肺癌患者明显的瘤免疫生态预测了进展,并定义了治疗反应的临床生物标志物

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学

背景情况:

• 多复合成像增强了早期癌症检测,诊断和治疗策略.
• 免疫疗法,特别是PD-1抑制剂,显示出希望,但在预测患者反应方面面临挑战.
• 非小细胞肺癌 (NSCLC) 仍然是癌症相关死亡的主要原因,需要改进治疗方法.

研究的目的:

• 为了研究非小细胞肺癌 (NSCLC) 患者的多重组织图像,这些患者接受了沃里诺斯塔特和pembrolizumab的治疗.
• 开发和应用一个计算管道,用于分析多重图像中的空间和时间特征,以预测疾病进展.
• 确定NSCLC中免疫治疗反应的潜在临床生物标志物.

主要方法:

• 从稳定性疾病 (SD) 或进展性疾病 (PD) 的NSCLC患者的治疗前和治疗期间的配对样本中复杂组织学图像的分析.
• 利用了广泛的图像分析管道,包括细胞细分,象限,空间统计,机器学习和深度学习.
• 评估空间和时间特征,以预测疾病进展和确定生物标志物.

主要成果:

• 在SD和PD患者之间观察到明显的空间免疫生态.
• 在治疗前,PD患者的瘤表现出免疫抑制环境.
• 学习的空间生态预测疾病进展的效果比单独的PD-L1状态更有效.

结论:

• 空间免疫生态可以作为与PD-L1的潜在伴侣生物标志物,用于预测NSCLC的免疫治疗反应.
• 开发的用于分析多重成像的计算基础设施可以预测NSCLC的免疫治疗反应.
• 研究结果表明,这些研究结果可能适用于其他癌症类型,并将在更大的队列研究中进一步研究.