您好,欢迎您

2026 WCLC | 基于下一代人工智能的HE切片形态学分析:肺腺癌伴或不伴TP53的深度驱动基因突变分析

08月31日
编译:肿瘤资讯
来源:肿瘤资讯
Session Type

Mini Oral

Session Title

MO11. Innovative Approaches to Lung Cancer Biomarker Discovery

摘要号

MO11.01

英文标题

Deep Driver Mutation Analysis, with/without TP53 in LUAD Using Next-Gen AI of HE Slide-Derived Morphology

中文标题

基于下一代人工智能的HE切片形态学分析:肺腺癌伴或不伴TP53的深度驱动基因突变分析

讲者

Bide Zhang

讲者机构

University Hospital of Cologne

引言

肺腺癌(LUAD)是一种分子异质性疾病,其中EGFR、KRAS及众多其他驱动基因的遗传变异在肿瘤发生、进展及治疗应答中发挥关键作用。尽管这些突变在临床实践中已被常规评估,但其与肿瘤微环境中不同形态学特征和结构模式的关联程度仍不明确。基于人工智能的组织和单细胞分析技术的进展,为在高分辨率水平系统表征肿瘤结构和肿瘤微环境提供了新机遇。本研究旨在开展大规模分析,将LUAD中的遗传驱动因素和转录组谱与源自苏木精-伊红(HE)全切片图像(WSIs)的定量形态学和空间/瘤内异质性特征相关联。

方法

本研究汇集了回顾性国际多机构数据集(n=2,272例患者;涵盖欧洲、亚洲和美洲队列),重点关注具有手术切除肿瘤切片的LUAD病例。所有病例均包含诊断性HE染色WSIs和突变谱(EGFR、KRAS、STK11、KEAP1、BRAF及其他多种驱动基因突变,以及作为孤立突变或共突变的TP53)。经严格质量控制和数据协调后,应用下一代基于人工智能的方法,包括多类别组织分割以检测肿瘤、间质、坏死、三级淋巴样结构(TLS)及其他组织类别;九类细胞的单细胞检测和分类,包括免疫细胞、结缔组织细胞、巨噬细胞和有丝分裂象;以及提取先进的AI衍生细胞特征。AI流程生成了超过500个与生物学概念相关的完全可解释形态学特征,包括组织水平结构模式、TLS特征(大小和位置)、细胞水平丰度及复杂空间组织。形态学亚型与mRNA-seq衍生的转录组数据和基因集富集分析相关联。使用TabPFN和XGBoost模型基于这些特征预测突变。

结果

在多个层面鉴定出大量突变特异性形态学关联。KEAP1和STK11突变肿瘤富集乳头状生长模式,而EGFR和TP53突变肿瘤分别主要呈现腺泡状和实性模式。瘤内TLS(iTLS)在TP53突变肿瘤中更丰富但体积更小,而TP53共突变病例无论空间位置如何均显示更大的iTLS,但EGFR突变肿瘤除外。单细胞分析揭示了突变特异性表型:TP53突变与肿瘤细胞核体积增大和多形性增加相关,EGFR突变肿瘤显示更高的瘤内巨噬细胞丰度,所有突变组中低级别肿瘤区域的中性粒细胞较高级别区域更为丰富。转录组分析显示不同突变之间微环境组织的差异。与TP53突变/共突变肿瘤聚类相近的EGFR突变病例显示细胞因子和致癌信号通路活性升高。该聚类中的KRAS突变肿瘤进一步表现出有丝分裂、DNA修复、糖酵解、T细胞活性和成纤维细胞相关过程的增强。机器学习模型表明,基于形态学特征可较好预测突变,尤其是EGFR和KRAS(AUC约0.80)。

结论

本研究系统地将LUAD中的驱动基因突变与多尺度形态学和空间特征相关联,证明了肿瘤结构、区室组成和细胞组织在不同遗传亚型间的差异。通过将高分辨率组织分析与多族裔分子数据相结合,这些发现突出了LUAD的形态空间变异,并表明定量组织形态学可提供对突变特异性肿瘤生物学、预后分析和治疗策略的深入见解。

版权声明
本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明"转自:良医汇-肿瘤医生APP"。

评论
08月31日
雷昕奕
永州市中心医院 | 胃肠外科
肺腺癌伴或不伴TP53的深度驱动基因突变分析