斯坦福大学科学家在一项新研究中发现，非小细胞肺癌患者对免疫治疗的反应可能取决于免疫细胞如何在肿瘤周围聚集。研究表明，肿瘤微环境中某些免疫细胞的空间排列能够成为强大的治疗反应预测指标，超越现有的生物标志物测试方法。 肺癌是全球癌症死亡的主要原因，其中非小细胞肺癌占80%以上。尽管免疫检查点抑制剂改变了治疗方法，但这些药物只对27%至45%的患者有效。可靠的免疫治疗反应预测生物标志物仍难以捉摸，目前临床医生主要依赖PD-L1免疫组织化学、肿瘤突变负荷和微卫星稳定性测试，这些测试在不同试验中预测性能有限且容易出现不一致。 在这项研究中，研究人员结合多光谱免疫荧光（mIF）、RNA测序和深度学习驱动的显微镜检查，分析了与患者预后相关的肿瘤-免疫结构。研究数据来自斯坦福医疗中心的132名非小细胞肺癌患者，其中包括50名进行了mIF成像的患者的样品，以及115名提供了全切片显微镜图像和122名提供了RNA测序数据的患者。在所有实验中，共分析了超过4500万个细胞。 mIF技术捕捉了255个组织核心中的33种蛋白标记物，获取了150万个细胞的空间坐标。通过无监督聚类，研究人员将局部邻域分为了8种表型。NucSegAI是一种基于深度学习的模型，经过220万个细胞核的训练并在30张肺部切片上进行微调，该模型绘制了119张全切片显微镜图像上的4560万个细胞。 RNA测序分解估算免疫细胞比例，基因集富集分析则将空间模式与信号通路联系起来。他们采用了一种细胞毒性T淋巴细胞（CTL）评分，来概括每位患者中细胞毒性T细胞（Tc）富集邻里区域的比例。在接受抗PD-1/PD-L1治疗的34名患者中，响应者携带的Tc细胞数量是非响应者的2.5倍，而Tc富集邻里区域的数量则是非响应者的6.5倍。响应者的肿瘤还显示出更强的Tc与树突状细胞（Dc）、单核细胞和肿瘤细胞之间的空间互作。CTL评分较高的患者无进展生存期显著延长，而巨噬细胞主导的邻里区域则预示着早期复发。 此外，非小细胞肺癌患者中前吸烟者体内的肿瘤显示出较少的免疫细胞直接邻近癌细胞的区域，从未吸烟者则有更密集的淋巴细胞聚集在肿瘤细胞周围。研究人员认为，将空间免疫学与常规病理学结合起来，可以提高选择合适的免疫检查点药物患者的能力，并减少其他患者的毒性暴露风险。更广泛的采用则需要类似NucSegAI的软件，可以从标准H&E切片中提取类似 Insights，从而为精确诊断肺癌提供一条简化路径。 业内人士评价认为，这项研究不仅为提高非小细胞肺癌免疫治疗效果提供了新的视角，也展示了多模态数据分析在精准医学中的巨大潜力。NucSegAI等深度学习工具的开发，为临床应用提供了重要的技术支持。斯坦福大学在生物医学领域的领先地位，为这一创新研究成果的应用和推广打下了坚实基础。