多染色深度学习模型可用于结直肠癌的预后和预测

撰文 | Qi

结直肠癌（CRC）是第一个被证明肿瘤免疫微环境（TIME）中细胞的亚型、密度和位置可以预测临床结果的肿瘤类型之一，因此，反映肿瘤核心和外周CD3+和CD8+ T细胞密度的免疫评分（IS）得以引入【1】。基于多重标记法对CRC中免疫细胞亚型的研究已经取得很大进展，但这些方法复杂且依赖于昂贵的设备，在临床上的使用具有一定的局限性。

为了克服这些限制，来自美因茨大学医学中心的Sebastian Foersch团队在Nature Medicine杂志上发表了一篇题为Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer的文章，他们构建了一个可利用人工智能确定1000多名患者IS（AImmunoscore, AIS）的多染色深度学习模型（MSDLM），该模型具有很强的预后能力，优于其他基于临床、分子和免疫细胞的参数，还可用于预测直肠癌患者对新辅助治疗的反应，是一种能够为临床医生提供基于肿瘤免疫微环境的有价值的决策工具。

研究人员从991名患者中生成了共312771个图像来训练、验证和测试MSDLM，结合组织微阵列（TMA）对应用于深度学习的各种免疫组化标记物进行分析。单染色深度学习模型（SSDLM）是在CD4+、CD8+、CD68+和CD20+免疫细胞图像上分别进行训练，与此同时，作者也对所有染色进行MSDLM训练，所获得的包括平均准确度、平均AUROC数据均明显优于SSDLM，且能根据数据将CRC患者分为复发组和无复发组。

图1. MSDLM的训练和交叉验证。

随后，作者利用不属于训练和验证的外部队列对MSDLM和临床中常规使用的预后参数、以及由不同方法确定的IS进行比较。简单来说，作者收集了全面的临床和分子数据，确定了IS 2、IS 3和IS Best，并根据MSDLM定义了AIS，在定义患者的无复发生存率（RFS）方面，AIS能反映出RFS的最显着差异。此外，作者对包括UICC分期、切除状态、静脉栓塞-淋巴管浸润-神经周围浸润等CRC预后参数进行单变量Cox回归分析，并在此基础上选择具有显著性的参数进一步进行多变量Cox回归分析，此时，只有UICC分期、IS 2和AIS仍然具有统计学意义，相比来说AIS方法更优。为了更好地了解AIS在预后中的影响，作者根据肿瘤分期研究了不同患者亚组后发现原发大肿瘤（T分期3和4）和AIShigh（MSDLM定义患者“不复发”）比小肿瘤（T分期1和2）但AISlow（定义复发）的患者生存率明显更好。对于 M 分期，AIShigh 组中没有出现远处转移的患者，而对于N分期（反应淋巴结受累情况），AIS使N0和N+没有明显差异。

在上述多染色组合模型中表现最好的组合是CD4、CD8、CD20和CD68，定义 “无复发”的最重要的免疫细胞亚型依次是CD8+T细胞和B细胞，而对“复发”分类贡献最大的是CD68+单核-巨噬细胞，这些发现与在CRC和其他实体癌中的已知作用完全一致。此外，之前的工作表明IS不仅可用于预后，它在直肠癌的新辅助治疗中也具有预测价值【2】。为了测试MSDLM是否可以以类似的方式应用，作者使用了117名接受新辅助放化疗的直肠癌患者的11668个图像块，MSDLM的表现再次明显优于 SSDLM。

总之，这项工作证明与基于单一染色的深度学习模型相比，将各种免疫细胞亚型的数据整合到MSDLM中在预后和预测方面更胜一筹，此外，这一模型利用的IHC染色剂价格低廉且使用广泛，可以为现有方法提供有价值的补充或替代。

https://doi.org/10.1038/s41591-022-02134-1

制版人：十一

参考文献

1. Pages, F. et al. International validation of the consensus Immunoscore for the classification of colon cancer: a prognostic and accuracy study.Lancet391, 2128–2139 (2018).

2. El Sissy, C. et al. A diagnostic biopsy-adapted immunoscore predicts response to neoadjuvant treatment and selects patients with rectal cancer eligible for a watch-and-wait strategy.Clin. Cancer Res.26, 5198–5207 (2020).