原創 奇點糕 奇點網 來自專輯人工智慧的世界
AI登上頂級期刊，現在都不算啥新鮮事了，現在要關注的，是大佬們又玩出了什麼花才對。從癌症確診到篩查，接下來評價預後，預測風險也得安排一下，對吧？
近期在《自然·醫學》上，發表了一項英國TRACERx肺癌研究計劃的成果：科學家們利用人工智慧手段，繪製了肺腺癌中免疫細胞的空間位置圖譜，可以根據免疫細胞浸潤出的「冷區」和「熱區」，預測患者的癌症復發風險！
這個最新的AI閱片，把100例患者的多區域外顯子組和RNA測序（RNA-seq）數據，與免疫細胞分布的空間組織學信息進行了整合，成功經受了970例肺腺癌患者的隊列驗證。將來這套工具有望用於臨床指導復發高風險患者的診療[1]。
AI繼續刷存在感
（圖片來源：FreeRange）
利用基因突變、分子標記物之類的指標預測癌症復發風險，這種研究奇點糕見過很多，但腫瘤不同部位的異質性，讓這種預測總是少了些「立體感」和「空間感」。
舉個例子，在免疫細胞浸潤比較多的部位，能夠實現免疫逃逸，存活下來的癌細胞特徵，和那些免疫細胞浸潤不到的部位就有明顯的差異，這正是TRACERx研究計劃發現，並且在去年登上《自然》的成果[2]。
而這次研究構建的深度學習模型，比之前的分析更進一步，同時調用了85名患者275個腫瘤區域的切片，從而分析癌細胞、淋巴細胞、間質細胞（成纖維細胞+上皮細胞）和其它細胞（巨噬細胞、肺細胞等）的空間分布特點。
多點取樣，深度學習
AI區分免疫細胞和癌細胞的效果，得到了TRACERx研究中，多區域外顯子組和RNA測序數據，以及病理科醫生閱片等信息的認證，區分準確度達到90%以上。
那麼接下來，就可以讓AI根據腫瘤區域當中淋巴細胞的浸潤比例，來劃分免疫「熱區」和「冷區」了。從下面這張圖可以看出，淋巴細胞的浸潤在不同腫瘤區域差異是很明顯的，而且冷區的癌細胞進化出的亞克隆更加多樣化。
免疫冷區和免疫熱區的差別，就是淋巴細胞浸潤程度了
劃分區域，還是要為指導臨床服務。研究團隊首先用79例肺腺癌患者的數據進行初步分析，然後調取了TRACERx另外970例患者的預後情況，進行再次驗證。
驗證結果顯示，冷區多了真的不好，在970例患者的隊列中，AI識別出腫瘤內的「冷區」超過一個，就與癌症復發風險上升48%有關，而這種風險是與腫瘤大小、癌症分期和單個患者的取樣個數無關的。
對於冷區和患者復發風險高的關係，研究團隊也利用本次研究獲取的空間組織學信息，進行了一些初步探索。就拿間質細胞來說，在免疫冷區當中，癌-間質細胞界面的幾何不規則性和複雜性顯著增加，兩種細胞的接觸明顯增多。
接觸增多，就會讓間質細胞更容易阻止免疫細胞的浸潤，幫癌細胞活得更加舒坦。研究團隊進行的分析顯示，被擋在腫瘤外的淋巴細胞越多，癌細胞的新抗原水平就越高，新抗原多=療效好的定律，在這種時候就不適用了。
很多淋巴細胞都被擋在了腫瘤之外（藍點），真正能浸潤進去的（黑點）並不多
總體來說，這項研究為臨床區分復發高危的癌症患者提供了全新的手段，也為分析癌細胞的免疫逃逸提供了新視角，不過研究團隊也表示，這項技術還處於早期階段，臨床應用還需要時日。
編輯神叨叨
由奇點糕歷時3個月打造的音頻課程《小細胞肺癌8講》重磅上線啦～ 我們用8講的課程，幫您回顧了小細胞肺癌領域近30年來的重要探索和進展。只需80分鐘，即可縱覽小細胞肺癌領域的前沿學術進展。
長按識別下圖中的二維碼，即可購買這套超值的音頻課程。認證用戶，僅需9.9元！
此外，我們還準備了少量紙質版講義，購買課程後加主編微信即可免費申領，先到先得！
參考資料：
1.Abduljabbar K, Raza S E A, Rosenthal R, et al. Geospatial immune variability illuminates differential evolution of lung adenocarcinoma [J]. Nature Medicine, 2020.
2.Rosenthal R, Cadieux E L, Salgado R, et al. Neoantigen-directed immune escape in lung cancer evolution[J]. Nature, 2019, 567(7749): 479-485.
頭圖來源：Pixabay
本文作者 | 譚碩
原標題：《《自然》子刊：AI閱片再升級！科學家利用人工智慧分析肺癌中免疫細胞的空間圖譜，以免疫「冷區」成功預測癌症復發風險 | 科學大發現》
閱讀原文