基于肿瘤微环境空间细胞生态学的AI框架PathRosetta预测浸润性肺腺癌术后五年复发

《npj Digital Medicine》：A spatially aware deep learning framework for multiscale cellular ecology profiling to predict 5-year recurrence in invasive lung adenocarcinoma

　　

摘要

术后复发性浸润性肺腺癌（ILA）仍然是临床上面临的一项重大挑战，现有的分期和分级系统无法捕获与肿瘤侵袭性相关的细胞复杂性。我们提出了PathRosetta，一个从苏木精-伊红（H&E）切片中建模肿瘤微环境（TME）细胞生态学的AI框架。PathRosetta并未将切片视为一组独立的区域，而是将单个细胞置于其局部空间邻域中进行表征，并将这种细胞背景与组织水平的结构相结合，以预测五年复发情况。在430名患者（876张切片）中，PathRosetta在内部队列中达到了0.78 ± 0.04的AUC，优于IASLC分级（0.71）、AJCC分期（0.64）以及竞争性AI模型（0.62–0.72），并成功推广至外部TCGA（0.75）、CPTAC（0.76）和WFBCCC（0.75）队列。其风险比为9.54，一致性指数为0.70，在调整其他变量后仍保持独立预后价值（校正后HR: 4.05，p < 0.001）。尤为引人注目的是，在临床同质的AJCC I期患者中，PathRosetta识别出了一个预后明显较差的高风险亚组（五年无复发生存率46.7% vs. 84.7%；p < 0.001）。探索性分析进一步表明，单个细胞类型内部存在形态-空间亚群，为未来的分子验证提供了方向。通过表征TME的空间细胞生态学，PathRosetta提供了可解释、可推广的复发预测，与现有临床系统相辅相成。