L’immunoterapia ha cambiato il volto dell’oncologia nell’ultimo decennio, ma porta con sé una domanda che resta aperta per medico e paziente: funzionerà davvero in questo caso specifico? Gli inibitori dei checkpoint immunitari ottengono risultati straordinari in alcune persone e nessun beneficio in altre. Un nuovo strumento di intelligenza artificiale, chiamato COMPASS, promette di rispondere a questa domanda prima di iniziare la terapia.
Il modello è stato sviluppato da un gruppo della Harvard Medical School (Blavatnik Institute e Kempner Institute) e i risultati sono stati pubblicati sulla rivista Nature Medicine con il titolo “Generalizable AI predicts immunotherapy outcomes across cancers and treatments”. La notizia è stata ripresa in Italia da ANSA.
Come funziona: una “scatola trasparente”, non nera
La maggior parte dei modelli di intelligenza artificiale funziona come una black box: fornisce un risultato senza spiegare il perché. COMPASS è costruito diversamente. Utilizza un’architettura chiamata concept bottleneck transformer, che traduce l’attività di quasi 16.000 geni del tumore in 44 “concetti” immunologici dotati di significato biologico — come lo stato delle cellule immunitarie, l’interazione con il microambiente tumorale e le vie di segnalazione.
In pratica, il sistema non si limita a dire se il paziente risponderà: motiva la previsione attraverso concetti interpretabili dal clinico, offrendo una base razionale su cui ragionare la scelta terapeutica. Il nome — “bussola” — richiama proprio questa funzione: orientare la decisione tra le diverse opzioni, riducendo il rischio di somministrare per mesi un farmaco destinato a non funzionare. Il dettaglio dell’architettura è descritto nella scheda ufficiale su Nature Medicine e sintetizzato nel comunicato della Harvard Medical School.
Analisi dello studio ufficiale: i numeri
Secondo i dati pubblicati, il modello è stato addestrato e validato su una base di dati particolarmente ampia:
- 10.184 campioni tumorali provenienti da 33 tipi di cancro, tratti dal database The Cancer Genome Atlas (TCGA);
- un affinamento successivo (fine-tuning) su 16 coorti cliniche che hanno testato diversi regimi di immunoterapia su 7 tipi di tumore;
- la valutazione ha coperto i principali inibitori dei checkpoint immunitari — anti PD-1, anti PD-L1 e anti CTLA-4.
Sul piano delle prestazioni, COMPASS ha superato in media di circa l’8,5% (fino a ~10% a seconda del confronto) il miglior metodo predittivo tra i 22 valutati. Un aspetto rilevante è la capacità di generalizzare: le previsioni sono rimaste affidabili anche cambiando tipo di tumore, farmaco, piattaforma di sequenziamento e sede della biopsia — inclusi tumori mai “visti” durante l’addestramento.
La voce dei ricercatori
A guidare il lavoro come autrice senior è stata Marinka Zitnik, Associate Professor of Biomedical Informatics alla Harvard Medical School e tra le maggiori esperte di strumenti terapeutici predittivi basati sull’intelligenza artificiale (primo autore W. Shen).
«Sfruttando le capacità più avanzate dell’intelligenza artificiale, possiamo identificare i pazienti con maggiore probabilità di rispondere a una specifica immunoterapia prima ancora che ricevano il farmaco», ha spiegato Zitnik.
Perché è importante
Gli inibitori dei checkpoint immunitari hanno trasformato la cura dei tumori stimolando il sistema immunitario a riconoscere e attaccare le cellule malate. Il limite è noto: non funzionano per tutti. Poter selezionare in anticipo i pazienti con maggiori probabilità di beneficio significa:
- evitare terapie inefficaci e i relativi effetti collaterali a chi non ne trarrebbe vantaggio;
- guadagnare tempo prezioso, indirizzando prima i pazienti verso l’opzione più adatta;
- rendere più efficiente l’arruolamento negli studi clinici e suggerire nuovi bersagli terapeutici.
COMPASS si inserisce così nel filone della medicina di precisione oncologica, uno dei temi che sta caratterizzando la ricerca del 2026: strumenti data-driven che affiancano il clinico nel personalizzare la cura. Come sottolineano gli stessi autori, prima di entrare nella pratica clinica quotidiana il modello dovrà essere validato in modo prospettico in ulteriori studi, ma la direzione è tracciata.
Fonti
- Shen W. et al., “Generalizable AI predicts immunotherapy outcomes across cancers and treatments”, Nature Medicine, 2026 — DOI: 10.1038/s41591-026-04502-7
- Comunicato Harvard Medical School / Medical Xpress
- Tumori, una “bussola” basata sull’IA predice la risposta ai farmaci — ANSA, 3 luglio 2026
- Approfondimento su Inside Precision Medicine
