首页 > 文章详情

2025 SABCS｜APHINITY试验回顾性分析：人工、数字化及人工智能衍生的sTILs评分的预后与预测价值

11月26日

编译：肿瘤资讯

来源：肿瘤资讯

Session Type

SABCS Session

Session Title

General Session 1

摘要号

GS1-06

英文标题

Prognostic and predictive associations of manual, digital and AI-derived tumor infiltrating lymphocytes-scoring: A retrospective analysis from the Phase III APHINITY trial

中文标题

人工、数字化及人工智能衍生的肿瘤浸润淋巴细胞评分预后与预测价值：APHINITY III期试验回顾性分析

讲者

Roberto Salgado, Peter MacCallum Cancer Centre, Melbourne, Australia

背景

间质肿瘤浸润淋巴细胞（sTILs）是早期HER2阳性乳腺癌（BC）HER2靶向治疗的预后和预测生物标志物。人工sTIL评分虽具高重复性，但可能低估免疫浸润程度。数字病理和人工智能（AI）可实现自动化sTIL定量与空间评估，但需针对临床终点进行验证。

目的

在III期APHINITY试验中比较人工、数字化（非AI）及基于AI的sTIL定量方法，包括AI衍生的空间指标。研究目标包括观察者间重复性、方法一致性、对无侵袭性疾病生存期（iDFS）和总生存期的预后效能、AI对预后模型的增强作用，以及识别从帕妥珠单抗辅助治疗中获益的患者。

方法

在4,804名APHINITY试验参与者中，4,306名（90%）拥有可供所有方法评估的存档H&E全切片图像。人工评分由经验丰富的病理学专家（RS）完成，并通过五位病理学专家使用国际TIL指南独立评估262张切片以评估重复性。数字化定量采用标准图像分析算法，AI淋巴细胞百分比评分使用Case45零样本深度学习生物标志物流程。计算两个AI衍生空间指标：癌巢邻近淋巴细胞密度和致密淋巴聚集（免疫热点）定量。高TIL状态定义为百分比评分≥75百分位且空间指标≥50百分位。一致性通过组内相关系数（ICC）和两两一致性评估。预后和预测性能通过多变量Cox回归评估（调整治疗组、年龄、化疗方案、激素受体状态、淋巴结状态、肿瘤大小和分级），并采用似然比检验评估增量预后收益。预测性获益通过高TIL组iDFS的治疗与TIL交互作用风险比（HR）评估。

结果

人工评分重复性极佳（ICC 0.87）。连续sTIL定量在不同方法间呈中等至中度一致性（ICC 0.37-0.62），数字化和AI评分一致低于人工评分。高/低TIL分类总体一致率达80%。sTIL每增加10%与复发风险降低相关（HR：人工0.93，数字化0.92，AI 0.87；均p<0.001）。AI空间免疫热点指标优于百分比指标（HR=0.41；p<0.001），且与人工评分结合时提供最大附加判别力（p<0.001）。在高TIL患者中，帕妥珠单抗使iDFS事件减少64%（人工HR=0.36；p交互=0.003）、52%（数字化HR=0.48；p交互=0.025）和54%（AI HR=0.46；p交互=0.01）。单独人工评分识别出562/2,573名（22%）淋巴结阳性患者为高TIL且可能对帕妥珠单抗有反应，而AI淋巴细胞百分比识别出625名（24%），从而额外检测出253名可从帕妥珠单抗中获益的淋巴结阳性患者（群体扩大10%）。AI空间指标无预测价值。

结论

尽管一致性中等，人工、数字化和AI衍生的sTIL评估均独立显示出预后和预测价值，可识别从辅助帕妥珠单抗中获益的HER2阳性BC患者。AI驱动的sTIL定量匹配并轻微提升预后准确性，重要的是AI与人工sTIL均可识别更庞大的帕妥珠单抗应答群体。将AI衍生的定量与空间指标整合至多参数模型可进一步实现HER2靶向治疗的个体化。

责任编辑：肿瘤资讯-Jina
排版编辑：肿瘤资讯-Jina