Un nou cadru AI depășește biomarkerii convenționali în prezicerea supraviețuirii cancerului
Cancerul sistemului digestiv, inclusiv malignitățile hepatobiliare și gastrointestinale, rămâne o povară oncologică majoră la nivel global.
Deși inhibitorii punctelor de control imunitar au schimbat peisajul tratamentului pentru unii pacienți, eficacitatea lor generală rămâne limitată, cu doar 15% până la 30% dintre pacienți obținând beneficii clinice durabile. Un motiv major pentru această provocare este microambientul tumoral extrem de complex și heterogen, în care macrofagele asociate tumorii joacă un rol central în reglementarea răspunsurilor imune și a rezultatelor terapeutice.
Acești macrofagi sunt extrem de plastici și pot trece dintr-o stare pro-inflamatorie, similară M1, într-o stare imunologică supresivă, favorizantă pentru tumori, similară M2; acest echilibru M1/M2 influențează semnificativ modul în care pacienții răspund la imunoterapie. Totuși, deciziile clinice actuale se bazează în principal pe biomarkeri statici, cum ar fi PD-L1 și încărcătura de mutații tumorale, care nu pot captura în mod adecvat evoluția spațială, temporală și indusă de tratament a microambientului imunitar.
„Odată cu dezvoltarea secvențierii la nivel unicelular, imunohistochimiei multiplex și tehnologiilor omice spațiale, cercetătorii pot acum caracteriza ecosistemele imune tumorale într-un mod mult mai detaliat”, a declarat Lei Zhou, cercetător la Universitatea Centrală de Sud.
Cu toate acestea, traducerea acestor date multimodale, de înaltă dimensiune, în modele computaționale interpretabile și generalizabile care să ghideze optimizarea terapiei individualizate rămâne o provocare cheie pentru imunoterapia de precizie în cancer.
Aceast studiu a dezvoltat un cadru digital „gemeni imunologici” generativ profund numit GI-ImmunoWorld pentru a simula dinamica imunității macrofagelor asociate tumorii în tumorile hepatobiliare-intestinale și pentru a optimiza strategiile de imunoterapie individualizate. Cercetătorii au integrat date multimodale din 2.847 de pacienți din cinci tipuri de cancer digestiv, inclusiv carcinom hepatocelular, colangiocarcinom, cancer colorectal, cancer gastric și adenocarcinom ductal pancreatic.
Aceaste date au inclus aproximativ 1,2 milioane de transcriptome unicelulare, imunofenotipare spațială bazată pe imunohistochimie multiplex și înregistrări clinice longitudinale de tratament și rezultate. Modelul a folosit mai întâi un encoder variational ierarhic pentru a integra diferite surse de date: o rețea de atenție grafică a capturat interacțiunile unicelulare și stările de polarizare a macrofagelor, un modul de rețea neuronală convoluțională–Transformer a extras caracteristicile arhitecturii imune spațiale, iar un perceptron multicelular a codificat variabilele clinice. Atenția cross-modală a fost apoi utilizată pentru a genera o reprezentare latentă unificată a stării imune a fiecărui pacient.
Următorul pas a fost introducerea unui modul de dinamică temporală bazat pe Transformer pentru a simula cum evoluează microambientul imunitar în timp sub diferite intervenții terapeutice. În cele din urmă, folosind controlul predictiv al modelului și optimizarea entropiei încrucișate, cadrul a căutat printr-un spațiu de acțiune de tratament validat clinic pentru a identifica strategii terapeutice specifice pacienților care maximizează răspunsul prezis, potențialul de repolarizare a macrofagelor și beneficiul asupra supraviețuirii, în timp ce controlează riscurile potențiale de toxicitate.
Rezultatele au arătat că GI-ImmunoWorld a putut caracteriza eficient heterogenitatea stărilor imune ale macrofagelor în cancerele sistemului digestiv și a îmbunătățit predicția răspunsului la imunoterapie. Analizele imune unicelulare și spațiale au relevat diferențe clare în polarizarea M1/M2 între tipurile tumorale și regiunile spațiale.
Un raport M2/M1 mai ridicat a fost asociat cu rate mai scăzute de răspuns la tratament și o supraviețuire mai scurtă, în timp ce o interacțiune spațială mai puternică între celulele T CD8+ și macrofagi a fost legată de un răspuns terapeutic mai bun. Pentru predicția răspunsului la imunoterapie, GI-ImmunoWorld a obținut un AUROC de 0.847 în setul de testare, depășind modelele convenționale bazate pe biomarkeri clinici și mai multe baseline-uri de învățare profundă. În predicția supraviețuirii, a obținut, de asemenea, un indice de concordanță de 0.786, depășind modelele comparatoare. Analiza spațului latent a arătat, de asemenea, că mai multe dimensiuni învățate corespund axei de polarizare M1/M2 și infiltrării celulelor T CD8+, sugerând că reprezentările modelului erau interpretabile biologic.
Modulul de dinamică temporală a arătat, de asemenea, o bună performanță în predicția traiectoriilor în datele de biopsie longitudinale, cu traiectoriile de stare imunitară prezise fiind puternic corelate cu traiectoriile observate, și a ajutat la identificarea potențialelor feronțe de repolarizare a macrofagelor pentru terapie.
Într-o analiză exploratorie de tratament ghidată de model, printre pacienții ale căror recomandări de model diferă de planurile originale ale medicilor, cei care au primit regimuri ghidate de model au arătat rate de răspuns obiectiv mai mari și o medie a supraviețuirii fără progresie mai lungă, împreună cu un raport M1/M2 crescut, o infiltrare mai mare a celulelor T CD8+ și semnături imunologice supresive reduse. Cu toate acestea, autorii au subliniat că aceste constatări pot fi în continuare afectate de bias de selecție și necesită studii prospective randomizate pentru validare suplimentară.
Semnificația acestei lucrări constă în mutarea optimizării imunoterapiei pentru cancerele sistemului digestiv dincolo de judecata bazată pe biomarkeri statici, spre simularea computațională a evoluției dinamice a microambientului imunitar tumoral. Prin integrarea datelor transcriptomice unicelulare, imunofenotipării spațiale și traiectoriilor clinice, GI-ImmunoWorld construiește un model generativ profund centrat pe dinamica macrofagelor asociate tumorii.
Acesta poate prezice nu doar răspunsul la imunoterapie și riscul de supraviețuire, ci și simula schimbările stării imune sub diferite intervenții terapeutice și oferi referințe pentru selectarea momentului și regimului de tratament individualizat. În special, reprezentarea polarizării macrofagelor M1/M2, infiltrarea celulelor T CD8+ și stările imunologice supresive conferă ieșirilor sale un grad de interpretabilitate biologică, oferind o nouă perspectivă computațională asupra momentului tratamentului și modului de combinare a terapiilor.
Cu toate acestea, acest studiu rămâne într-o etapă timpurie de validare. Rezultatele tratamentului ghidat de model au fost derivate dintr-o analiză exploratorie nonrandomizată și pot fi în continuare afectate de bias de selecție și confounding necontrolat, astfel că nu pot fi interpretate ca dovezi clinice cauzale directe.
