों और उपचार पद्धतियों में सामान्यीकरण कर सकता है — यहां तक कि उन कैंसर प्रकारों और ICI दवाओं के लिए भी जो फाइन-ट्यूनिंग के दौरान नहीं देखी गई थीं ।

मानक बायोमार्कर से बेहतर प्रदर्शन। प्रीप्रिंट के अनुसार, COMPASS की भविष्यवाणियां सर्वाइवल परिणामों की भविष्यवाणी करने में PD-L1 एक्सप्रेशन और ट्यूमर म्यूटेशनल बर्डन (TMB) — दो सबसे व्यापक रूप से उपयोग किए जाने वाले नैदानिक बायोमार्कर — की तुलना में काफी अधिक सटीक थीं। एक फेज II यूरोथेलियल कैंसर ट्रायल में, COMPASS ने सर्वाइवल स्ट्रेटिफिकेशन के लिए 4.7 का हैज़र्ड रेशियो (p < 0.0001) हासिल किया, जो PD-L1 से काफी बेहतर है ।

यांत्रिक व्याख्यानीयता (मैकेनिस्टिक इंटरप्रिटेबिलिटी)। 44 कॉन्सेप्ट स्कोर पर SHAP विश्लेषण के माध्यम से, COMPASS यह पहचानता है कि व्यक्तिगत रोगियों और विभिन्न कैंसर प्रकारों में कौन सी प्रतिरक्षा जीव विज्ञान प्रतिक्रिया या प्रतिरोध को संचालित करता है, जिससे प्रतिरोध तंत्र में अंतर्दृष्टि मिलती है ।

संभावित नैदानिक निहितार्थ

• ICIs के लिए बेहतर रोगी चयन। COMPASS यह पहचानने में मदद कर सकता है कि कौन से रोगियों को इम्यूनोथेरेपी से सबसे अधिक लाभ होने की संभावना है, जिससे गैर-प्रतिक्रियाकर्ताओं को अप्रभावी उपचारों और अनावश्यक दुष्प्रभावों से बचाया जा सके ।
• ट्रायल एनरिचमेंट और डिज़ाइन। यह मॉडल अधिक सटीक समूह चयन को सक्षम करके नैदानिक परीक्षण डिजाइन का समर्थन कर सकता है, जिससे संभावित रूप से परीक्षण के आकार को कम किया जा सकता है और दवा के विकास में तेजी लाई जा सकती है ।
• प्रतिरोध के बारे में यांत्रिक अंतर्दृष्टि। यह बताकर कि विशिष्ट रोगियों या कैंसर प्रकारों में गैर-प्रतिक्रिया कौन से प्रतिरक्षा मार्गों को संचालित कर रही है, COMPASS संयोजन चिकित्सा रणनीतियों को सूचित कर सकता है और उपन्यास प्रतिरोध तंत्र की पहचान कर सकता है ।
• सार्वजनिक उपकरण के माध्यम से पहुंच। हार्वर्ड की जिटनिक लैब द्वारा COMPASS भविष्यवाणियां चलाने के लिए एक वेब-आधारित MCP सर्वर उपकरण hosted है, और कोड और प्री-ट्रेंड मॉडल GitHub और immuno-compass.com पर सार्वजनिक रूप से उपलब्ध हैं ।

ध्यान देने योग्य सीमाएं

COMPASS प्रीप्रिंट (मई 2025 में medRxiv पर पोस्ट किया गया) ने अभी तक औपचारिक सहकर्मी समीक्षा पूरी नहीं की है, हालांकि इसे NIH-वित्त पोषित प्रीप्रिंट के रूप में PMC में प्रकाशित किया गया है । मॉडल को इनपुट के रूप में बल्क RNA-seq डेटा की आवश्यकता होती है, जो अभी तक सभी कैंसर रोगियों के लिए नियमित नैदानिक कार्यप्रवाह का हिस्सा नहीं है। इसके अतिरिक्त, स्वतंत्र संभावित नैदानिक सत्यापन अध्ययन अभी तक प्रकाशित नहीं हुए हैं।