结直肠癌空间免疫特征与临床病理变量的预后评估及整合分析研究

《Cellular Oncology》：Prognostic architecture of spatially resolved immune ecosystems in colorectal cancer: a multiplex immunohistochemistry and machine learning study

　　

摘要

目的

结直肠癌（CRC）的预后受肿瘤微环境（TME）的影响，包括空间免疫细胞组织和空间免疫聚集体（SIAs）。然而，空间上分离的免疫亚群的预后相关性，特别是B细胞相关表型，尚未得到充分定义，需要与已建立的临床病理预测因子进行仔细评估。

方法

研究分析了786名CRC患者，使用了针对10种免疫表型的多重荧光免疫组化（mIHC）技术，并结合了基于深度学习的单细胞分割和空间统计方法。为了自动检测SIAs，采用了考虑生物学特性的基于密度的空间聚类算法（DBSCAN）。预后建模仅限制在具有完整生存信息的636名患者上，并使用无泄漏的患者级训练/验证分割进行评估。基准模型包括基于TNM的模型、临床病理模型、仅基于空间的模型以及集成XGBoost模型。系统地评估了空间异质性、免疫亚群分布、区域特异性关联和预后表现。

结果

非增殖性的CD3?+?CD8?FOXP3???T细胞在TME中占主导地位（64.9%），免疫组成随疾病阶段和转移状态而变化。自动SIAs检测与病理学家审核的注释高度一致，并能够进行区域特异性的免疫表型分析。在SIAs区域中，增殖性的CD8?+?T细胞与良好的预后相关，而非SIAs区域中的非增殖性CD21?+?B细胞与较差的预后相关。空间邻近性分析识别出了与转移相关的距离模式，包括CD21???B细胞和CD3?+?CD8?FOXP3???T细胞之间的距离缩短。在预后评估中，临床病理变量仍然是当前队列中最强的预测因子，而单独的空间特征显示出有限的独立区分能力。结合空间和临床病理变量的集成XGBoost模型提供了补充的预后信息，但并未显著优于临床病理基准模型。

结论

本研究提供了高分辨率的CRC空间免疫图谱，识别出了与患者预后相关的空间上分离的免疫特征。自动SIAs检测框架和预后评估分析为未来空间生物标志物的验证提供了探索性基础，而当前数据支持空间特征与已建立的临床病理变量共同起补充作用，而非主导作用。