COMPASS: как новый ИИ расшифровывает «иммунный почерк» опухоли и предсказывает ответ на иммунотерапию
COMPASS — фундаментальная модель ИИ от Гарварда и Roche для предсказания ответа на ингибиторы иммунных контрольных точек (ICI). Анализирует транскриптомные данные опухоли (RNA seq) и выдает 44 интерпретируемых «иммунных концепта» (например, активность CD8⁺ T клеток, сигнальный путь IFN γ).
ОпубликовалОтредактировано с помощью DeepSeek-V4-FlashИзображения созданы с помощью GPT Image 1.5
COMPASS — фундаментальная модель ИИ от Гарварда и Roche для предсказания ответа на ингибиторы иммунных контрольных точек (ICI).
Анализирует транскриптомные данные опухоли (RNA seq) и выдает 44 интерпретируемых «иммунных концепта» (например, активность CD8⁺ T клеток, сигнальный путь IFN γ).
Обучена на 10 184 образцах 33 типов рака и донастроена на 16 клинических когортах по 7 типам рака и 6 режимам ICI.
Превосходит стандартные биомаркеры PD L1 и TMB: отношение рисков 4,7 (p < 0.0001) в исследовании рака мочевого пузыря II фазы.
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.
Промпт ИИ
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
Как COMPASS предсказывает ответ на ICI
COMPASS — это фундаментальная модель ИИ, разработанная Гарвардской медицинской школой и Roche Pharma. Она предсказывает, ответит ли пациент с раком на терапию ингибиторами иммунных контрольных точек (ICI), анализируя транскриптомные данные опухоли (RNA-seq) .
Модель работает в два этапа:
Предобучение на пан-раковых данных — COMPASS сначала предобучается на транскриптомах (bulk RNA-seq) 10 184 образцов опухолей 33 типов рака из базы TCGA, используя самоконтролируемое обучение для выявления общих закономерностей биологии «опухоль-иммунитет» .
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Каков краткий ответ на вопрос «COMPASS: как новый ИИ расшифровывает «иммунный почерк» опухоли и предсказывает ответ на иммунотерапию»?
COMPASS — фундаментальная модель ИИ от Гарварда и Roche для предсказания ответа на ингибиторы иммунных контрольных точек (ICI).
Какие ключевые моменты необходимо проверить в первую очередь?
COMPASS — фундаментальная модель ИИ от Гарварда и Roche для предсказания ответа на ингибиторы иммунных контрольных точек (ICI). Анализирует транскриптомные данные опухоли (RNA seq) и выдает 44 интерпретируемых «иммунных концепта» (например, активность CD8⁺ T клеток, сигнальный путь IFN γ).
Что мне делать дальше на практике?
Обучена на 10 184 образцах 33 типов рака и донастроена на 16 клинических когортах по 7 типам рака и 6 режимам ICI.
COMPASS: как новый ИИ расшифровывает «иммунный почерк» опухоли и предсказывает ответ на иммунотерапию
COMPASS — фундаментальная модель ИИ от Гарварда и Roche для предсказания ответа на ингибиторы иммунных контрольных точек (ICI). Анализирует транскриптомные данные опухоли (RNA seq) и выдает 44 интерпретируемых «иммунных концепта» (например, активность CD8⁺ T клеток, сигнальный путь IFN γ).
ОпубликовалОтредактировано с помощью DeepSeek-V4-FlashИзображения созданы с помощью GPT Image 1.5
COMPASS — фундаментальная модель ИИ от Гарварда и Roche для предсказания ответа на ингибиторы иммунных контрольных точек (ICI).
Анализирует транскриптомные данные опухоли (RNA seq) и выдает 44 интерпретируемых «иммунных концепта» (например, активность CD8⁺ T клеток, сигнальный путь IFN γ).
Обучена на 10 184 образцах 33 типов рака и донастроена на 16 клинических когортах по 7 типам рака и 6 режимам ICI.
Превосходит стандартные биомаркеры PD L1 и TMB: отношение рисков 4,7 (p < 0.0001) в исследовании рака мочевого пузыря II фазы.
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.
Промпт ИИ
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
Как COMPASS предсказывает ответ на ICI
COMPASS — это фундаментальная модель ИИ, разработанная Гарвардской медицинской школой и Roche Pharma. Она предсказывает, ответит ли пациент с раком на терапию ингибиторами иммунных контрольных точек (ICI), анализируя транскриптомные данные опухоли (RNA-seq) .
Модель работает в два этапа:
Предобучение на пан-раковых данных — COMPASS сначала предобучается на транскриптомах (bulk RNA-seq) 10 184 образцов опухолей 33 типов рака из базы TCGA, используя самоконтролируемое обучение для выявления общих закономерностей биологии «опухоль-иммунитет» .
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Каков краткий ответ на вопрос «COMPASS: как новый ИИ расшифровывает «иммунный почерк» опухоли и предсказывает ответ на иммунотерапию»?
COMPASS — фундаментальная модель ИИ от Гарварда и Roche для предсказания ответа на ингибиторы иммунных контрольных точек (ICI).
Какие ключевые моменты необходимо проверить в первую очередь?
COMPASS — фундаментальная модель ИИ от Гарварда и Roche для предсказания ответа на ингибиторы иммунных контрольных точек (ICI). Анализирует транскриптомные данные опухоли (RNA seq) и выдает 44 интерпретируемых «иммунных концепта» (например, активность CD8⁺ T клеток, сигнальный путь IFN γ).
Что мне делать дальше на практике?
Обучена на 10 184 образцах 33 типов рака и донастроена на 16 клинических когортах по 7 типам рака и 6 режимам ICI.
Донастройка на клинических когортах ICI — Затем модель донастраивается на 16 независимых клинических когортах, охватывающих 7 типов рака (меланома, немелкоклеточный рак легкого, рак желудка, мочевого пузыря, почки, глиобластома, рак головы и шеи) и 6 различных режимов ICI (анти-PD-1, анти-PD-L1, анти-CTLA-4 и их комбинации) .
На этапе предсказания COMPASS получает на вход профиль экспрессии мРНК опухоли пациента (в единицах TPM) и код типа рака, а на выходе выдает два результата :
44 концептных показателя — количественные оценки биологически обоснованных «иммунных концептов», которые отражают состояния иммунных клеток (например, CD8⁺ T-клетки, истощенные T-клетки, B-клетки), взаимодействия в микроокружении опухоли и сигнальные пути (например, IFN-γ, TGF-β).
Прогнозируемые вероятности — расчетную вероятность терапевтического ответа (ответивший vs. не ответивший).
Что отличает COMPASS от существующих методов
Интерпретируемая архитектура «концептного узкого места». В отличие от большинства моделей глубокого обучения, работающих как «черный ящик», COMPASS использует архитектуру концептного узкого места (concept bottleneck): она сначала преобразует данные экспрессии генов в 44 высокоуровневых, понятных человеку иммунных концепта, а затем уже на их основе делает итоговое предсказание . Это значит, что клиницисты и исследователи могут увидеть, почему было сделано то или иное предсказание — например, «этот пациент, вероятно, ответит на терапию, потому что у него высокая инфильтрация CD8⁺ T-клеток и сильная активация пути IFN-γ».
Пан-раковая обобщаемость за счет переноса обучения. Многие существующие модели для предсказания ICI обучаются на одном типе рака или на небольшой когорте, что ограничивает их применимость. COMPASS предобучен на 33 типах рака и донастроен на разнообразных клинических когортах, что позволяет ему обобщать знания на разные типы рака и схемы лечения — даже на те, которые не встречались при донастройке .
Превосходит стандартные биомаркеры. Согласно препринту, предсказания COMPASS были значительно точнее, чем уровни PD-L1 и TMB (опухолевая мутационная нагрузка) — двух наиболее широко используемых клинических биомаркеров — в прогнозировании выживаемости. В исследовании II фазы рака мочевого пузыря COMPASS достиг отношения рисков 4,7 (p < 0,0001) для стратификации по выживаемости, значительно превзойдя PD-L1 .
Механистическая интерпретируемость. С помощью SHAP-анализа 44 концептных показателей COMPASS определяет, какие именно аспекты иммунной биологии движут ответом или резистентностью как у отдельных пациентов, так и в разных типах рака, предоставляя понимание механизмов устойчивости к терапии .
Потенциальные клинические применения
Более точный отбор пациентов для ICI. COMPASS может помочь выявить тех, кому иммунотерапия принесет наибольшую пользу, избавляя пациентов, которые не ответят на лечение, от неэффективной терапии и ненужных побочных эффектов .
Обогащение и дизайн клинических исследований. Модель может поддержать дизайн клинических испытаний, позволяя более точно формировать когорты, что потенциально сокращает размеры исследований и ускоряет разработку лекарств .
Понимание механизмов резистентности. Выявляя, какие иммунные пути блокируют ответ у конкретных пациентов или при определенных типах рака, COMPASS может помочь в разработке стратегий комбинированной терапии и в поиске новых механизмов устойчивости .
Доступность через публичный инструмент. Веб-инструмент MCP-сервер для выполнения предсказаний COMPASS размещен лабораторией Zitnik Lab в Гарварде, а код и предобученные модели находятся в открытом доступе на GitHub и на сайте immuno-compass.com .
Ограничения, которые стоит учитывать
Препринт COMPASS (опубликован в мае 2025 года на medRxiv) еще не прошел полное рецензирование, хотя и размещен на PMC как препринт, финансируемый NIH . Модель требует входных данных RNA-seq (bulk), что пока не является частью рутинного клинического обследования для всех онкологических пациентов. Кроме того, независимые проспективные клинические валидационные исследования еще не опубликованы.
Harnessing multi-omics and machine learning for predicting immune ...
Донастройка на клинических когортах ICI — Затем модель донастраивается на 16 независимых клинических когортах, охватывающих 7 типов рака (меланома, немелкоклеточный рак легкого, рак желудка, мочевого пузыря, почки, глиобластома, рак головы и шеи) и 6 различных режимов ICI (анти-PD-1, анти-PD-L1, анти-CTLA-4 и их комбинации) .
На этапе предсказания COMPASS получает на вход профиль экспрессии мРНК опухоли пациента (в единицах TPM) и код типа рака, а на выходе выдает два результата :
44 концептных показателя — количественные оценки биологически обоснованных «иммунных концептов», которые отражают состояния иммунных клеток (например, CD8⁺ T-клетки, истощенные T-клетки, B-клетки), взаимодействия в микроокружении опухоли и сигнальные пути (например, IFN-γ, TGF-β).
Прогнозируемые вероятности — расчетную вероятность терапевтического ответа (ответивший vs. не ответивший).
Что отличает COMPASS от существующих методов
Интерпретируемая архитектура «концептного узкого места». В отличие от большинства моделей глубокого обучения, работающих как «черный ящик», COMPASS использует архитектуру концептного узкого места (concept bottleneck): она сначала преобразует данные экспрессии генов в 44 высокоуровневых, понятных человеку иммунных концепта, а затем уже на их основе делает итоговое предсказание . Это значит, что клиницисты и исследователи могут увидеть, почему было сделано то или иное предсказание — например, «этот пациент, вероятно, ответит на терапию, потому что у него высокая инфильтрация CD8⁺ T-клеток и сильная активация пути IFN-γ».
Пан-раковая обобщаемость за счет переноса обучения. Многие существующие модели для предсказания ICI обучаются на одном типе рака или на небольшой когорте, что ограничивает их применимость. COMPASS предобучен на 33 типах рака и донастроен на разнообразных клинических когортах, что позволяет ему обобщать знания на разные типы рака и схемы лечения — даже на те, которые не встречались при донастройке .
Превосходит стандартные биомаркеры. Согласно препринту, предсказания COMPASS были значительно точнее, чем уровни PD-L1 и TMB (опухолевая мутационная нагрузка) — двух наиболее широко используемых клинических биомаркеров — в прогнозировании выживаемости. В исследовании II фазы рака мочевого пузыря COMPASS достиг отношения рисков 4,7 (p < 0,0001) для стратификации по выживаемости, значительно превзойдя PD-L1 .
Механистическая интерпретируемость. С помощью SHAP-анализа 44 концептных показателей COMPASS определяет, какие именно аспекты иммунной биологии движут ответом или резистентностью как у отдельных пациентов, так и в разных типах рака, предоставляя понимание механизмов устойчивости к терапии .
Потенциальные клинические применения
Более точный отбор пациентов для ICI. COMPASS может помочь выявить тех, кому иммунотерапия принесет наибольшую пользу, избавляя пациентов, которые не ответят на лечение, от неэффективной терапии и ненужных побочных эффектов .
Обогащение и дизайн клинических исследований. Модель может поддержать дизайн клинических испытаний, позволяя более точно формировать когорты, что потенциально сокращает размеры исследований и ускоряет разработку лекарств .
Понимание механизмов резистентности. Выявляя, какие иммунные пути блокируют ответ у конкретных пациентов или при определенных типах рака, COMPASS может помочь в разработке стратегий комбинированной терапии и в поиске новых механизмов устойчивости .
Доступность через публичный инструмент. Веб-инструмент MCP-сервер для выполнения предсказаний COMPASS размещен лабораторией Zitnik Lab в Гарварде, а код и предобученные модели находятся в открытом доступе на GitHub и на сайте immuno-compass.com .
Ограничения, которые стоит учитывать
Препринт COMPASS (опубликован в мае 2025 года на medRxiv) еще не прошел полное рецензирование, хотя и размещен на PMC как препринт, финансируемый NIH . Модель требует входных данных RNA-seq (bulk), что пока не является частью рутинного клинического обследования для всех онкологических пациентов. Кроме того, независимые проспективные клинические валидационные исследования еще не опубликованы.
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