Valor prognóstico incremental de las densidades de células inmunes más allá de los parámetros clínicos en el cáncer...

Área de la Ciencia:

• Oncología Oncología.
• Inmunología Inmunología.
• Biología computacional Biología computacional.

Sus antecedentes:

• Las imágenes de inmunofluorescencia múltiplex permiten una caracterización detallada del microambiente inmune del tumor.
• El valor pronóstico de las densidades de células inmunes en el cáncer de pulmón de células no pequeñas (CPNPC) más allá de los factores clínicos no está bien establecido.

Objetivo del estudio:

• Investigar si las densidades de células inmunes mejoran las predicciones de pronóstico en NSCLC cuando se analizan junto con factores clínicos.
• Evaluar la utilidad de los modelos de aprendizaje automático para predecir la supervivencia global utilizando estos puntos de datos combinados.

Principales métodos:

• Se analizó una cohorte de 298 pacientes con NSCLC utilizando inmunofluorescencia múltiple.
• Se cuantificaron las densidades de células inmunes (CD4, CD8, FoxP3, CD20), las células cancerosas y las características nucleares.
• Cuatro modelos de aprendizaje automático fueron entrenados para predecir la supervivencia general basada en variables clínicas y densidades de células inmunes.

Principales resultados:

• Los parámetros clínicos fueron los predictores más fuertes de la supervivencia (AUC 0,66).
• La adición de densidades de células inmunes proporcionó una mejora estadísticamente significativa, aunque pequeña, en la predicción de la supervivencia (AUC 0,67).
• Las características del pleomorfismo nuclear no mejoraron la precisión predictiva; la etapa y el estado de rendimiento fueron predictores clínicos clave.

Conclusiones:

• Los factores clínicos son predictores dominantes del resultado en el NSCLC.
• Las densidades de células inmunes ofrecen un valor pronóstico adicional limitado para la estratificación clínica.
• El estudio proporciona datos de acceso abierto y código para futuras investigaciones en pronósticos de NSCLC.