哈佛醫學院AI模型COMPASS：精準預測癌症免疫治療反應，告別「撞手神」

呢篇文同你拆解哈佛醫學院（Harvard Medical School）同羅氏藥廠（Roche）最新合作開發嘅AI模型——COMPASS。佢係一個「基礎AI模型」（foundation model），專為預測癌症病人對免疫檢查點抑制劑（immune checkpoint inhibitors, ICIs）嘅治療反應而設計，而且唔係淨係畀個「得」或「唔得」嘅答案，仲會解釋背後嘅免疫學原因。^PP

COMPASS點樣預測ICI反應？

COMPASS嘅運作分兩個階段：

1. 泛癌預訓練 — 模型先用「自我監督學習」（self-supervised learning）方法，從10,184個腫瘤嘅RNA-seq數據（嚟自TCGA資料庫，涵蓋33種癌症）學習腫瘤同免疫系統互動嘅普遍模式。^PP

2. 臨床隊列微調 — 然後再喺16個獨立臨床隊列（包括黑色素瘤、非小細胞肺癌、胃癌、膀胱癌、腎癌、膠質母細胞瘤同頭頸癌，涉及6種唔同ICI方案，如抗PD-1、抗PD-L1、抗CTLA-4等）進行微調，令模型適應實際臨床情況。^PP

預測時，COMPASS會輸入病人嘅腫瘤mRNA表達譜（以TPM為單位）同癌症類型編碼，然後輸出兩樣嘢^P：

• 44個概念分數 — 代表44個有生物學根據嘅「免疫概念」，例如CD8⁺ T細胞浸潤、衰竭T細胞狀態、B細胞活性、IFN-γ信號通路、TGF-β通路等。
• 治療反應概率 — 模型估計病人係「反應者」定「無反應者」。

COMPASS有咩咁特別？

解釋得到嘅AI — 唔似得傳統「黑盒」深度學習模型，COMPASS採用「概念瓶頸架構」（concept bottleneck architecture）：先將基因表達數據映射到44個高層次、人類可理解嘅免疫概念，再用呢啲概念嚟做最終預測。^PP 即係醫生同研究人員可以睇到「點解」個預測係咁——例如「呢個病人預計會有效，因為佢有高CD8⁺ T細胞浸潤同強烈嘅IFN-γ通路激活。」

跨癌種通用能力 — 好多現有ICI預測模型只係針對單一癌症或小型隊列訓練，難以推廣。COMPASS經過33種癌症預訓練同多個臨床隊列微調，所以可以通用於唔同癌症同治療方案，甚至對未曾見過嘅癌症類型同ICI藥物都有效。^PP

表現贏晒傳統標記 — 根據預印本，COMPASS預測生存結果嘅準確度顯著高過PD-L1表達同腫瘤突變負荷（TMB）——呢兩個係目前最常用嘅臨床生物標記。喺一項二期泌尿上皮癌試驗中，COMPASS嘅風險比（Hazard Ratio）達到4.7（p < 0.0001），遠超PD-L1嘅表現。^P

揭示抗藥機制 — 透過SHAP分析（一種解釋機器學習模型嘅方法）去剖析44個概念分數，COMPASS可以搵出邊啲免疫生物學因素驅動病人有反應或出現抗藥性，有助了解抗藥機制。^P

臨床應用潛力

• 更精準嘅病人篩選 — 幫醫生決定邊啲病人最有可能從免疫治療中獲益，避免非反應者承受無謂嘅副作用同費用。^PP
• 臨床試驗設計 — 支援更精準嘅隊列選擇，有可能減少試驗規模，加快藥物開發。^P
• 抗藥機制研究 — 揭示邊啲免疫通路導致特定病人或癌症類型無反應，有助設計聯合療法同發現新嘅抗藥機制。^P
• 開放使用 — 哈佛Zitnik Lab提供網頁版MCP伺服器工具畀研究人員使用，程式碼同預訓練模型都已公開喺GitHub同immuno-compass.com。^PPP

要注意嘅限制

COMPASS嘅預印本（2025年5月上載到medRxiv）尚未完成正式同儕審查^P。模型需要腫瘤RNA-seq數據做輸入，呢啲數據暫時唔係所有癌症病人嘅常規檢測項目。另外，獨立嘅前瞻性臨床驗證研究仲未發表。