近日，南京信息工程大学-中大医院智慧医疗研究院徐军教授团队成员、我校“龙山学者”王向学博士及其合作者在Science子刊《Science Advances》发表了最新研究成果，题为“Spatial interplay patterns of cancer nuclei and tumor-infiltrating lymphocytes (TILs) predict clinical benefit for immune checkpoint inhibitors”。该论文运用计算病理方法，通过揭示数字化病理切片中肿瘤细胞和肿瘤浸润淋巴细胞空间互作关系模式，评估患者对免疫治疗的响应，从而为实现精准肿瘤免疫治疗提供了新方法。

 

免疫检查点抑制剂（后称“免疫治疗”）于2011年首次被FDA批准用于晚期癌症患者治疗，免疫治疗的临床应用显著提高了部分晚期癌症患者的生存质量。然而，免疫治疗作为一线治疗的临床患者获益率不到30%。因此，如何在治疗前预测与量化患者的获益可能性从而精准制定治疗计划可以提高患者临床效果，同时减轻医疗成本（治疗月费用可高达10万元人民币），是学界关注的重点问题。

 

本项研究工作以数字化病理临床切片为研究对象，使用深度学习方法对病理切片上关键区域和细胞类型进行识别与检测，并通过图的方法构建细胞相连网络进而分析不同细胞网络间的相互作用关系。利用该全自动分析方法，本研究结果揭示了肿瘤细胞与淋巴浸润细胞空间关系可以用于预测免疫治疗临床响应以及患者治疗后生存时间。该发现在多中心（纽约大学、耶鲁大学、宾夕法尼亚大学、全球知名医院克利夫兰诊所）临床数据上获得验证。

 

此外，相比于基于分子或化学的诊断方法，本研究提出的免疫检查点抑制剂具有低成本、可重复等优点，对肿瘤微环境中重要形态信息有更好的刻画与描述。该成果对于临床的贡献在于通过完全基于常规H&E染色切片的计算病理分析，能够在治疗前量化患者接受免疫治疗的受益概率，从而给医生对患者进行个体化治疗提供数据支持。