Tiefes Lernen über Tertiäre Lymphoidstrukturen in Hämatoxylin-Eosin sagt Krebsprognose und Immuntherapie-Reaktion voraus – npj Precision Oncology

Tiefes Lernen über Tertiäre Lymphoidstrukturen in Hämatoxylin-Eosin sagt Krebsprognose und Immuntherapie-Reaktion voraus – npj Precision Oncology

Die zum Aufbau des TLS-Segmentierungsmodells verwendeten Daten wurden von chirurgisch resezierten Tumorgeweben aus zwei unterschiedlichen Gruppen im Zhongshan Hospital der Fudan University in Shanghai, China, gesammelt. Gruppe eins umfasste sechzig Patienten mit Ösophaguskarzinom, die 1-4 Zyklen (jeweils 28 Tage pro Zyklus) Immuntherapie mit kombinierter anti-PD-1-Blockade und Chemotherapie erhielten. Gruppe zwei bestand aus fünf Patienten mit NSCLC, die 2 Zyklen kombinierter anti-PD-1-Blockade und Chemotherapie erhielten, wobei jeder Zyklus ebenfalls 28 Tage dauerte. Die klinischen Merkmale beider Gruppen sind in Tabelle 1 im Anhang detailliert aufgeführt.

Für die Auswertung der TLS-Verhältnisse verwendeten wir den öffentlich zugänglichen TCGA-Datensatz, der 6140 Patienten mit H&E-WSIs, konkomitante RNA-Sequenzierung und DNA-Methylierungsdaten umfasste. Detaillierte Ein- und Ausschlusskriterien für jeden Tumor sind in Abbildung 10 im Anhang beschrieben. Sechzehn verschiedene Tumorarten wurden untersucht, um Korrelationen zwischen geschätzten TLS-Verhältnissen, molekularen Signaturen und Prognose zu bewerten. NSCLC-Fälle aus dem Clinical Proteomic Tumor Analysis Consortium (CPTAC) für die Überlebensanalyse umfassten 960 H&E-Folien von 209 Patienten, die sowohl CPTAC-LSCC als auch CPTAC-LUAD umfassten.

Zur Bewertung des Potenzials des TLS-Verhältnisses als Prädiktor für die Immuntherapieantwort sammelten wir Daten von vier unabhängigen Kohorten von ESCC-, NSCLC- und STAD-Patienten vor Beginn der Therapie. Die ESCC-Kohorte (n=43) stammte aus einer Phase-I-Studie (NCT02742935), bei der die Patienten, die gegenüber vorheriger Chemotherapie resistent oder intolerant waren, vier Zyklen (jeweils 28 Tage pro Zyklus) mit der anti-PD-1-Blockade (SHR-1210) im Cancer Hospital der Chinese Academy of Medical Science in Peking, China, erhielten. Die postoperative klinische Reaktion für diese Patienten wurde nach den Response Evaluation Criteria in Solid Tumors (RECIST) V1.1 bewertet, wobei Responders definiert waren als Patienten mit kompletter oder partieller Antwort und Non-Responders als Patienten mit stabiler Krankheit oder Progression.

Zwei retrospektive Beobachtungskohorten von NSCLC-Patienten wurden im Zeitraum von Dezember 2021 bis Januar 2023 am Cancer Hospital der Chinese Academy of Medical Science in Peking, China, gesammelt. Die Behandlung umfasste zwei Zyklen Immuntherapie, gefolgt von der chirurgischen Resektion von Tumorgewebe 1 Monat nach der Behandlung. Die STAD-Kohorte stammte aus der Neo-PLANET Phase-II-Studie (NCT03631615) am Zhongshan Hospital der Fudan University in Shanghai, China. Die klinischen Reaktionen nach der Behandlung wurden von Expertenpathologen bewertet.

Die WSIs der chirurgisch resezierten Tumorgewebe wurden für die Multiplex-Immunhistochemie und H&E-Färbung vorbereitet. Die Segmentierung der TLS auf den mIHC-WSIs erfolgte mit Hilfe der inForm-Bildanalysesoftware, während die TLS-Segmentierungsmasken auf den H&E-WSIs manuell erstellt wurden und von erfahrenen Pathologen validiert wurden. Die Leistung des TLS-Segmentierungsmodells wurde anhand von AUCs für die ROC-Kurven in internen und externen Datensätzen evaluiert.

Zur Schätzung des prozentualen Anteils der B-Lymphozyten wurden die Daten aus dem TCGA verwendet, um den B-Lymphozytenanteil für jeden Patienten anhand von RNA-Sequenzierungsdaten und geschätzten Immunzellproportionen zu berechnen. Die Prognostischen Implikationen der TLS-Verhältnisse in TCGA und CPTAC wurden mittels Univariate- und Multivariate Cox-Regression sowie C-Indizes untersucht, um die Überlebensprognose in verschiedenen Tumorarten zu bewerten. Statistische Analysen wurden durchgeführt und die Ergebnisse verwendet, um die Bedeutung der TLS-Verhältnisse in der Immuntherapie bei verschiedenen Tumorarten zu bewerten.