对临床结直肠癌队伍应用的计算病理学识别了免疫和内皮细胞空间模式,可以预测结果

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 计算生物学 计算生物学

背景情况:

• 结肠直肠癌 (CRC) 是一种异质性疾病,复杂的瘤微环境 (TME) 在进展中起作用.
• 了解TME需要在临床注释的患者队列中进行系统研究,并进行长期随访.

研究的目的:

• 为了研究TME的空间组织和转移性CRC中的细胞局部化.
• 识别TME特征,预测跨多种分子亚型的治疗反应和患者结果.

主要方法:

• 利用深度学习的细胞分类器训练病理学家注释来分析H&E染色的CRC段落.
• 在三个不同的临床群体 (MISSONI,BRAF,VALENTINO) 中量化了空间组织组织和细胞类型的局部化.
• 在样本子集上使用高度多重化免疫光学验证的细胞分类.

主要成果:

• 在BRAF+MISSONI和TP53突变VALENTINO队列中,内皮细胞与癌细胞的比率独立预测了无进展生存期 (PFS).
• 瘤透淋巴细胞在BRAF+MISSONI队列中独立预测了PFS.
• 瘤透巨细胞的增加预测了MISSONI队列中改善的PFS.

结论:

• 确定了特定的TME特征,这些特征对于理解CRC治疗反应至关重要.
• 提供了375名临床注释的CRC患者细胞分布的综合图谱.
• 强调TME分析对于预测异质CRC亚型的临床结果的重要性.