Journal for Immunotherapy of Cancer
人工智能引导的肿瘤微环境分析预测罕见肿瘤患者对帕博利珠单抗的治疗反应

小赛推荐：

该研究通过人工智能动态评估肿瘤微环境，为罕见肿瘤免疫治疗疗效预测提供了可量化的组织学药效学指标，提示早期治疗中iTIL和TC变化可作为关键决策节点，指导后续实验设计与临床监测策略。

 

文献概述

本文《Artificial intelligence-guided analysis of the tumor microenvironment predicts response to pembrolizumab in rare tumors》，发表于《Journal for Immunotherapy of Cancer》杂志，系统探讨了基于H&E染色切片的AI模型在罕见肿瘤患者中对帕博利珠单抗治疗反应的预测价值。研究整合了基线与早期治疗中的活检样本，利用深度学习技术量化肿瘤内肿瘤浸润淋巴细胞（iTIL）和肿瘤含量（TC），并关联其动态变化与生存结局。结果表明，治疗过程中iTIL的增加与TC的减少显著改善PFS和OS，尤其在高iTIL肿瘤类型中更具预测价值。该工作强调了常规病理切片结合AI分析在缺乏有效生物标志物的罕见肿瘤中实现个体化免疫治疗决策的潜力。

背景知识

罕见肿瘤由于发病率低、异质性强，长期面临免疫检查点抑制剂（ICI）疗效预测标志物匮乏的困境。尽管PD-L1表达、肿瘤突变负荷（TMB）等已被用于常见肿瘤的疗效预测，但在罕见肿瘤中敏感性与特异性均不足。此外，肿瘤微环境（TME）的时空异质性进一步限制了单次活检的代表性。目前对iTIL的评估多依赖人工判读，缺乏标准化与可重复性，难以实现动态监测。本研究的切入点在于利用AI实现H&E切片中iTIL和TC的全自动、高通量量化，突破传统病理分析的主观性瓶颈，探索治疗早期TME动态变化是否可作为药效学生物标志物。研究特别关注CD8+ T细胞、FoxP3+ Treg细胞的空间分布与功能状态，揭示免疫激活与抑制微环境的平衡对治疗响应的影响，为后续基于空间转录组或多重免疫荧光的验证研究提供了方向。

 

针对罕见肿瘤研究，赛业生物提供HUGO-GT®全基因组人源化小鼠模型，涵盖阿尔茨海默病、脊髓性肌萎缩症、雷特综合征等疾病，支持原位基因替换，保留完整基因组序列，适用于精准模拟人类疾病表型的药物临床前研究。该模型可作为万能模板进行针对性突变定制，加速基因治疗与小核酸药物开发。

了解更多

 

研究方法与核心实验

研究纳入84例接受帕博利珠单抗治疗的罕见肿瘤患者，共分析256例基线与248例治疗中（第1周期第15–21天）的穿刺活检样本。所有H&E切片通过AI平台Lunit SCOPE IO进行全切片分析，自动识别肿瘤区域与淋巴细胞，计算iTIL密度（cells/mm²）和TC（肿瘤区域占总组织比例）。为控制取样误差，每例患者多根穿刺核心的数值取平均。此外，27对配对样本进行8-plex 多重免疫荧光（mIF）染色，检测CD8、CD3、FoxP3、PD-1、Ki-67等标志物，用于验证AI结果并分析免疫细胞空间关系。统计模型采用Kaplan-Meier法与Cox回归分析PFS和OS，重点关注iTIL与TC的绝对及相对变化。

关键结论与观点

• 在高iTIL肿瘤组中，基线iTIL≥60 cells/mm²与更长PFS相关（HR 0.49, p=0.046），提示iTIL可作为预后标志物，尤其在免疫浸润较高肿瘤中具有临床价值。
• 治疗中iTIL增加≥1单位（即翻倍）与OS显著改善相关（HR 0.55, p=0.037），表明iTIL动态变化是免疫激活的药效学指标，可用于早期评估免疫治疗响应。
• 治疗中TC下降≥30%与PFS和OS延长显著相关（PFS: HR 0.51, p=0.019；OS: HR 0.54, p=0.042），说明肿瘤负荷减少是治疗有效的直接组织学证据，可作为病理缓解替代终点。
• 联合iTIL增加与TC下降的患者，PFS（HR 0.36, p=0.009）和OS（HR 0.36, p=0.029）均显著延长，表明iTIL与TC的协同变化是更强的预后因子，支持多参数整合模型在免疫治疗监测中的应用。
• mIF验证显示，iTIL增加患者中CD8+ T细胞与肿瘤细胞距离显著缩短，且CD8+PD-1+密度升高，提示T细胞浸润增强与功能激活，为AI预测结果提供空间生物学支持。

研究意义与展望

该研究为罕见肿瘤的免疫治疗提供了可操作的药效学生物标志物框架。传统影像学在评估免疫治疗响应时存在假性进展等问题，而基于AI的TME动态分析可在治疗早期提供组织层面的客观证据，有助于实现“go/no-go”决策。未来可将该方法整合至临床路径，指导治疗周期调整或联合策略选择。此外，该AI模型可扩展至其他ICI药物或联合疗法，推动个体化免疫治疗策略的发展。

从科研转化角度看，该工作凸显了利用常规H&E切片进行深度挖掘的价值，避免了额外分子检测成本。后续研究可结合单细胞RNA-seq或空间转录组技术，解析iTIL中不同T细胞亚群的克隆扩增与表型转换机制。同时，建立前瞻性多中心队列验证该AI模型的泛化能力，将加速其向临床工具转化。

 

为支持肿瘤免疫治疗研究，赛业生物提供免疫系统人源化小鼠模型，包括huHSC-C-NKG-ProF等品系，可重建T、B、NK细胞及髓系免疫细胞，适用于免疫检查点抑制剂、CAR-T/NK细胞疗法等研究。该模型支持全免疫系统重建，是评估人类免疫应答与肿瘤微环境互作的理想平台。

了解更多

 

结语

本研究通过人工智能驱动的病理图像分析，揭示了罕见肿瘤患者在接受帕博利珠单抗治疗过程中，肿瘤微环境的动态变化——特别是iTIL的增加与TC的减少——是预测生存结局的关键指标。这一发现不仅为缺乏有效生物标志物的罕见肿瘤提供了新的评估工具，也强调了早期治疗中组织学药效学监测的临床价值。从实验室到临床，该AI模型有望成为个体化免疫治疗决策的支持系统，帮助识别真正受益人群，避免无效治疗与相关毒性。未来，结合空间多组学技术进一步解析免疫细胞与肿瘤细胞的互作网络，将推动更精准的免疫治疗响应预测模型发展，最终优化罕见肿瘤患者的照护体系，提升治疗效率与生存质量。

 

Mohamed H Derbala, Bettzy Stephen, Woochan Hwang, Siraj Ali, and Aung Naing. Artificial intelligence-guided analysis of the tumor microenvironment predicts response to pembrolizumab in rare tumors. Journal for Immunotherapy of Cancer.