基于人工智能的三级淋巴体结构的空间分析以及对子宫内膜癌的临床意义

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:

• 免疫检查点抑制剂正在彻底改变子宫内膜癌 (EC) 治疗,需要对瘤免疫微环境有更深入的了解.
• 第三级淋巴细胞结构 (TLSs) 被认为是EC的有利预后指标,但它们的空间分布的影响还不太清楚.
• 研究TLS的空间特征对于完善预后模型和预测EC治疗反应至关重要.

研究的目的:

• 调查三级淋巴状结构 (TLS) 在子宫内膜癌 (EC) 的空间分布的预后意义.
• 开发和验证一种人工智能 (AI) 模型,用于在EC的整片图像中检测和定位TLS.
• 评估TLS位置 (近端与远端) 与患者存活率,分子亚型和对免疫检查点抑制剂的反应之间的关联.

主要方法:

• 开发一种人工智能模型,用于在子宫内膜癌全片图像中自动检测和空间定位TLS.
• 在与瘤不同距离的TLS中分析B细胞受体谱.
• 在多个患者队伍中,TLS位置 (近端或远端到瘤边缘) 与整体存活率,无进展存活率 (PFS),分子亚型和对免疫检查点抑制剂的反应的相关性.

主要成果:

• 使用AI模型,在69%的EC患者中检测到TLS.
• 与近端TLS患者相比,患有远端TLS (dTLS) 的患者的整体存活和PFS显著延长.
• 远端TLS与副本数量高的EC亚型中较长的PFS和更高的免疫检查点抑制剂反应率 (87.5%) 相关.

结论:

• TLS的空间位置显著影响其在子宫内膜癌的预后和预测价值.
• 远端TLS (dTLS) 是一个有利的预后因素,也是EC免疫检查点抑制剂反应的潜在预测因子.
• 用人工智能驱动的TLS分布分析可以增强对子宫内膜癌患者的个性化治疗策略.