Kanserde Yapay Zekâ İmmünoterapiye Yanıtı Tahmin Edebilir mi?: COMPASS Modeli
İmmün kontrol noktası inhibitörleri (ICI) artık pek çok kanser türünde standart tedavinin parçası — ama gerçek bir sorun var: hastaların çoğu bu tedaviden fayda görmüyor ve elimizdeki mevcut biyobelirteçler (PD-L1 ekspresyonu, tümör mutasyon yükü gibi) kanser türünden kansere değiştiğinde güvenilirliğini kaybediyor. Harvard Tıp Fakültesi'nden bir ekip, bu soruna yapay zeka temelli farklı bir çözüm öneriyor: COMPASS adlı, tümörün gen ifade profilinden (transkriptom) yola çıkarak immünoterapi yanıtını tahmin etmeyi hedefleyen bir "foundation model" (temel model).
Model, 33 farklı kanser türünden 10.184 tümörün verisiyle eğitildi ve 7 kanser türü ile 6 farklı immünoterapi ilacını kapsayan 16 bağımsız klinik kohortta test edildiğinde, halihazırda kullanılan 22 yöntemden daha iyi performans gösterdi. Bu, gerçekten dikkat çekici bir mühendislik başarısı. Ancak makalenin kendi yazarları da altını çiziyor: bu bir keşif aracıdır, klinik karar aracı değil — ve modelin "immünoterapiyi reddetmek için tek başına asla kullanılmaması" gerektiği, yayının kendisinde açıkça belirtiliyor.
İmmünoterapi kimin işine yarayacak, kimin yaramayacak sorusu onkolojinin en zor sorularından biri. Şu anda klinikte kullanılan araçlar (PD-L1 boyama, tümör mutasyon yükü, immün gen skorları gibi) tek tek yararlı olsa da, bir kanser türünden diğerine geçtiğinde tutarlılıklarını kaybediyor. Araştırmacıların referans verdiği geniş çaplı bir pan-kanser analizinde, 27.810 ICI tedavisi almış hastada bu belirteçlerin yanıtla ilişkisi zayıf veya tutarsız bulunmuştu.
Bu nedenle son yıllarda farklı ekipler, transkriptom (tümördeki tüm genlerin ifade düzeyi) verisinden yararlanan makine öğrenmesi modelleri geliştirmeye çalışıyor. Ancak bu modellerin çoğu ya tek bir kanser türüne özgü kalıyor ya da önceden tanımlanmış, sabit gen imzalarına bağımlı kalarak esnekliğini kaybediyor. COMPASS, bu iki sınırlılığı aynı anda aşmayı hedefleyen bir mimariyle tasarlandı.
Foundation model (temel model): Büyük ve çeşitli bir veri setiyle önceden eğitilen, ardından daha küçük ve spesifik görevler için ince ayar (fine-tuning) yapılabilen yapay zeka modeli türü — büyük dil modellerinin mantığına benzer, ancak burada "dil" yerine tümör gen ifadesi verisi kullanılıyor.
Transkriptom: Bir hücrede ya da dokuda herhangi bir anda aktif olarak okunan (ifade edilen) tüm genlerin toplamı; bir tümörün "hangi genleri ne kadar kullandığının" anlık fotoğrafı.
Concept bottleneck (kavram darboğazı) mimarisi: Modelin, ham gen ifadesi verisini doğrudan bir "yanıt/yanıtsız" tahminine dönüştürmek yerine, önce insan tarafından anlaşılabilir ara kavramlara (örneğin "T hücre yorgunluğu düzeyi", "tümör-bağışıklık etkileşimi") sıkıştırıp sonra bu kavramlar üzerinden tahmin yapması. Bu tasarım, modelin kararını "kara kutu" olmaktan çıkarıp kısmen yorumlanabilir kılıyor.
COMPASS, gen ifadesi verisini 44 biyolojik temelli immün kavram aracılığıyla kodluyor — bunlar immün hücre durumlarını, tümör-mikroçevre etkileşimlerini ve sinyal yolaklarını temsil ediyor. Model, önce büyük bir pan-kanser veri kümesi üzerinde kendi kendine öğrenme (self-supervised learning) ile ön eğitiliyor, ardından belirli kanser türü / ilaç kombinasyonlarına özgü klinik kohortlarla ince ayar yapılıyor.
Modelin belki de en dikkat çekici yönü, hiç görmediği bir kanser türü ya da ilaç kombinasyonuna göreceli olarak az ek veriyle uyum sağlayabilmesi. Örnek olarak akciğer adenokarsinomunda pembrolizumab yanıtını tahmin etme görevinde, önce pan-kanser verisiyle önceden eğitilip sonra bu spesifik göreve ince ayar yapılan model %91 doğruluk elde ederken, yalnızca o kanser türünün kendi (küçük) verisiyle sıfırdan eğitilen model %67'de kaldı.
- Çoğu derin öğrenme modeli, "neden" o tahmini yaptığını açıklayamayan bir kara kutu gibi çalışır — bu, klinik güven açısından ciddi bir engeldir.
- COMPASS'in kavram darboğazı mimarisi, modelin bir hastanın neden yanıtsız kalabileceğini hangi immün mekanizma üzerinden (örneğin T hücre tükenmişliği, belirli bir sinyal yolağının aşırı aktivasyonu) tahmin ettiğini kısmen görünür kılıyor.
- Bu, modelin yalnızca bir "evet/hayır" tahmini üretmekle kalmayıp, direnç mekanizmalarına dair hipotez üretme ve erken faz klinik çalışmalarda hasta seçimini bilgilendirme potansiyeli taşıdığı anlamına geliyor.
Bu makalenin en değerli yönlerinden biri, yazarların sınırlılıkları oldukça açık biçimde ortaya koyması. Bunlar okuyucunun mutlaka bilmesi gereken noktalar:
- Klinik değişkenler için düzeltme yapılmadı. Yaş, cinsiyet, tümör evresi gibi faktörler 16 kohort arasında eksik ve tutarsız biçimde kaydedildiği için standart bir düzeltme yapılamadı.
- İmmünoterapi almayan karşılaştırma kolu yok. Bu nedenle modelin gerçekten "kim tedaviden fayda görecek" (prediktif) mi yoksa yalnızca "kim genel olarak daha iyi seyredecek" (prognostik) mi tahmin ettiği net biçimde ayrıştırılamıyor. Yazarlar bunu açıkça bir uyarı olarak belirtiyor.
- Test kohortları, gerçek dünya kliniğinden değil, kontrollü doku işleme koşullarına sahip küratörlü araştırma kohortlarından oluşuyor. Bu, gerçek klinik ortamlara aktarımın ek doğrulama gerektireceği anlamına geliyor.
- Prospektif, kontrollü klinik doğrulama henüz yapılmadı. Model şu an için keşif amaçlı bir araştırma aracıdır.
- Yazarların kendi ifadesiyle: COMPASS ya da benzeri modellerin tahminleri, bir hastaya immünoterapiyi reddetmek için tek başına asla kullanılmamalıdır.
- Düzenleyici altyapı henüz yok. ABD'de pan-kanser düzeyinde, transkriptom tabanlı bir biyobelirteç için onaylı bir companion diagnostic (eşlik eden tanı testi) yolu şu anda mevcut değil; mevcut onaylı kapsamlı genomik profilleme testleri DNA düzeyindeki değişiklikleri kapsıyor, RNA ifade imzalarını değil.
22 farklı yöntemin tamamını geride bırakması, tesadüfi bir sonuç değil. Model, hiç görmediği kanser türlerine ve tedavilere de genelleyebiliyor — bu, immünoterapi biyobelirteçlerinde uzun süredir aranan "kanser türünden bağımsız" bir çözüme yaklaşıldığını gösteriyor. Yorumlanabilir mimarisi, mekanistik hipotez üretimi ve erken faz çalışmalarda hasta stratifikasyonu için gerçek bir değer taşıyor.
Bu bir hesaplamalı analiz; hiçbir prospektif klinik doğrulama yapılmadı ve prediktif/prognostik ayrımı net değil. Test kohortları gerçek dünya pratiğini değil, kontrollü araştırma ortamlarını yansıtıyor. Üstelik pan-kanser transkriptomik biyobelirteçler için düzenleyici onay yolu şu an mevcut değil — bu, modelin klinik pratiğe girişini yıllar alacak bir sürece dönüştürebilir.
"Bu yapay zeka modeli artık hastanede kullanılabilir, immünoterapiye yanıt verip vermeyeceğimi söyleyebilir."
COMPASS şu an için onaylı bir klinik test değil, bir araştırma aracıdır. Yazarların kendisi, prospektif klinik doğrulama olmadan tedavi kararlarında kullanılmaması gerektiğini açıkça belirtiyor.
"Model %8,5 daha iyi olduğuna göre, mevcut testlerin (PD-L1, TMB) yerini hemen alacak."
Bu iyileşme, küratörlü araştırma kohortlarında görüldü; gerçek dünya klinik ortamında doğrulanması, laboratuvar standardizasyonu ve düzenleyici onay süreçleri gerekiyor — bu adımlar yıllar sürebilir.
"Yapay zeka 'kara kutu' olduğu için hiçbir zaman güvenilemez."
COMPASS'in kavram darboğazı mimarisi tam olarak bu eleştiriyi hedef alıyor: model, kararını insan tarafından anlaşılabilir immün kavramlar üzerinden veriyor — bu da onu tam bir kara kutudan ayırıyor, ancak yorumlanabilirlik tek başına klinik geçerliliği kanıtlamıyor.
Bu haber, önümüzdeki hafta ya da ay içinde hastanenizde uygulanabilecek bir test anlamına gelmiyor. COMPASS, immünoterapiye kimin yanıt vereceğini daha iyi tahmin etmeyi hedefleyen, umut verici ama henüz araştırma aşamasında bir yapay zeka aracı. Şu an tedavi kararlarınız, kanıtlanmış ve klinik olarak doğrulanmış testler (PD-L1, tümör mutasyon yükü, mikrosatellit instabilite durumu gibi) ve hekiminizin değerlendirmesiyle verilmeye devam edecek.
Bu tür bir modelin klinik pratiğe girmesi genellikle yıllar sürer; bu süre içinde prospektif çalışmalar, düzenleyici onaylar ve laboratuvar standardizasyonu gerekir. Hekiminize sorabileceğiniz soru: "Benim tedavi yanıtımı tahmin etmek için şu an hangi testler kullanılıyor?"
COMPASS şu an için bir keşif ve hipotez üretme aracı olarak değerlendirilmelidir; klinik karar desteği için hazır değildir. Erken faz klinik çalışma tasarımında endikasyon seçimi ve hasta stratifikasyonu için potansiyel taşısa da, prediktif/prognostik ayrımın netleşmemiş olması ve klinik kovaryatlar için düzeltme yapılamamış olması, sonuçların temkinli yorumlanmasını gerektirir. Pan-kanser transkriptomik biyobelirteçler için düzenleyici (FDA companion diagnostic) altyapının henüz mevcut olmadığı, klinik araştırma tasarımı yapan ekiplerin göz önünde bulundurması gereken önemli bir pratik kısıttır.
İmmünoterapi yanıtını öngörmek onkolojinin en zor problemlerinden biri; mevcut biyobelirteçler kanser türleri arasında tutarsız kalıyor. COMPASS, tek bir modelin 33 kanser türü ve 6 farklı ICI rejimi üzerinde genelleyebildiğini, üstelik yorumlanabilir bir mimariyle bunu yaptığını gösteriyor — bu, "kanser-türü-bağımsız" biyobelirteç arayışında önemli bir kavram kanıtı.
10.184 tümör / 33 kanser türüyle ön eğitim, 7 kanser türü / 6 ICI ilacını kapsayan 16 bağımsız kohortta test. 22 mevcut yönteme göre ortalama %8,5 doğruluk, %15,7 AUPRC iyileşmesi. Model, hiç görmediği kanser türü ve tedavilere sınırlı ek eğitimle genelleyebiliyor (örn. akciğer adenokarsinomunda çok-aşamalı ince ayarla %91 doğruluk vs tek-aşamalı %67).
Hesaplamalı/retrospektif analiz; prospektif klinik doğrulama yok. Klinik kovaryatlar (yaş, evre) için düzeltme yapılamadı. İmmünoterapi almayan karşılaştırma kolu olmadığı için prediktif/prognostik ayrımı net değil — yazarlar bunu açıkça belirtiyor. Test kohortları küratörlü araştırma ortamlarından, gerçek dünya kliniğinden değil. Pan-kanser transkriptomik biyobelirteçler için düzenleyici onay yolu henüz yok.
Şu an için klinik karar değiştirici değil. Potansiyel kullanım alanı, erken faz immünoterapi çalışmalarında endikasyon seçimi ve mekanistik hipotez üretimi. Yazarların kendi uyarısı net: tedaviyi reddetmek için tek başına kullanılmamalı.
Model, immünoterapi almayan kontrol kollarıyla test edildiğinde prediktif değerini koruyacak mı? Gerçek dünya klinik laboratuvar koşullarında (standart olmayan doku işleme) performansı nasıl değişir? Düzenleyici bir onay yolu ne zaman oluşacak? Tek hücreli veya mekansal transkriptomik verilerle entegrasyon performansı nasıl artırır?
- Generalizable AI predicts immunotherapy outcomes across cancers and treatments. Nature Medicine, 2026. nature.com.
- Ön baskı versiyonu: Generalizable AI predicts immunotherapy outcomes across cancers and treatments. medRxiv, 2025. medrxiv.org.
- AI model improves prediction of immunotherapy response across cancers. RNA-Seq Blog, 2026.
- COMPASS: Can AI Predict Immunotherapy Response Across Multiple Cancers? OncoDaily, 2026.
- Harvard's COMPASS Model Just Made Immunotherapy Trial Design More Complicated. Clinical Trial Vanguard, 2026. (Düzenleyici ve klinik uygulama sınırlılıklarına dair değerlendirme.)
Editör notu: Bu içerik yalnızca genel bilgilendirme amaçlıdır; tıbbi tavsiye, tanı veya tedavi önerisi değildir. Aktarılan tüm veriler ilgili kaynaklardan doğrudan alıntı yapılmadan, paraphrase edilerek sunulmuştur. COMPASS, hesaplamalı bir araştırma analizidir; yeni hasta verisi toplanmamış, mevcut ve kimliksizleştirilmiş veriler kullanılmıştır. Model, prospektif ve kontrollü klinik çalışmalarla henüz doğrulanmamıştır ve immünoterapi almayan karşılaştırma kolu bulunmadığından, tahminlerin tedaviye özgü (prediktif) mi yoksa genel prognoza dair mi olduğu netleştirilememiştir — bu, yazarların kendilerinin belirttiği bir sınırlılıktır. Test edilen kohortlar kontrollü araştırma ortamlarına aittir; gerçek dünya klinik pratiğine genellenebilirliği ayrıca değerlendirilmelidir. Yazarlar, COMPASS veya benzeri modellerin tahminlerinin bir hastada immünoterapiyi reddetmek için tek başına asla kullanılmaması gerektiğini açıkça belirtmektedir. Pan-kanser transkriptomik biyobelirteçler için şu an onaylı bir düzenleyici (companion diagnostic) yol bulunmamaktadır; bu nedenle model şu an için klinik karar aracı değil, bir araştırma ve hipotez üretme aracıdır. Tedavi kararlarınız, halihazırda klinik olarak doğrulanmış testler ve sizi tanıyan onkoloji ekibinizin değerlendirmesiyle verilmelidir.
