COMPASS：哈佛-浙大团队开发泛癌AI基础模型，免疫治疗响应预测准确率提升8.5%，覆盖33种癌症

一、研究背景

免疫检查点抑制剂（ICI）已彻底改变了肿瘤治疗格局，但一个困扰临床多年的难题始终存在：同样的PD-1/PD-L1抑制剂，有的患者肿瘤显著缩小甚至长期缓解，有的却完全无效。在不同癌种中，ICI的客观响应率在10%到40%之间大幅浮动。

目前临床使用的预测标志物——肿瘤突变负荷（TMB）和PD-L1表达水平——准确性有限，且往往只在特定癌症类型中有效。换一种癌种、换一种ICI药物，预测就可能失灵。这使得大量患者在接受昂贵且可能伴随严重免疫相关不良反应的治疗之前，缺乏可靠的疗效预判工具。

2026年7月3日，哈佛医学院Marinka Zitnik团队联合罗氏制药与浙江大学在Nature Medicine发表重磅研究，推出名为COMPASS的泛癌人工智能基础模型。论文第一作者申万祥博士已回国全职加入浙江大学药学院，组建AI驱动药物发现与精准医学实验室。

二、研究创新点

COMPASS的核心创新在于三个层面：

1. 概念瓶颈Transformer架构：首次在癌症转录组学中引入可解释的概念瓶颈设计——模型的预测结果可以追溯到44个生物学可解释的免疫概念，打破传统AI"黑箱"。
2. 泛癌预训练+参数高效微调：在33种癌症类型的10,184个肿瘤样本上预训练，然后通过少量参数微调即可适配不同的临床试验场景，包括零样本预测。
3. 个性化免疫响应图谱：为每位患者生成可视化"响应地图"，揭示驱动预测的具体免疫机制和耐药通路。

三、技术原理

COMPASS的架构分为三个层次：

基因编码层：输入为患者治疗前肿瘤组织的bulk RNA-seq数据，涵盖约16,000个基因的表达谱。通过自监督对比学习，模型将高维基因表达数据压缩为富含免疫学信息的嵌入向量。

免疫概念层（核心创新）：研究团队从文献中梳理了132个经过验证的基因特征集，提炼出44个可解释的"肿瘤免疫微环境概念"。这些概念分为五大类：B细胞相关（如B细胞缺陷）、T/NK细胞相关（如细胞毒性T细胞活性）、髓系细胞相关、间质相关（如TGFβ信号、血管排斥）、通路/功能相关（如CD4+ T细胞功能障碍）。模型通过注意力机制，学习基因到概念的映射关系。

预测输出层：基于44个免疫概念的特征向量，通过轻量级分类器输出患者对ICI治疗的响应概率。支持四种微调模式：零样本预测（NFT）、仅调整分类层（LFT）、部分参数微调（PFT）和全模型微调（FFT）。研究团队还提出了多阶段微调策略（MSFT），先学习泛癌通用规律，再针对特定药物或癌种优化。

四、实验结果

研究团队在16个独立临床队列（总计1,133名患者）、覆盖7种癌症类型和6类ICI药物的数据集上进行了严格验证，采用留一队列交叉验证（LOCO）。

预测性能：与22种现有方法相比，COMPASS-PFT（部分微调）平均准确率提升8.5%，精确率-召回率曲线下面积（AUPRC）提升15.7%，Matthews相关系数（MCC）提升12.3%。这些优势在大型队列（>100人）、中型队列（30-100人）和小型队列（<30人）中均保持一致。

生存获益：COMPASS预测为"应答者"的患者总生存期显著更长（风险比HR=4.7，P<0.0001），证实了模型的临床相关性。

跨癌种泛化：即使在模型微调时未包含的癌症类型和ICI药物上，COMPASS仍保持优于基线方法的预测能力，展现了真正的泛化性能。

耐药机制发现：模型对"免疫炎症型无应答者"的分析揭示了四种关键耐药程序——TGFβ信号激活、内皮细胞介导的血管排斥、CD4+ T细胞功能障碍和B细胞缺陷——为克服ICI耐药提供了精准的靶点假设。

五、应用前景

COMPASS的临床转化潜力体现在多个方向：

精准患者筛选：在ICI治疗前，仅需一份肿瘤组织RNA-seq报告，即可预测哪些患者最可能获益，避免无效治疗和免疫相关不良事件。对ICI临床试验的受试者入组也极具价值，可显著提升试验成功率。

耐药机制解码：个性化响应地图揭示每位患者独特的免疫逃逸机制，为联合治疗方案设计（如ICI+TGFβ抑制剂、ICI+血管正常化药物）提供生物学依据。

新适应症发现：COMPASS对未在训练中出现的癌症类型和药物的泛化能力，可辅助药企进行适应症拓展和临床试验设计。

研究团队已将代码开源至GitHub，并提供在线预测工具（immuno-compass.com），但明确提醒当前版本仅作为研究探索工具，需前瞻性临床试验验证后方可用于临床决策。

六、结论

COMPASS代表了AI赋能肿瘤免疫治疗的一个重要范式突破：通过生物学驱动的概念瓶颈设计，既保留了深度学习的强大表征能力，又实现了预测结果的完全可解释性。44个免疫概念如同44盏"指示灯"，让医生和研究者能看到AI判断背后的免疫逻辑。

对于思陌在AI医疗软件开发和医疗AI科研服务方面的业务而言，COMPASS的技术路线——特别是概念瓶颈架构和参数高效微调策略——为临床决策支持系统的开发提供了极有价值的参考范式。未来，将此类泛癌基础模型与真实世界临床数据、多组学信息整合，有望构建真正可落地的精准免疫治疗辅助决策系统。

参考文献

1. Shen W, Moon I, Nguyen TH, et al. Generalizable AI predicts immunotherapy outcomes across cancers and treatments. Nature Medicine. 2026. PMID: 42399673 DOI: 10.1038/s41591-026-04502-7
2. GitHub开源代码：https://github.com/mims-harvard/COMPASS
3. 在线预测工具：https://www.immuno-compass.com/predict