首页 > 文章详情

【35under35】李科汛博士：用基于数字病理学的人工智能预测晚期胃食管癌免疫治疗疗效

06月03日

作者：李科汛

医院：四川省肿瘤医院

第八届“35under35”报名已正式结束，数百位青年肿瘤医生将继续参与后续的一系列学术活动，展示青年医生的风采！第一轮为ASCO摘要解读，候选人在2024 ASCO口头报告专题中自由选择一份进行点评，现进行集中展示，供各位品评！如您喜欢，请不吝点赞或分享，让更多的医生同道看到！同时，您也可以在下方发表您的见解哦！

李科汛

博士、规培医生

四川省肿瘤医院规培医生
昆明医科大学博士肿瘤学
国际食管癌大会（ISDE）口头发言（oral）4 项，Poster 7 项
欧洲心胸外科年会（ESTS）Poster 3 项
2022 年中国肿瘤大会（CCO）中青年优秀论文发言一项。
2022 年四川省胸外科年会发言一项。
以第一作者身份于 IJS，BJS，JTCVS，JACS，ATS, ASO, EJSO, EJCTS, JGS 等国际 SCI 期刊发表论文 20 余篇

ASCO2024解读文献

Abstract: 4013
Use of artificial intelligence–based digital pathology to predict outcomes for immune checkpoint inhibitor therapy in advanced gastro-esophageal cancer.

用基于数字病理学的人工智能预测晚期胃食管癌免疫治疗疗效

摘要

背景

在胃食管癌（包括胃癌、食管癌和胃食管结合部腺癌及鳞癌）中，抗PD-1/PD-L1免疫检查点抑制剂（ICI）治疗是一种新兴的疗法，能够通过解除肿瘤对免疫系统的抑制来增强免疫反应。然而，准确预测哪些患者对ICI治疗有反应，以及预测患者的生存结果，仍然是一项重大挑战。这是因为胃食管癌的肿瘤微环境非常复杂，涉及多种细胞类型和细胞间的相互作用。现有的生物标志物，如PD-L1 CPS评分，在预测疗效方面具有一定局限性。因此，本研究旨在通过利用人工智能技术对数字化全片H&E染色图像（WSIs）进行单细胞分析，以提高对ICI治疗反应和生存结果的预测准确性。

方法

研究从斯坦福大学收集了82名接受ICI治疗的晚期胃食管癌患者的WSIs（包括胃癌、食管癌和胃食管结合部腺癌及鳞癌），作为研究的训练队列；并从南方医科大学收集了189名接受ICI治疗的晚期胃腺癌患者的WSIs，用于外部验证。研究应用了深度学习模型进行自动化肿瘤区域检测和WSIs中细胞核的分割。通过多重免疫荧光技术，研究开发了一种全自动细胞注释方法，并训练深度学习模型从H&E染色图像中将细胞核分类为四种细胞类型（肿瘤细胞、淋巴细胞、中性粒细胞和巨噬细胞）。总共计算了66个特征，以量化肿瘤微环境中的细胞组成和细胞间相互作用。治疗结果通过肿瘤的无进展生存期（PFS）和最佳客观反应（根据实体瘤反应评价标准v1.1）进行评估，并在95%的置信水平上报告统计显著性。

结果

在训练队列中，一个描述淋巴细胞和中性粒细胞相互作用的空间特征与PFS最强相关（HR = 0.44, 95% CI 0.24-0.79, P = 0.0046）。在验证队列中，该空间特征阳性人群相比空间生物标志物阴性人群在PFS上具有显著优势（HR = 0.41, 95% CI 0.27-0.61, P , 0.0001; median time to event: 19 months vs 9 months）。从预测验证队列中的客观效果来看，结合空间特征的多变量模型的AUROC=0.81，相比PD-L1 CPS的AUROC=0.65有显著的差异（P=0.0014），而将多变量模型与PD-L1 CPS结合后AUROC=0.84。

结论

通过单细胞计算的病理学方法，研究识别出了具有预测功能的空间生物标志物，这些标志物可以用于确定晚期胃食管癌患者接受ICI治疗的效果。该研究展示了基于人工智能的数字病理学分析在预测免疫治疗效果方面的重要应用前景，特别是在处理复杂的肿瘤微环境方面。研究的结果为提高胃食管癌的治疗效果提供了新的思路，未来将进一步验证这些发现。

解读

食管癌是全球范围内常见的恶性肿瘤之一，具有一定的地区分布差异，特别是在亚洲的中国和日本地区高发，其发病率和死亡率居高不下。根据2023年的全球统计，食管癌的五年生存率约21%，这与大多数患者就诊时已是晚期相关。晚期的食管癌患者多以保守治疗为主，采用了局部的放疗，全身的化疗和免疫治疗相结合的模式。随着当前免疫治疗的兴起，为晚期患者带来了更多的希望。ATTRACTION-3、CHECKMATE-648、CHECKMATE-649、KEYNOTE-181、KEYNOTE-590、ORIENT-15和ESCORT等研究的结果证明了以纳武利尤单抗、帕博丽珠单抗、信迪利单抗和卡瑞利珠单抗等PD-1/PD-L1抑制剂的临床应用为晚期患者带来了显著的优势。然而，免疫治疗的结果却因人而异，从新辅助化免治疗的结果看，免疫治疗的客观缓解率仅约15%。这说明了治疗前进行病理筛选进而个体化治疗的必要性，本研究基于这样的现实问题，即在晚期胃食管癌患者中，如何准确预测哪些患者会对抗PD-1/PD-L1免疫检查点抑制剂（ICI）治疗产生反应，以及如何预测患者的生存结果。胃食管癌的肿瘤微环境复杂，涉及多种细胞类型和细胞间的相互作用，传统的生物标志物如PD-L1 CPS在预测疗效方面有局限性。因此，该研究尝试利用人工智能技术，通过对数字化全片H&E染色图像进行单细胞分析，以提高预测准确性，为患者的个体化针对性治疗带来了进一步参考价值，尽可能避免不必要的医疗资源浪费，并减轻病人不必要的经济负担。该研究使用深度学习模型进行自动化的肿瘤区域检测和细胞核分割，开发了一种全自动的细胞注释方法，利用多重免疫荧光技术训练模型，将细胞分类为肿瘤细胞、淋巴细胞、中性粒细胞和巨噬细胞。通过计算66个特征来量化肿瘤微环境中的细胞组成和细胞间相互作用，最终评估治疗结果。结果表明，单细胞计算病理学方法能够识别出具有预测功能的空间生物标志物，这些标志物在预测晚期胃食管癌患者对ICI治疗的反应和生存结果方面表现出重要应用前景。该研究为提高免疫治疗的效果提供了新的思路，展示了人工智能在处理复杂肿瘤微环境中的潜力。但生物标志物的检测需要复杂的技术支持且经济成本偏高，目前可能还难以在资源有限的医疗环境中广泛应用。综上，本研究展示了人工智能在病理学和癌症治疗中的巨大潜力，但在临床应用前仍有许多需要解决的问题和挑战。

指导老师点评

冷雪峰教授—四川省肿瘤医院

李科汛博士解读本研究利用人工智能（AI）对晚期胃食管癌患者的数字病理图像进行分析，预测免疫检查点抑制剂（ICI）治疗的疗效。通过深度学习模型自动化检测肿瘤区域和细胞分类，识别出与无进展生存期高度相关的空间生物标志物。研究发现，描述淋巴细胞和中性粒细胞相互作用的特征在预测患者无进展生存方面表现出色（HR = 0.41），显著优于传统的PD-L1 CPS评分。该研究展示了AI在处理复杂肿瘤微环境和提高免疫治疗预测准确性方面的重要应用前景。然而，生物标志物检测需要复杂的技术和高成本，可能限制其在资源有限的医疗环境中的普及。此外，样本量较小和随访时间较短也需进一步研究来验证结论。总的来说，该研究为我国专家学者们进一步研究个体化免疫治疗提供了新的方向，展示了AI在肿瘤病理学中的潜力，有望在未来的临床实践中发挥更大作用。

【温馨提示】：如果您觉得李科汛医生解读的好，请在下方为他点赞并将文章分享给更多的同道！当然，您也可以在下方留下您的个人见解哦！

参考文献

[1] Eweje Feyisope, Li Zhe, Gopaulchan Matthew, , et al. Use of artificial intelligence–based digital pathology to predict outcomes for immune checkpoint inhibitor therapy in advanced gastro-esophageal cancer.[J]. Journal of Clinical Oncology, 2024,42(16_suppl):4013.
[2] Han B, Zheng R, Zeng H, et al. Cancer incidence and mortality in China, 2022[J]. Journal of the National Cancer Center, 2024.
[3] Siegel R L, Miller K D, Wagle N S, et al. Cancer statistics, 2023[J]. CA Cancer J Clin, 2023,73(1):17-48.
[4] 冉兴强, 施贵冬, 李洋云, 等. 免疫检查点抑制剂在食管癌新辅助治疗中的研究进展[J]. 中国胸心血管外科临床杂志, 2024,31(04):621-630.

责任编辑：肿瘤资讯-35under35班长