哈佛AI模型预测免疫疗法效果

哈佛医学院的研究人员开发了一款名为 COMPASS 的人工智能模型，能够预测哪些癌症患者会对免疫检查点抑制剂产生反应。这类药物仅对部分患者有效。相关研究于 7 月 3 日发表在《自然》杂志上。

解决肿瘤学核心难题

自 2011 年 FDA 批准首个免疫检查点抑制剂以来，这类药物已改变了癌症治疗格局。但临床试验显示，根据癌症类型不同，仅 10% 到 40% 的患者产生反应。无反应者既要承受严重副作用，又要面对病情进展。

COMPASS 模型分析了近 1.6 万个基因的活性，这些基因在免疫细胞状态、肿瘤-微环境相互作用以及信号通路中扮演已知角色。模型基于癌症基因组图谱中 33 种癌症类型的 10,184 个肿瘤数据训练，随后使用 16 项针对七种癌症的临床试验结果进行微调。

“能否预测患者对免疫检查点抑制剂的反应，并非一个小知识缺口，”资深作者、哈佛医学院生物医学信息学副教授 Marinka Zitnik 表示，“这是肿瘤学领域尚未解决的核心问题之一。”

超越现有方法

在测试中，COMPASS 的预测能力平均比现有最佳方法高出近 10%，精确率提升 8.5%，马修斯相关系数改善 12.3%，精确率-召回率曲线下面积提高 15.7%。该精度在不同癌症类型、药物、基因转录测序平台和活检方式中均保持稳定。

与黑箱 AI 系统不同，COMPASS 采用概念瓶颈变换器架构，输出结果可供人类解读。它将肿瘤解码为 44 种生物学免疫概念，临床医生可理解每次预测背后的逻辑。这种可解释性帮助解释了异常案例——例如，为何某些免疫炎症型肿瘤患者仍无反应，以及为何另一些所谓免疫荒漠型肿瘤患者却从治疗中受益。

临床意义

若在前瞻性试验中得到验证，COMPASS 可作为临床决策辅助工具，帮助肿瘤医生为患者匹配治疗方案，同时通过识别最可能产生显著疗效的参与者，改善临床试验的入组筛选。Zitnik 及其同事计划测试整合电子健康记录和单细胞测序数据是否能进一步提升模型精度。