Lo studio mostra che COMPASS mantiene elevate prestazioni anche quando viene applicato a tumori, farmaci o bersagli immunologici non inclusi nella fase di addestramento, superando i principali modelli predittivi oggi disponibili. Inoltre, il sistema è risultato più efficace dei biomarcatori comunemente utilizzati, come PD-L1 e tumor mutational burden, nell'identificare i pazienti con maggiore probabilità di beneficiare dell'immunoterapia e nell'associarsi alla sopravvivenza complessiva.

Secondo gli autori, questa capacità di generalizzazione potrebbe favorire la selezione dei pazienti negli studi clinici e supportare il clinico nella scelta del trattamento più appropriato, soprattutto nei contesti in cui i dati disponibili sono limitati.

Uno degli elementi distintivi del modello è la possibilità di spiegare il percorso che conduce alla previsione finale. Attraverso mappe personalizzate, COMPASS collega l'espressione dei geni ai processi immunologici coinvolti nella risposta o nella resistenza ai farmaci, rendendo il risultato comprensibile e verificabile dal punto di vista biologico. Un aspetto particolarmente rilevante in un settore, come quello sanitario, in cui la trasparenza degli algoritmi rappresenta un requisito sempre più richiesto.

Gli autori sottolineano che il modello necessita di ulteriori validazioni prospettiche prima di un impiego routinario nella pratica clinica. Come per tutti i sistemi di AI applicati alla salute, le prestazioni possono essere influenzate dalla qualità dei dati utilizzati per l'addestramento e dalla rappresentatività delle popolazioni incluse nello sviluppo del modello.

Queste considerazioni sono in linea con l'orientamento delle autorità regolatorie. La Food and Drug Administration (FDA) e l'Agenzia europea per i medicinali (EMA) richiamano la necessità di validazione clinica, monitoraggio continuo e supervisione umana per i sistemi di AI destinati all'ambito sanitario. Analogamente, l'AI Act dell'Unione europea classifica gran parte delle applicazioni di intelligenza artificiale impiegate nelle decisioni cliniche tra i sistemi ad alto rischio, imponendo requisiti stringenti in termini di qualità dei dati, trasparenza, tracciabilità e gestione del rischio.

In questo scenario, strumenti come COMPASS delineano una possibile evoluzione dell'intelligenza artificiale in medicina: non sostituire il giudizio del professionista, ma affiancarlo con analisi predittive interpretabili e fondate su evidenze biologiche, contribuendo a rendere sempre più personalizzata la scelta terapeutica.