Nat Commun: 肿瘤淋巴细胞浸润算法预测黑色素瘤生存

An open source automated tumor infiltrating lymphocyte algorithm for prognosis in melanoma一种可用于黑色素瘤预后的自动评估肿瘤浸润淋巴细胞开源算法

一. 研究背景

恶性肿瘤的发生发展与肿瘤微环境密切相关，肿瘤浸润免疫细胞(TIL)更是在许多类型的肿瘤预后中起到重要作用。在此之前有关TIL的评分主要为病理学家的视觉评估，缺乏标准化与可重复性，而数字图像分析(DIA)可能会解决这方面的问题，作者建立了一种算法并加以验证。

二. 分析流程

三. 结果解读

1. 构建自动评估算法模型

图3. 黑色素瘤病例样本

作者对分别来自耶鲁大学纽黑文医院(YNHH)和哥伦比亚大学欧文医学中心(CUMC)的四个独立肿瘤组织样本队列(病人信息见表2)进行深度学习。

首先在Aperio ScanScope XT平台上对前三组样本以20倍的分辨率对载玻片进行数字化处理，并对第四组以40倍分辨率进行数字化，随后利用QuPath开源软件平台构建自动TIL评分算法(分割细胞的质量由病理学家把控)，并通过神经网络以及几轮优化，生成了“NN192”算法，可对细胞进行分割，便于计算肿瘤浸润免疫细胞(TIL)的百分比：

由此评估TIL的方法被作者命名为eTIL%，而图3便是一个NN192算法对图像的处理结果。

表2. 患者的临床病理资料

2. 在TMA中TIL自动评分的性能

作者将队列1-3定义为组织微阵列(TMA)，并在其上验证公式eTIL%的性能。

图1. 队列1中TIL得分与预后及免疫细胞的相关性

A图：(TMA玻片) 队列1中TIL自动评分与预后的关系

B图：(TMA玻片) 队列1中病理学家TIL评分与预后的关系

C-F图：(TMA玻片) 队列1中定量免疫荧光法测定eTIL%评分与CD4+、CD8+和CD20+免疫细胞间的相关性

通过Xtitle交叉验证得到TIL最具统计学意义的阈值为16.6%，基于此将患者分为两组。而疾病特异性总体生存率(DSOS)的结果显示，在队列1中eTIL%公式对患者的评估比传统病理学家的视觉评估更能准确预测患者的预后(图1A-B)。定量免疫荧光法的结果显示eTIL%评分与CD4+、CD8+和CD20+免疫细胞之间的相关性很弱，但与CD4+、CD8+的和之间存在显著相关性(图1C-F)。

图2. 队列2(A)、队列3(B)中TIL得分与预后的相关性

A-B图：(TMA玻片) 队列2、3中TIL自动评分与预后的关系

在队列2、3中，eTIL%评分高低也与患者的DSOS的长短显著相关(图2A-B)。

3. 在全视野数字玻片中TIL自动评分的性能

由于在临床环境中，必须对整个组织切片进行评估，因此作者将NN192算法应用于第2和第4组的全视野数字玻片中。

图2. 队列2(C)、队列4(D)中TIL得分与预后的相关性

C-D图：(全视野数字玻片) 队列2、4中TIL自动评分与预后的关系

结果显示eTIL%评分与患者的DSOS存在显著相关性。而多因素Cox回归分析显示即使调整了年龄、性别等其他数据，两个队列的eTIL%评分仍然显著(见表1)。

表1. 多变量Cox回归分析

作者所建立的eTIL%算法在预测患者的预后方面具有显著性以及可重复性，该模型对TIL评分进行了标准化，可充分利用于临床研究，具有重大研究意义。