نموذج ذكاء اصطناعي عابر لأنواع السرطان يستهدف معضلة العلاج المناعي، وBioCOMPASS يحاول وضع المؤشرات الحيوية في صميم التنبؤ

تتمثل إحدى أكثر مشكلات العلاج المناعي للسرطان تعقيداً ليس في ما إذا كان الدواء فعالاً، بل في معرفة من سيظهر لديه هذا الأثر. فقد مكّنت مثبطات نقاط التفتيش المناعية مثل PD-1 وCTLA-4 بعض المرضى من إبقاء أورامهم تحت السيطرة لفترات طويلة، لكن كثيرين آخرين يتحملون الآثار الجانبية وكلفة الوقت من دون أن تظهر لديهم استجابة واضحة. وإذا أمكن التنبؤ بالاستجابة بدقة أكبر قبل العلاج، فقد يصبح من الممكن سريرياً تعديل الاستراتيجية في وقت أبكر، كما قد يصبح تصميم التجارب أكثر دقة.

أفادت FirstWord Pharma بأن أداة ذكاء اصطناعي عابرة لأنواع السرطان تُسمى BioCOMPASS رفعت دقة التنبؤ بالاستجابة للعلاج المناعي. ووفقاً لمسودة البحث الأولية الخاصة بها، فإن BioCOMPASS هو نسخة موسعة من نموذج COMPASS القائم، ولا يركز فقط على الإشارات الجينية أو النسخية بحد ذاتها، بل يدمج أيضاً المؤشرات الحيوية السريرية وأنواع العلاج ضمن تفسير النموذج.

المهمة المحددة التي يستهدفها هذا النموذج هي التنبؤ بما إذا كان مرضى السرطان قد يحققون استجابة علاجية بعد تلقي مثبطات نقاط التفتيش المناعية. وتُظهر البيانات العامة أن BioCOMPASS يدعم مؤشرات علاجية مثل PD-1 وCTLA-4 والعلاج المركب، ويستخدم فئات متعددة من خصائص الإدخال، تشمل 62 خاصية للخلايا المناعية، و42 درجة لنشاط مساري CTLA4 وPD1، إضافة إلى مؤشرات حيوية مساعدة مثل TIDE وIPRES المرتبطة بالتهرب المناعي أو مقاومة العلاج.

ذكر فريق البحث في المسودة الأولية أن BioCOMPASS، عبر تصميمات مثل البوابات العلاجية، ومحاذاة المفاهيم، واتساق المسارات، والتعلم المساعد، يجعل النموذج أقرب إلى السياق البيولوجي للعلاج المناعي عند تفسير بيانات المرضى. وبعبارة أخرى، فهو لا يبحث ببساطة عن ارتباطات إحصائية في البيانات، بل يحاول وضع «أي نوع من العلاج المناعي جرى تلقيه» و«ما الإشارات التي تُظهرها البيئة المناعية الدقيقة للورم» ضمن إطار تنبؤي واحد.

وعلى مستوى التحقق، أشار التقرير البحثي إلى أن BioCOMPASS حقق في اختبارات leave-one-cohort-out عبر 8 مجموعات ارتفاعاً في الدقة من 63.10% في COMPASS إلى 70.00%. كما استخدم المؤلفون استراتيجيات مثل leave-one-cancer-type-out وleave-one-treatment-out لاختبار قدرة النموذج على التعميم عند مواجهة أنواع سرطان أو أنواع علاج لم يرها سابقاً. تقترب هذه التصميمات من سيناريوهات التطبيق الواقعية أكثر من تقسيم واحد للبيانات، لكن النتائج لا تزال حالياً واردة من مسودة أولية، ولا تعادل بعد تحققاً سريرياً استباقياً.

لذلك تبدو القيود واضحة أيضاً. فاستجابة العلاج المناعي تتأثر بنوع الورم، والعلاجات السابقة، ومعالجة العينات، ومنصة التسلسل، وتعريف الاستجابة؛ وقد تؤدي الانحيازات بين مجموعات البيانات المختلفة إلى أن يبدو أداء النموذج جيداً في بيانات البحث، ثم يتراجع عند إدخاله في سير العمل داخل المستشفى. ولكي يصبح BioCOMPASS أداة قابلة للاستخدام في اختيار العلاج، لا يزال بحاجة إلى إثبات الثبات في بيانات مستقلة، ومتعددة المراكز، واستباقية، وإلى توضيح كيفية استخدام مخرجات النموذج مع المعايير السريرية القائمة مثل تعبير PD-L1 وعبء الطفرات الورمية.

تكمن أهمية هذا التقدم في أنه يدفع تركيز الذكاء الاصطناعي الطبي الحيوي من فكرة مجردة هي «تنبؤ أدق» إلى مسألة سريرية أكثر تحديداً: كيف يمكن ربط البيولوجيا المناعية، وآليات العلاج، وبيانات المرضى في حكم قابل للاختبار. كما يساعد الكود البرمجي العام لـ BioCOMPASS الباحثين الخارجيين على إعادة إنتاج المنهجية وفحصها. ومع ذلك، قبل توضيح مسائل التنظيم، والمسؤولية السريرية، ومعايير تصنيف المرضى، فإنه يبدو أقرب إلى منصة بحثية واعدة منه إلى أداة تشخيص وعلاج يمكنها أن تحل مباشرة محل حكم الطبيب.