基于AI的数字病理学评估PD-L1表达和肿瘤微环境预测帕博利珠单抗治疗转移性三阴性乳腺癌的疗效

《Breast Cancer Research》：Artificial intelligence-based tumor microenvironment and PD-L1 analysis to predict pembrolizumab response in metastatic triple-negative breast cancer

　　

摘要

背景

帕博利珠单抗联合化疗可改善PD-L1阳性转移性三阴性乳腺癌（mTNBC）患者的生存，但治疗反应仍存在异质性，且缺乏稳健的预测性生物标志物。我们评估了基于人工智能（AI）的数字病理学，通过定量评估PD-L1表达和肿瘤微环境（TME）来识别帕博利珠单抗获益的预测因素。

方法

我们回顾性分析了2021年至2024年间接受帕博利珠单抗治疗的49例PD-L1阳性mTNBC患者。PD-L1阳性定义为联合阳性评分（CPS）≥10。根据既往全身治疗暴露情况，将肿瘤样本分为治疗前或治疗后。49例患者中，23例仅提供治疗前标本，24例仅提供治疗后标本，2例同时提供两种标本；因此标本并非成对连续采集。使用AI驱动的平台Lunit SCOPE IO（H&E）和Lunit SCOPE uIHC（PD-L1免疫组织化学），从苏木精-伊红（H&E）染色和PD-L1染色的全切片图像中定量免疫表型和免疫细胞密度。PD-L1状态由AI和病理学家共同评估。采用Kaplan-Meier和Cox回归分析比较无进展生存期（PFS）。

结果

中位随访时间为13.2个月。基于AI的PD-L1阳性检出率为51.5%，而病理学家评估为74.2%。AI阳性病例的中位PFS显著更长（8.8个月 vs. 6.7个月；HR 0.50，95% CI 0.27–0.94；p = 0.031），而病理学家评估的PD-L1阳性则无显著差异（中位7.2个月 vs. 7.9个月；HR 0.63，95% CI 0.38–1.04；p = 0.072）。在治疗前样本中，基于AI的PD-L1阳性与更长的PFS相关（7.2个月 vs. 4.4个月；HR 0.29，95% CI 0.12–0.71；p = 0.006），但在治疗后样本中未观察到这种关联。与AI阳性相关的获益在治疗前6个月后显现（6个月后HR 0.30 vs. 6个月前0.73），这与免疫检查点阻断治疗典型的延迟分离效应一致。在PD-L1阳性免疫细胞中，治疗后的CPS≥10样本中巨噬细胞比例高于治疗前样本（34% vs. 16%；p = 0.0044）。

结论

基于AI的PD-L1和TME分析可识别mTNBC中接受帕博利珠单抗治疗PFS更长的患者，尤其在治疗前样本中更为显著；而治疗后PD-L1阳性（伴随PD-L1阳性巨噬细胞比例增加）则无此关联。这些发现属于假设生成性质，在考虑将基于AI的评分用于mTNBC患者选择之前，需在独立队列中进行验证。