非小細胞肺がんの免疫療法反応予測における腫瘍微小環境マッピング 非小細胞肺がんは世界のがん死亡原因之一であり、全症例の80%以上を占めています。免疫チェックポイント阻害剤は治療を革新しましたが、27～45%の患者のみに効果が見られます。信頼性の高い免疫療法の反応予測バイオマーカーが不足している中、スタンドフォード大学の研究者が開発した新技術が光を当てています。 「Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small-cell lung cancer」（個別セル多モーダル解析による非小細胞肺がんの治療反応を予測する腫瘍微小環境の特定）という論文で、研究者は多重免疫蛍光（mIF）、RNA配列解析、深層学習駆動型組織学的分析を組み合わせて、免疫細胞と腫瘍の空間的配列が患者の予後とに密接に関連していることを明らかにしました。この研究はScience Advancesに掲載されています。 スタンドフォード医科大学で治療を受けた132人の非小細胞肺がん患者から採られた組織サンプルが基础となりました。これらのうち50人はmIFイメージングを受け、115人は全スライド組織像、122人はRNA配列データが利用可能です。全モダリティで4,500万以上の細胞がプロファイルされました。 mIF技術は33の蛋白マーカーを255の大切り片に対して捕捉し、150万の細胞について空間座標を取得しました。無教師クラスタリングによって局所的な近傍が8つの現象型にグループ化され、深層学習モデルNucSegAIは30枚の肺スライドに対してファインチューニングされ、119枚の全スライド組織像に4,560万の細胞をマッピングしました。 RNA-Sequencing（RNA-seq）分解は免疫細胞の比率を推定し、遺伝子セットエンリッチメント分析は空間的なパターンをシグナリングパスウェイと結びつけました。細胞性Tリンパ球（CTL）スコアは、各患者のCTLに富む領域の割合を要約することにより計算されます。 34人の抗PD-1/PD-L1療法を受けた患者のうち、反応者は非反応者に比べ、約2.5倍多いCTL細胞と6.5倍高的なCTL富域を持ち、CTLと樹状細胞（Dc）、単球、腫瘍細胞間の強力な空間的相互作用が観察されました。CTLスコアが高い上位半分の患者は著しく長い進行フリー生存率を示しました。一方で、マクロファージに富む領域は早期再発を予測しました。 非小細胞肺がんを持つ元喫煙者の腫瘍サンプルでは、免疫細胞が癌細胞に直接隣接する地域が少ないことが判明しました。それに対し、喫煙歴のない患者は腫瘍細胞に近いリンパ球密度が高い傾向がありました。 研究者たちは、腫瘍微小環境を分析することで免疫チェックポイント阻害剤の効果的な患者選択を可能にし、他の患者は副作用から保護できると考えています。NucSegAIのようなソフトウェアが標準H&Eスライドから同様の洞察を得られれば、精密医療への道を開く可能性があります。 業界関係者からは、「この技術は免疫療法の反応予測を飛躍的に向上させ、個々の患者に対する最適な治療アプローチの選択を支援する可能性がある」との評価が寄せられています。NucSegAI開発の中心となったスタンドフォード大学の研究チームは、今後、この技術の臨床応用をさらに進めることを目指しています。