安德森癌症中心发表SCOPE IO模型，实现了对罕见肿瘤帕博利珠单抗疗效的精准预测，在患者早期即可预判药效

小罗碎碎念文献来源本文核心内容源自发表于《Journal for ImmunoTherapy of Cancer》的原创研究Artificial intelligence-guided analysis of the tumor microenvironment predicts response to pembrolizumab in rare tumors由美国德克萨斯大学MD安德森癌症中心Aung Naing团队联合韩国Lunit公司共同完成临床试验注册号NCT02721732。如果把抗癌免疫治疗比作一场“攻坚战”那么医生最头疼的问题莫过于派出的免疫部队到底能不能攻破肿瘤的防线过去十几年以帕博利珠单抗pembrolizumab为代表的免疫检查点抑制剂改写了癌症治疗的格局但残酷的现实是只有少数患者能从治疗中长期获益多数人承受着免疫相关副作用却得不到理想疗效。临床常用的预测标志物——PD-L1表达、肿瘤突变负荷、微卫星不稳定性——就像只通过“城墙高度”判断城池好不好打既片面又不准很多时候医生只能边治边看靠后续影像学检查确认药效。这一困境在罕见肿瘤领域显得尤为突出——罕见肿瘤亚型繁多、病例稀少既缺少大规模临床试验数据也没有成熟的疗效预测工具患者接受免疫治疗几乎等同于“盲试”。更棘手的是传统病理评估肿瘤浸润淋巴细胞TIL全靠病理医生人工读片不仅主观性强、难以标准化在罕见肿瘤这种经验匮乏的领域评估误差会被进一步放大。有没有一种方法能用最常规的病理标本精准、定量地看清肿瘤内部的免疫状态甚至在治疗早期就预判药效近期发表于《Journal for ImmunoTherapy of Cancer》的一项研究给出了答案美国MD安德森癌症中心联合韩国Lunit公司团队借助人工智能AI深度分析常规HE染色病理切片通过量化肿瘤微环境tumor microenvironment, TME的基线特征与动态变化成功实现了对罕见肿瘤帕博利珠单抗疗效的精准预测为小众癌症患者的免疫治疗装上了“提前预警雷达”。AI驱动的肿瘤微环境TME分析研究样本设计研究基于帕博利珠单抗治疗罕见肿瘤的II期临床试验NCT02721732纳入84例患者采用配对活检的动态研究设计基线活检治疗前采集共256份标本覆盖全部84例患者治疗中活检第1个治疗周期的第15–21天采集共248份标本覆盖全部84例患者通过同一病灶的前后配对标本精准对比免疫治疗诱导的肿瘤微环境动态变化。AI分析核心流程整个分析以临床常规HE染色全玻片图像HE WSI为唯一输入无需特殊免疫组化或荧光染色AI自动完成两步核心处理【1】组织语义分割AI自动对全片进行区域划分精准识别两类组织癌区Cancer area, CA图中绿色实体肿瘤细胞占据的区域癌间质Cancer stroma, CS图中蓝色肿瘤周围的基质结缔组织这一步替代了人工圈选肿瘤区域的繁琐操作实现全片自动化、无偏差的区域判定。【2】细胞级智能检测在已分割的组织区域内AI逐个识别细胞并完成分类淋巴细胞Lymphocyte, LC黄色圆点代表浸润的免疫效应细胞肿瘤细胞Tumor cell, TC橙色圆点代表恶性肿瘤细胞模型可完成全片尺度的全量细胞计数覆盖范围与精度均远超人工镜检的抽样评估。输出的核心生物标志物基于组织分割与细胞检测结果系统自动计算4项可用于疗效预测的量化指标医学AI交流群目前小罗全平台关注量120,000交流群总成员4000大部分来自国内外顶尖院校/医院期待您的加入由于近期入群推销人员较多已开启入群验证扫码添加我的联系方式备注姓名-单位-科室/专业即可邀您入群。一、给肿瘤微环境做“全域精准体检”AI如何从普通病理切片里挖出关键信息这项研究使用的是Lunit SCOPE IO深度学习分析系统它完全基于临床最常用的HE染色全玻片图像WSI工作无需特殊染色或额外制片整个分析过程可以拆解为四个核心步骤第一步标本采集与全景成像。研究在治疗前基线、治疗第1周期第15-21天两个时间点对同一目标病灶进行穿刺活检将标本制成HE染色切片后扫描为超高分辨率的全玻片数字图像。第二步AI智能组织分割。卷积神经网络会自动对整张切片进行语义分割精准区分出癌区、癌间质与背景组织。第三步细胞级精准识别。在分割好的组织区域内AI模型会逐一识别并区分淋巴细胞与肿瘤细胞。这套模型基于超5000张HE切片、280余万个病理专家标注的细胞训练而成能在整张切片上完成全量细胞计数不会像人工读片那样只看几个代表性视野。第四步指标计算与动态比对。基于分割和识别结果系统自动计算两个核心指标iTIL密度癌区内淋巴细胞数量除以癌区面积单位为cells/mm²和TC癌区面积占总组织面积的比例再将治疗后数值与基线值做归一化处理得到治疗前后的动态变化幅度。为什么常规HE切片就能完成精准分析这项技术最巧妙的地方在于它没有依赖昂贵的特殊染色或多组学检测而是完全扎根于临床最常规的HE病理切片。这意味着它几乎没有额外的检测门槛只要能做常规病理检查的医院理论上都可以接入这套AI系统同时标准化的算法输出也解决了不同医院、不同病理医生之间的评估差异问题让罕见肿瘤这种缺乏统一评估标准的领域也能获得稳定、可重复的分析结果。二、AI指标真的能预判生存获益吗为了验证AI指标的临床价值研究纳入了84例罕见肿瘤患者涵盖皮肤鳞状细胞癌、肾上腺皮质癌、髓样肾癌、原发不明癌等10种罕见亚型所有患者均接受帕博利珠单抗单药治疗。研究共分析了256份基线活检、248份治疗中活检标本结合患者的无进展生存期PFS与总生存期OS系统验证了TME指标与疗效的关联。基线iTIL高免疫浸润肿瘤的“预判密码”研究首先发现不同罕见肿瘤亚型的基线iTIL水平差异极大中位值从5.8到57.4 cells/mm²不等。为了降低异质性干扰研究根据各亚型的中位iTIL将10种肿瘤分为高iTIL组与低iTIL组各5类。在整体人群中基线iTIL≥60 cells/mm²的患者有PFS获益的趋势但未达到统计学差异而在本身免疫浸润水平较高的肿瘤亚型中这一阈值展现出了明确的预测价值iTIL≥60 cells/mm²的患者疾病进展风险降低了51%HR 0.49, p0.046中位无进展生存期从2.0个月延长至2.9个月。为了确认AI识别的iTIL是否真的对应免疫激活状态研究对27例配对标本做了8重免疫荧光验证。结果显示AI测算的iTIL与免疫荧光检测的CD3、CD3CD8T细胞密度显著相关高iTIL患者的肿瘤内CD8PD-1效应T细胞密度更高而免疫抑制性的调节性T细胞占比更低。这说明AI从HE切片里读出的不只是“细胞数量”更是真实的免疫功能状态。动态变化治疗早期的“药效晴雨表”如果说基线iTIL是“战前兵力摸底”那么治疗早期的指标变化就是“药效的实时反馈”而这恰恰是这项研究最核心的发现。研究显示治疗后iTIL密度较基线翻倍归一化增幅≥1单位的患者总生存期获得了显著改善中位总生存期从8.0个月提升至15.8个月死亡风险降低45%HR 0.55, p0.037无进展生存期也呈现出获益趋势。更有说服力的是空间分析结果iTIL升高的患者治疗后CD8T细胞、增殖型CD8Ki-67T细胞与肿瘤细胞的空间距离显著缩短——这意味着免疫细胞不只是数量变多了它们真的在向癌细胞靠近、发起攻击是免疫治疗有效激活的直接证据。另一边肿瘤含量TC的下降同样是明确的疗效信号。治疗后TC较基线下降≥30%的患者疾病进展风险降低49%HR 0.51, p0.019死亡风险降低46%HR 0.54, p0.042中位总生存期从10.6个月延长至18.9个月。换句话说用药两周后肿瘤地盘的收缩程度已经能预判患者后续的生存获益。双指标联合疗效预测的“黄金组合”单一指标已有预测价值两个指标联合则能实现更强的疗效分层。研究发现同时满足“iTIL升高≥1单位TC下降≥0.3单位”的患者获得了极其显著的生存获益中位无进展生存期从2.0个月大幅提升至8.8个月疾病进展风险降低64%HR 0.36, p0.009中位总生存期更是从10.6个月跃升至41.9个月死亡风险降低64%HR 0.36, p0.029。更关键的是在校正了不同肿瘤亚型的预后差异之后这一联合指标依然是稳定且显著的生存预测因子。这说明它反映的是免疫治疗本身的药效而不是某些肿瘤亚型天然预后更好的结果真正具备跨亚型的通用预测价值。三、AI病理将如何改变抗癌诊疗这项针对罕见肿瘤的研究看似只服务于小众人群实则为整个肿瘤免疫治疗领域打开了新的思路。对罕见肿瘤患者而言这项技术填补了长期以来的诊疗空白。由于发病率低、临床试验少罕见肿瘤一直是精准医疗的“盲区”很多患者只能参照常见肿瘤的经验用药。而AI驱动的TME分析不依赖特定癌种的经验只基于病理形态与免疫动态变化做评估相当于给所有罕见亚型都提供了一套通用的疗效评估标尺。过去患者要等9周影像学复查才能知道药有没有效现在治疗第3周就能通过活检AI分析获得信号无效患者可以尽早换药避免承受不必要的副作用与时间成本。从更长远的视角看这项技术的价值远不止于罕见肿瘤。其一它可以解锁海量的存量病理数据过去成千上万张HE切片只能用于形态诊断如今通过AI都能转化为免疫微环境数据为后续研究提供庞大的真实世界证据其二它可以作为免疫治疗临床试验的早期替代终点尤其能加快罕见肿瘤新药的研发节奏不用等待漫长的生存随访通过TME动态变化就能初步筛选有效药物其三随着技术迭代未来AI病理还可以和基因组、转录组等多组学数据融合构建更立体的疗效预测模型推动免疫治疗真正走向个体化精准用药。免疫治疗的终极目标是让每一位患者都能在合适的时间用上合适的药物。AI对肿瘤微环境的精准解码让我们第一次能从常规病理切片中读出如此丰富的免疫信息也让“盲试”时代正在成为过去。当病理切片不再只是静止的诊断标本而是能反映肿瘤免疫动态的“战场监控画面”抗癌这场攻坚战终将打得更准、更高效。加入团队我们是一支由国内外顶尖高校硕博组成的前沿交叉团队多名成员以第一作者身份在Nature、Nature Communications、Advanced Science以及Radiology等顶级期刊发表过论文。团队正在招聘实习生/分析师/讲师欢迎医工交叉方向的优秀硕博投递个人简历到团队邮箱lxltx2025163.com