对免疫细胞的深度计算图像分析揭示了肺癌治疗特定结果的关联
Cristian Barrera1, Germán Corredor1,2, Vidya Sankar Viswanathan1
1Department of Biomedical Engineering, School of Medicine, Emory University, Atlanta, GA, USA.
NPJ precision oncology
|June 1, 2023
概括
一种新的计算病理学方法,PhenoTIL,分析了肺癌中瘤免疫微环境. 这种方法提供了一个比传统的瘤透淋巴细胞计数更准确的生物标志物来预测治疗反应.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 计算病理学计算病理学
背景情况:
- 瘤的免疫组成会影响肺癌的预后和治疗敏感性.
- 有效的适应性免疫与免疫检查点阻断剂的益处相关.
- 免疫疗法耐药性可能源于T细胞功能障碍和免疫抑制因素.
研究的目的:
- 调查与免疫相关的生物标志物PhenoTIL与非小细胞肺癌 (NSCLC) 治疗特定结果的关联.
- 评估PhenoTIL对瘤免疫微环境的表征和推断功能性免疫细胞状态的能力.
主要方法:
- 基于机器学习的计算病理学方法PhenoTIL被开发用于分析空间免疫细胞相互作用.
- 该研究使用了来自1774名接受免疫治疗和/或化疗的NSCLC患者的H&E染色瘤样本.
- 临床结果和NSCLC组织学变异被评估与PhenoTIL发现相关,包括来自Checkmate 057试验的数据.
主要成果:
- PhenoTIL通过计算方式从H&E幻灯片中描述瘤免疫微环境.
- 生物标记物捕获空间相互作用,并推断出免疫细胞的功能特征.
- 分析了不同NSCLC组织学变体与临床结果的关联.
结论:
- PhenoTIL提供了一种新的计算方法来评估NSCLC中的瘤免疫微环境.
- 与传统的TIL量化相比,这种方法可以提供更准确的生物标志物来预测治疗反应.
- 通过PhenoTIL了解免疫细胞可以增强对免疫疗法的有效性和抵抗机制的洞察力.
