分层结直肠癌患者预后的改进

根据发表的结果，将肿瘤芽，淋巴细胞浸润和其空间关系整合的方法可以更好地分层疾病特异性死亡的高风险，与传统的临床分期方法相比。癌症免疫学研究这是美国癌症研究协会的杂志。

“我们发现，我们的组合方法优于目前在定义2阶段结直肠癌中的预后分期系统患者预后，“博士，博士，苏格兰北赫赫北安圣安德鲁斯大学博士学员博士学员说。”在较大研究进一步验证后，该指数可以转化为阶段2结直肠癌的常规临床分类以及其他固体瘤类型，从而提供更精确的预后，最终目标改善病人护理。“

大约20%耐心通过第2阶段CRC体验复发和疾病特异性死亡，并注意到艺术。“因此，准确识别至关重要高危患者他们可能从辅助治疗中获益，”她解释道。

TNM分期，考虑肿瘤大小，区域淋巴结的累及和远处转移的临床分期方法目前用于CRC预后和指导治疗策略;虽然这种方法是准确的人口水平Nearchou说，对于个体而言，这种情况就不那么明显了，因为肿瘤组织学分期相同的患者可能有不同的预后结果。另一种方法称为免疫评分，定量肿瘤核心及其浸润边缘肿瘤浸润性T细胞的密度。她补充说，与TNM分期相比，该评分已被证明更准确地预测CRC患者的生存和复发风险。

Nearchou解释说，肿瘤出芽(存在小的、孤立的癌细胞簇)可能代表肿瘤侵袭和转移的潜力，与临床预后差有关。虽然淋巴细胞浸润和肿瘤出芽都是与CRC患者预后相关的预后特征，但这些特征往往是独立报道的。她说:“我们想确定，除了浸润淋巴细胞和肿瘤芽之间的空间相互作用外，同时分析这两个特征是否可以进一步对CRC患者进行分层，并提供额外的预后意义。”

Nearchou在首席研究员Peter Caie博士的监督下，利用了来自培训的数据队列在2002年至2003年间，114例接受了爱丁堡的2阶段CRC阶段CRC患者。研究人员分析了癌症组织和相关的临床资料，如TNM分期和后续信息，以发展其预后签名。他们在两个独立的队列中验证了它们的方法（分别在群组中的队列1和62名来自群组的爱丁堡的56名患者中，分别在队列2中）。

研究人员将临床病理和图像分析数据纳入机器学习模型，以开发肿瘤芽免疫空间指数(TBISI)。最终的模型综合淋巴细胞浸润程度、肿瘤芽数及其相互间的空间关系，将患者划分为疾病特异性死亡的低、高危类别。Nearchou指出，机器学习工作流程没有为最终模型选择任何临床病理特征。

为了将TBISI与标准方法的预后意义进行比较，培训队列的患者使用TNM分期（肿瘤第3或4）和研究的免疫核核（高低分数，较高得分与较高的生存概率）。与TNM分期和免疫审查相比，TBISI的利用率超过四次，分层患者分层为高风险群体，其两倍多。

接下来，研究人员验证了TBISI在两个验证队列中的预后意义。与COHORT 1和COHORT 2的TNM分期相比，TBISI的利用率超过两倍以上，分层患者分层为高，低风险群体。与COHORT 1和COHORT 2中的免疫综合相比，TBISI的利用率幅度超过两倍以上，分层患者分层为高，低风险群体。

“在我们的第二次验证队列中，TNM分期在第二次验证队列中没有预测意义，反映了第2阶段的异质性质结肠直肠癌并强调了将更精确的预后评分系统应用于临床的必要性，”Nearchou指出。

这项研究的一个局限性是样本量小，因此需要在更大的队列中验证结果，Nearchou说。

---

---