口腔舌鳞癌肿瘤-间质比自动估算模型的建立及其55%最佳阈值对预后分层的优化价值

这篇研究首次开发了针对口腔舌鳞癌（SCCOT）的自动化肿瘤-间质比（TSR）估算模型，通过全切片图像（WSI）分析侵袭前沿代表性区域，发现55%的TSR阈值较传统50%标准能更精准预测患者总体生存（HR=3.28，p=0.004）和疾病特异性生存（log-rank p=0.016）。该模型在TCGA发现队列（R=0.848）和瑞典NUS验证队列（R=0.783）中均展现优异性能，为SCCOT个体化治疗提供了可重复的数字化病理标志物。

　　

摘要

口腔舌鳞癌（SCCOT）作为最具侵袭性的口腔癌亚型，其肿瘤微环境（TME）中肿瘤-间质比（TSR）的定量评估面临传统50%阈值普适性不足和人工评估变异度高的挑战。研究团队创新性地开发了基于随机森林算法的自动化TSR估算模型，通过分析TCGA队列77例和瑞典NUS队列29例患者的H&E染色全切片图像，首次证实55%的TSR阈值能显著提升SCCOT预后分层效能。

引言

SCCOT占口腔鳞癌50%病例，以早期淋巴结转移和高度异质性TME为特征。尽管间质高占比（>50%）已被证实与不良预后相关，但前列腺癌等研究提示癌症特异性阈值优化的必要性。传统人工TSR评估存在观察者间变异，而侵袭前沿4 mm²区域的标准化采样成为解决方案。

材料与方法

TCGA发现队列筛选77例符合质量标准的SCCOT病例，NUS验证队列纳入29例。两名病理学家通过QuPath软件（v0.5.1）标注侵袭前沿代表性区域，采用Vahadane法进行色彩归一化后，构建包含100棵决策树的随机森林像素分类器。X-tile软件确定最佳TSR阈值，统计学分析采用SPSS v29完成。

结果

模型估算TSR（ME-TSR）与病理学家评估（PE-TSR）高度一致（TCGA队列R=0.848，NUS队列R=0.783）。55%阈值较传统50%显著提升预后区分度：总体生存log-rank p值从0.037优化至0.006，疾病特异性生存p值从无统计学意义（p=0.093）变为显著（p=0.016）。多变量分析显示TSR是最强独立预后因子（HR=3.28，95%CI 1.458-7.377），超越T分期（HR=2.66）和性别（HR=0.418）。

讨论

该研究突破体现在三方面：

1. 技术革新：首次针对SCCOT开发的自动化模型解决了人工评估变异问题，其连续变量特性支持精准阈值优化；

2. 生物学意义：55%阈值反映SCCOT侵袭前沿特殊的肿瘤-间质互作模式，高间质可能富含促转移的癌症相关成纤维细胞（CAFs）；

3. 临床转化：模型可整合至数字病理工作流，辅助制定辅助治疗决策。

局限性包括回顾性研究设计和样本量限制，未来需通过多中心前瞻性试验验证。值得注意的是，肿瘤浸润淋巴细胞（TILs）虽在间质中富集（按20%阈值分类），但未显示独立预后价值（p=0.264），提示SCCOT中整体间质组成比特定免疫成分更具预测性。

结论

本研究确立的自动化TSR模型以55%为最佳阈值，为SCCOT提供了可重复的强预后标志物。该成果推动了个体化治疗决策的精准化，并为探索TME靶向治疗奠定基础。