基于免疫基因表达和从病理图像中提取的特征的肝细胞癌的复发风险分层
1Department of Statistical Science, University College London, London, United Kingdom.
PLoS computational biology
|December 29, 2023
概括
这项研究通过整合组织病理学图像特征和免疫基因表达,开发了一种针对肝细胞癌 (HCC) 复发风险的新型预后模型. 该模型显著改善了风险分层,为更好的治疗策略提供了对瘤生物学的见解.
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:
- 肝细胞癌 (HCC) 治疗受到瘤异质性和可变的免疫微环境活性的挑战.
- 准确的风险分组对于解决异质性和改善HCC的临床结果至关重要.
- 正在研究将定量整片图像 (WSI) 功能与免疫标记基因表达进行风险分层的整合.
研究的目的:
- 开发和验证用于预测HCC患者无复发生存期 (RFS) 的预后模型.
- 调查结合WSI特征和免疫基因表达的实用性,以改善风险分层.
- 探索已识别的风险子组背后的分子机制.
主要方法:
- 在癌症基因组图集肝肝细胞癌 (TCGA-LIHC) 项目中利用了231名HCC患者的数据.
- 从整个幻灯片图像 (WSI) 和66个免疫标记基因的表达特征中提取了定量特征.
- 使用高维生存模型开发了风险得分,并将患者分为高风险和低风险组.
主要成果:
- 与AJCC瘤阶段 (AUC=0.525) 相比,一个整合WSI特征和三个免疫标记基因的模型实现了优异的预测性能 (AUC=0.707).
- 开发风险得分通过RFS显著分层患者 (RFS中位数:903天与265天,p<0.0001).
- 高风险患者表现出下调的免疫检查点基因,抑制性免疫路径和CD8 T细胞枯竭.
结论:
- 结合WSI特征和免疫基因表达的新型预后模型准确地预测HCC患者的RFS.
- 该模型提供了有效的风险分层和对瘤子组有价值的生物学见解.
- 研究结果表明,对于先进的HCC,包括综合系统性疗法在内的潜在的新治疗点.
