基于AI的病理学如何预测肝细胞癌患者对免疫治疗的敏感性

使用抗PD-L1药物阿替利珠单抗和抗血管生成药物贝伐珠单抗的联合治疗是HCC患者的一种标准护理方法。然而，这种联合治疗只对少数患者产生积极反应，因此需要寻找生物标志物以改进临床治疗策略。

近期的一项研究发现了一种名为阿替利珠单抗+贝伐珠单抗反应标志（ABRS）的基因签名（gene signature），该标志与接受阿替利珠单抗+贝伐珠单抗治疗后的无进展生存有关。

此外利用人工智能（AI）可以分析组织学切片以预测多种分子变化。因此，将组织学分析与AI相结合的方法，可以确定肝细胞癌患者系统治疗的生物标志物。近期发表在《Lancet》上的一篇研究开发来一种AI算法，以预测ABRS表达作为替代生物标志物。

研究设计 

研究设计和参与者：研究采用了多个不同的患者队列，每个患者提供了一份组织学样本。首先，使用The Cancer Genome Atlas Liver Hepatocellular Carcinoma (TCGA-LIHC)数据集来训练模型。该数据集包括来自美国20多个不同医疗中心的成年患者，年龄≥18岁，患有原发性肝细胞癌，并接受了手术切除治疗。其后有两个外部验证系列，一个是通过手术切除获取的样本，另一个是通过肝活检获取的样本。还有一个系列的患者接受了阿替利珠单抗和贝伐珠单抗治疗。

RNA测序和空间转录组学：研究中使用了RNA测序技术来分析基因表达。对于前两个验证系列的批量RNA测序，肿瘤区域的样本进行了宏观切割，并提取了RNA。对于空间转录组学，肿瘤切片放置在Visium Spatial Gene ex[x]pression幻灯片中，并进行了测序。

图像预处理和深度学习网络：研究使用了深度学习网络来分析组织学图像。图像的组织区域通过多重实例学习（CLAM）进行检测。每个图像被分割成小块，然后通过深度学习网络进行分析。这个网络使用了无监督对比学习变换器（CTransPath）来编码每个小块，并生成用于预测的数值连续值。

网络训练、性能评估和模型解释性：模型的训练是通过小化预测值和真实ABRS分数之间的均方误差损失来完成的。性能评估使用了十次蒙特卡洛交叉验证策略。对于患者的分类，使用了多数投票法。

结果 

模型训练和性能：首先，使用TCGA-LIHC公共数据集中的患者进行了模型的训练。这个开发系列包括336名患者，其中68%为男性，32%为女性，中位诊断年龄为61岁。大多数肝细胞癌患者的主要风险因素是酒精消费。通过十次蒙特卡洛交叉验证，佳模型的皮尔逊系数（r）达到0.71，整个开发系列的平均皮尔逊系数为0.62。

外部验证：模型的性能在两个独立的外部验证系列中进行了验证，其中一个是使用手术切除样本的；另一个是使用肝活检样本的。这两个系列中的数据在染色协议、组织取样、基因表达分析技术和幻灯片编码格式等方面与开发系列有所不同。在这两个验证系列中，ABRS-P模型仍然显示出与ABRS分数相关。

生存分析：对于接受阿替利珠单抗+贝伐珠单抗治疗的患者，使用ABRS-P模型的预测结果，研究了ABRS-P值与进展生存之间的关联。在这个系列中，ABRS-P高值的患者显示出更长的中位进展生存时间。

基因表达特征：为了了解与ABRS-P值相关的基因表达特征，进行了空间转录组学分析。在四个肝细胞癌样本中，比较了ABRS-P高值区域与ABRS-P低值区域的基因表达差异。结果显示：ABRS-P高值区域中存在与免疫相关的基因表达上调。

综合而言，研究表明ABRS-P模型能够准确预测ABRS值，这在多个独立的验证系列中得到了验证。此外，ABRS-P值还与患者的进展生存相关，这表明这个模型可能作为一个有用的生物标志物，帮助指导肝细胞癌患者的治疗决策。同时，通过空间转录组学分析，研究还揭示了与ABRS-P值相关的免疫特征。

 研究的意义 

AI作为ABRS激活的生物标志物：研究结果表明，通过应用AI技术对数字化的肝细胞癌组织学幻灯片进行分析，可以估算ABRS的激活状态，从而作为阿替利珠单抗+贝伐珠单抗治疗患者进展生存的生物标志物。这对于肝细胞癌这种在病因和分子改变方面高度异质的疾病非常重要。

外部验证和模型的稳健性：研究强调了模型的广泛外部验证，包括来自不同中心、使用不同染色协议、编码格式和表达分析技术的验证系列，以确保模型的稳健性。这种广泛的验证有助于减小潜在的技术偏差。

AI模型的不透明性：AI模型通常被批评缺乏透明性，因为它们难以解释其内部工作机制。为了解决这个问题，研究者开发了一个结合了AI热图和空间转录组学的流程，以部分解释模型的预测结果。尽管这并不能完全解释模型，但有助于识别影响预测的分子特征。

关于进展生存和总生存：虽然研究结果显示ABRS-P值与进展生存相关，但与总生存无关。这可能与后期进展治疗对总生存的影响、免疫检查点抑制剂治疗引起的肿瘤尺寸暂时性增加（伪进展）等因素有关。未来的研究需要考察更长时间的总生存数据。