抗PD-1療法における高度メラノーマの人工知能検出腫瘍浸潤リンパ球：臨床的証拠と翻訳的展望

ハイライト

• 初めて大規模な多施設コホート研究で、AI（Hover-NeXt）を用いて高度メラノーマのルーチンHE染色切片でのTILを定量。
• AI検出TIL密度は、抗PD-1療法を受けている患者の客観的奏効率、無増悪生存期間、全生存期間と強力に相関。
• AIスコアリングは手動TIL評価よりも高い予測精度を示し、優れた再現性と臨床的有用性を示唆。
• 結果は、公開されているモデルリソースを通じて検証を促進する、アクセス可能で費用対効果の高いICI反応バイオマーカーとしてAI支援TIL定量の臨床導入を支持。

背景

メラノーマはその侵襲性と転移の傾向により、依然として重要な臨床的課題です。特に抗PD-1および抗PD-1と抗CTLA-4の組み合わせ療法などの免疫チェックポイント阻害剤（ICI）は、高度メラノーマの管理を変革しましたが、信頼性のある普遍的な予測バイオマーカーが不足しています。腫瘍浸潤リンパ球（TIL）は、腫瘍微小環境内の宿主免疫応答を反映し、ICIの有効性との関連が示されています。しかし、伝統的な手動TILスコアリングは時間のかかる主観的なものであり、観察者間の一貫性に欠けるため、日常的な臨床使用が制限されています。人工知能（AI）の登場は、標準化された組織病理学的解析のための強力なツールを提供し、ヘマトキシリン・エオシン（HE）染色切片からのTILの客観的かつ再現性のある定量を可能にしました。

主要な内容

AIベースのTIL定量の時系列的な開発と検証

Schuivelingら（JAMA Oncol. 2025）による画期的な研究では、11のオランダの施設にわたる1202人の進行性皮膚メラノーマ患者を対象とした多施設コホート調査が行われました。患者は、単剤または抗CTLA-4との組み合わせで、一線抗PD-1療法を受けました。独立したセット（161,000以上の病理医確認細胞アノテーション）で訓練されたHover-NeXt畳み込みニューラルネットワークを用いて、治療前のHE染色切片の手動アノテーションされた腫瘍領域内のTILの割合が定量されました。

中央値のTIL密度は9.9％で、0.3％から69.4％の範囲でした。年齢、性別、ステージ、ICIレジメン、BRAF状態、脳転移の有無、乳酸脱水素レベル、パフォーマンスステータスなどの混在因子を調整した統計解析の結果、AI検出TILの10％増加につき、有意に高い客観的奏効率（ORR、調整オッズ比1.40；95％CI、1.23-1.59）、延長された無増悪生存期間（PFS、調整ハザード比0.85；95％CI、0.79-0.92）、改善された全生存期間（OS、調整ハザード比0.83；95％CI、0.76-0.91）が示されました。これらの関連は、単剤および組み合わせICIコホートの両方で一貫していました。

手動TILスコアリングおよび他のバイオマーカーモダリティとの比較

このコホートでは、Immuno-Oncology Biomarkers Working Groupガイドラインに従って手動TILカウントも行われました。AIベースのTIL定量は、手動評価よりも臨床的アウトカムとの相関が強く、感度と客観性の向上を示しました。これらの結果は、メラノーマと非小細胞肺がん（NSCLC）における抗PD-1療法効果を予測する腫瘍浸潤CD8+ T細胞密度に関する以前の小さな研究の結果と一致し、標準HE切片での包括的かつ再現性のある評価を可能にする高度なアルゴリズムによって拡張されました。

さらに、補完的な研究では、ICI反応を予測する上でCD8+/CD4+ TIL比率や特定のリンパ球密度の役割が確立され、TILがバイオマーカーとしての免疫学的基礎を強調しています。腸内微生物叢の調整やTILの適応的転送など、他の探索的研究は、抗腫瘍反応を調整する上で免疫浸潤の中心的な役割をさらに検証しています。

臨床的意義と実践への統合

本研究は、メラノーマ転移の治療前評価におけるAI支援TIL定量の利便性を推奨しています。HE染色腫瘍組織の普遍的な可用性と計算病理学プラットフォームの普及により、分子アッセイや複雑な免疫組織化学パネルと比較して、この手法はスケーラブルでコスト効果の高い解決策を提供します。生存と反応の予測値は、治療戦略の選択や強化をガイドするための使用を支持しており、ICI選択や強化に役立つ可能性があります。

さらに、Hover-NeXtアーキテクチャとモデルウェイトの公開は、検証と広範な実装を促進し、機関間での個別化免疫療法戦略を可能にします。

専門家コメント

病理診断におけるAIモダリティの統合は、がんの精密医療の最前線を代表しています。この包括的な研究は、AIが従来の手動方法を補完し、潜在的に上回るバイオマーカー検出においてどのように機能するかを示しています。特に、複数の予後混在因子に対する堅牢な調整は、AI検出TILが独立したバイオマーカーであることを強化します。

ただし、限界には、回顧的コホート設計、潜在的な選択バイアス、利用可能なアーカイブ組織への依存があります。臨床的有用性を確認するための前向き研究が必要であり、意思決定ワークフローにおける予測力の確認、異なるメラノーマサブタイプや非皮膚メラノーマにおける予測力の確認が含まれます。

生物学的には、TIL密度の上昇は、PD-1遮断により再活性化される可能性のある既存の抗腫瘍免疫を示している可能性があります。AIの優れた性能は、一貫した大規模な細胞分類と空間的評価の能力から生じており、異質な腫瘍微小環境を考慮に入れています。

これらの結果は、TILの採用免疫療法や微生物叢の調整などの補完的研究と一致し、免疫エンゲージメントが治療効果に果たす役割を描く統合的な像を描いています。

結論

ルーチンヘマトキシリン・エオシン切片上のAI検出TILは、抗PD-1療法を受けている高度メラノーマ患者の反応と生存を予測する強力でアクセス可能なバイオマーカーとして機能します。報告された研究の方法論的厳密さと規模は、臨床導入のための説得力のある証拠を提供し、個別化治療計画を強化するAI統合病理学の新しい時代を告げています。今後の方向性には、より広範な患者集団での前向き検証、多オミクスや空間プロファイリングとの統合、他の腫瘍コンテキストでのAIバイオマーカーの探索が含まれ、免疫療法の成果を最適化します。

参考文献

• Schuiveling M, et al. Artificial Intelligence-Detected Tumor-Infiltrating Lymphocytes and Outcomes in Anti-PD-1-Based Treated Melanoma. JAMA Oncol. 2025 Oct 16:e254072. doi: 10.1001/jamaoncol.2025.4072. PMID: 41100131; PMCID: PMC12532025.
• van den Berg J, et al. The role of tumor-infiltrating lymphocytes as a predictive biomarker of response to anti-PD1 therapy in metastatic melanoma and NSCLC. Med Oncol. 2018 Jan;35(3):25. doi:10.1007/s12032-018-1080-0. PMID: 29388007.
• Riaz N, et al. Tumor and Microenvironment Evolution during Immunotherapy with Nivolumab. Cell. 2017;171(4):934-949.e16. doi:10.1016/j.cell.2017.09.028. PMID: 29056344.
• Davoli T, et al. Tumor aneuploidy correlates with markers of immune evasion and with reduced response to immunotherapy. Science. 2017;355(6322). doi:10.1126/science.aaf8399.