深度学习驱动的嗜酸性粒细胞与淋巴细胞定量分析揭示结直肠癌患者互补预后效应

本研究通过深度学习技术自动量化结直肠癌(CRC)组织切片中嗜酸性粒细胞(EosF)和上皮内淋巴细胞(IELs)，首次证实肿瘤前沿嗜酸性粒细胞是独立预后因子(HR=0.70)，尤其在微卫星不稳定(MSI)亚型中显著(HR=0.32)。该研究构建了基于HoVer-NeXt算法的全自动分析流程，发现EosF与IELs具有叠加预后价值，为CRC免疫微环境评估提供了可转化的数字化生物标志物。

　　

结直肠癌的肿瘤微环境(TME)中，免疫细胞的组成与患者预后密切相关。尽管淋巴细胞浸润已被广泛研究，但嗜酸性粒细胞这一先天免疫细胞的作用长期存在争议。传统手工计数方法效率低下，且既往研究未能明确嗜酸性粒细胞的空间分布特征与分子机制的联系。更关键的是，嗜酸性粒细胞与已知预后标志物（如上皮内淋巴细胞IELs）的交互作用尚未阐明，这限制了精准免疫评分的临床应用。

瑞士伯尔尼大学医院等机构的研究团队在《npj Precision Oncology》发表了一项突破性研究。该团队开发了基于HoVer-NeXt深度学习模型的自动化分析流程，对1625例结直肠癌患者的2529张H&E染色全切片图像(WSI)进行大规模分析。通过SRMA算法实现组织区域分割，结合距离阈值算法区分肿瘤前沿(EosF)与中心(EosC)，首次系统揭示了嗜酸性粒细胞的空间分布规律及其临床价值。

关键技术包括：1) 使用HoVer-NeXt模型实现淋巴细胞/嗜酸性粒细胞核分割(F1=0.73)；2) 基于距离阈值的肿瘤前沿自动划分(1000μm带宽)；3) 多中心队列整合分析(伯尔尼/Radboud/多伦多/TCGA)；4) 免疫细胞量化采用肿瘤细胞标准化计数法。

HoVer-NeXt可精准识别H&E WSI中的淋巴细胞、嗜酸性粒细胞和IELs
通过4952个嗜酸性粒细胞的验证集证实，模型检测F1达0.73。IELs识别虽精度较低(F1=0.41)，但区域水平相关性达ρ=0.87。

嗜酸性粒细胞与IELs代表肿瘤免疫微环境的独立维度
空间分析显示，嗜酸性粒细胞在肿瘤前沿富集(6.02%±4.49%)，与淋巴细胞分布呈弱相关(ρ=0.35)。关键发现是EosF与IELs无统计学关联(ρ=0.03)，暗示二者可能通过不同机制影响预后。

EosF与良好预后特征相关
右半结肠癌中EosF显著增多(p<0.05)，且与低pT/pN分期(τ<-0.09)、无脉管浸润等良好特征相关。值得注意的是，EosF与Immunoscore^?
相关性弱(ρ=0.14)，提示其可能提供独立于现有免疫评分的信息。

CMS、PDS和MSI不能完全解释嗜酸性粒细胞的存在
虽然MSI病例中EosF显著增加(p<0.001)，但在CMS/PDS分子分型中未显示特异性分布，表明嗜酸性粒细胞浸润可能受独立于主流分子通路的机制调控。

EosF、LymF和IELs在单变量生存分析中具有预后价值
全分期队列中，EosF对无复发生存(TTR)的保护效应最强(HR=0.54)。在MSI亚组，仅EosF保持显著(HR=0.34)，而MSS亚组中EosF与IELs均显著(HR=0.75/0.51)。

EosF和IELs是具有叠加效应的独立预后因素
多变量分析显示，EosF(HR=0.71)与IELs(HR=0.59)的联合模型AIC值最低，证实二者通过不同生物学途径发挥作用。在MSI患者中，EosF的独立预后价值尤为突出(HR=0.32)。

这项研究首次通过深度学习实现了结直肠癌微环境中嗜酸性粒细胞的自动化、标准化定量，解决了传统方法效率低下的瓶颈。发现EosF作为独立于IELs的预后标志物，为MSI患者提供了新的风险分层工具。从机制角度看，嗜酸性粒细胞可能通过IFNG介导的细胞毒性或CD8⁺
T细胞招募等途径发挥抗肿瘤作用，这与Arnold等提出的GM-CSF-IRF5信号轴理论形成呼应。技术层面，该研究建立的WSI分析框架可直接应用于临床诊断，推动H&E染色切片从形态学评估向数字化免疫评分转变。未来研究可结合单细胞测序进一步解析嗜酸性粒细胞亚群的功能异质性，并探索其与免疫治疗响应的关联。