在EORTC 10994/BIG 1-00早期乳腺癌试验中,基于机器学习的瘤免疫微环境的空间表征
Ioannis Zerdes1,2, Alexios Matikas3,4, Artur Mezheyeuski5,6
1Department of Oncology-Pathology, Karolinska Institutet, Stockholm, Sweden. ioannis.zerdes@ki.se.
NPJ breast cancer
|March 7, 2025
概括
这项研究揭示了早期乳腺癌 (BC) 免疫细胞的丰富性和空间相互作用与治疗反应有关. 机器学习准确地描述了这些瘤微环境特征,为乳腺癌患者提供预后见解.
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:
- 乳腺癌 (BC) 是一种复杂的疾病,具有异质瘤微环境.
- 了解免疫细胞透和空间相互作用对于预测治疗结果至关重要.
研究的目的:
- 描述早期乳腺癌中免疫透物的组成和预后意义.
- 使用先进的计算方法探索免疫细胞和瘤细胞之间的空间关系.
主要方法:
- 使用了EORTC 10994/BIG 1-00新辅助药试验中的治疗前瘤活检.
- 应用CNN11分类器用于数字瘤透淋巴细胞 (dTIL) 量化和多重免疫光学.
- 采用基于机器学习 (ML) 的空间特征分析.
主要成果:
- 较高的dTIL和特定的T细胞群 (CD4 +,瘤内CD8 +) 与病理完整反应 (pCR) 相相关.
- 三重阴性 (TN) 乳腺癌亚型显示,在获得pCR的患者中,dTILs增加和免疫瘤细胞局部化增强.
- 免疫细胞子集在具有TP53突变的瘤中显著丰富.
结论:
- 机器学习算法可用于表征乳腺癌中的免疫透物.
- 免疫细胞的丰富性,空间分布和瘤与宿主相互作用为早期乳腺癌提供了重要的预后信息.
