Những Điểm Nổi Bật
- Nghiên cứu quy mô lớn, đa trung tâm đầu tiên sử dụng trí tuệ nhân tạo (Hover-NeXt) để định lượng TILs trên các bản đồ H&E thông thường trong melanoma tiên tiến.
- Mật độ TILs được phát hiện bằng trí tuệ nhân tạo liên quan mạnh mẽ với tỷ lệ đáp ứng khách quan, thời gian sống không tiến triển và thời gian sống tổng thể ở bệnh nhân nhận liệu pháp dựa trên chống PD-1.
- Điểm số trí tuệ nhân tạo cho thấy độ chính xác dự đoán cao hơn so với việc đánh giá TILs thủ công, đề xuất tính tái lặp và giá trị lâm sàng tốt hơn.
- Kết quả hỗ trợ việc triển khai lâm sàng việc định lượng TILs hỗ trợ bởi trí tuệ nhân tạo như một biomarker dễ tiếp cận, hiệu quả về chi phí cho đáp ứng ICI, với nguồn tài nguyên mô hình công cộng để thúc đẩy xác thực.
Nền Tảng
Melanoma vẫn là một thách thức lâm sàng đáng kể do tính chất hung hãn và xu hướng di căn của nó. Các chất ức chế điểm kiểm tra miễn dịch (ICIs), cụ thể là chống PD-1 và kết hợp chống PD-1 cộng với chống CTLA-4, đã biến đổi quản lý melanoma tiên tiến, nhưng các biomarker dự đoán tin cậy, có thể tiếp cận rộng rãi còn thiếu. Tế bào bạch huyết xâm nhập trong khối u (TILs) phản ánh phản ứng miễn dịch của chủ trong môi trường vi khối u và đã được chứng minh là liên quan đến hiệu quả của ICIs. Tuy nhiên, việc đánh giá TILs thủ công truyền thống tốn thời gian, chủ quan và dễ bị biến thiên giữa các nhà quan sát, hạn chế việc sử dụng lâm sàng thường xuyên. Sự ra đời của trí tuệ nhân tạo (AI) cung cấp các công cụ mạnh mẽ cho phân tích mô bệnh học chuẩn hóa, cho phép định lượng TILs khách quan và có thể tái lặp từ các bản đồ H&E nhuộm sẵn.
Nội Dung Chính
Sự Phát Triển và Xác Thực theo Thời Gian của Định Lượng TILs Dựa trên Trí Tuệ Nhân Tạo
Nghiên cứu mang tính đột phá của Schuiveling et al. (JAMA Oncol. 2025) đã tiến hành một cuộc điều tra nhóm đa trung tâm bao gồm 1202 bệnh nhân mắc melanoma da tiên tiến tại 11 trung tâm Hà Lan. Bệnh nhân được điều trị bằng liệu pháp chống PD-1 đầu tiên, hoặc đơn lẻ hoặc kết hợp với chống CTLA-4. Sử dụng mạng nơ-ron tích chập Hover-NeXt—được huấn luyện trên một tập dữ liệu độc lập với hơn 161.000 chú thích tế bào được xác nhận bởi bác sĩ giải phẫu—tỷ lệ phần trăm TILs trong các vùng khối u được chú thích thủ công trên các bản đồ H&E trước điều trị đã được định lượng.
Mật độ TILs trung bình là 9,9%, dao động từ 0,3% đến 69,4%. Phân tích thống kê điều chỉnh cho các biến số lâm sàng gây nhiễu (tuổi, giới tính, giai đoạn, phác đồ ICI, trạng thái BRAF, sự hiện diện của di căn não, mức độ lactate dehydrogenase và tình trạng hoạt động) đã chứng minh rằng mỗi 10% tăng mật độ TILs được phát hiện bằng trí tuệ nhân tạo liên quan đến tỷ lệ đáp ứng khách quan tăng đáng kể (ORR, tỷ lệ cược điều chỉnh 1,40; khoảng tin cậy 95%, 1,23-1,59), thời gian sống không tiến triển kéo dài (PFS, tỷ lệ nguy cơ điều chỉnh 0,85; khoảng tin cậy 95%, 0,79-0,92), và cải thiện thời gian sống tổng thể (OS, tỷ lệ nguy cơ điều chỉnh 0,83; khoảng tin cậy 95%, 0,76-0,91). Điều quan trọng là, những mối liên hệ này nhất quán trong cả nhóm đơn liệu pháp và kết hợp ICI.
So Sánh với Đánh Giá Thủ Công TILs và Các Phương Thức Biomarker Khác
Việc đếm TILs thủ công theo hướng dẫn của Nhóm Làm Việc Biomarker Immuno-Oncology cũng được thực hiện trong nhóm này. Định lượng TILs dựa trên trí tuệ nhân tạo cho thấy mối tương quan mạnh mẽ hơn với kết quả lâm sàng so với đánh giá thủ công, minh họa sự nhạy cảm và khách quan cải thiện. Những kết quả này phù hợp với các nghiên cứu nhỏ hơn trước đây nhấn mạnh mật độ tế bào T CD8+ xâm nhập vào khối u là dự đoán cho hiệu quả của liệu pháp chống PD-1 trong melanoma và ung thư phổi không phải tế bào nhỏ (NSCLC), mở rộng ở đây bằng một thuật toán tiên tiến có khả năng đánh giá toàn diện, có thể tái lặp trên các bản đồ H&E thông thường.
Ngoài ra, các nghiên cứu bổ sung đã xác lập vai trò của tỷ lệ TILs CD8+/CD4+ và mật độ tế bào bạch huyết cụ thể trong việc dự đoán đáp ứng ICI, nhấn mạnh cơ sở miễn dịch cho TILs là biomarker. Các hướng khám phá khác, bao gồm điều chỉnh vi khuẩn đường ruột và chuyển giao TILs tự thân, tiếp tục xác nhận tầm quan trọng trung tâm của sự xâm nhập miễn dịch trong việc điều chỉnh phản ứng chống khối u.
Nghĩa Vụ Lâm Sàng và Tích Hợp vào Thực Hành
Nghiên cứu ủng hộ việc áp dụng định lượng TILs hỗ trợ bởi trí tuệ nhân tạo như một biomarker tiện lợi trong đánh giá tiền liệu pháp của di căn melanoma. Với khả năng tiếp cận phổ biến của mô tổ chức khối u nhuộm H&E và tính khả dụng ngày càng tăng của nền tảng bệnh lý tính toán, phương pháp này cung cấp giải pháp có thể mở rộng, hiệu quả về chi phí so với các xét nghiệm phân tử hoặc bảng xét nghiệm miễn dịch phức tạp. Giá trị dự đoán của nó cho sự sống sót và đáp ứng hỗ trợ việc sử dụng trong phân loại điều trị, có thể hướng dẫn lựa chọn hoặc cường độ ICI.
Hơn nữa, việc chia sẻ công khai kiến trúc và trọng số mô hình của Hover-NeXt thúc đẩy xác thực và triển khai rộng rãi, giúp cá nhân hóa chiến lược điều trị miễn dịch qua các cơ sở.
Bình Luận Chuyên Gia
Sự tích hợp các phương thức trí tuệ nhân tạo vào chẩn đoán bệnh lý đại diện cho một hướng đi mới trong y học chính xác ung thư. Nghiên cứu toàn diện này minh họa cách trí tuệ nhân tạo có thể tăng cường, và có thể vượt qua, các phương pháp truyền thống trong việc phát hiện biomarker. Đặc biệt, việc điều chỉnh mạnh mẽ cho nhiều yếu tố dự báo gây nhiễu tăng cường tính hợp lệ của TILs được phát hiện bằng trí tuệ nhân tạo như một biomarker độc lập.
Tuy nhiên, hạn chế bao gồm thiết kế nhóm hồi cứu, thiên lệch lựa chọn tiềm ẩn và phụ thuộc vào mô hình tổ chức lưu trữ sẵn có. Cần có các nghiên cứu triển vọng để xác nhận giá trị lâm sàng trong quy trình ra quyết định, bao gồm sức mạnh dự đoán trên các loại melanoma đa dạng và không phải melanoma da.
Về mặt sinh học, mật độ TILs cao có thể chỉ ra phản ứng chống khối u sẵn có đang chờ kích hoạt khi chặn PD-1. Hiệu suất vượt trội của trí tuệ nhân tạo có thể xuất phát từ khả năng phân loại tế bào quy mô lớn và đánh giá không gian nhất quán, giải thích cho môi trường vi khối u đa dạng.
Những kết quả này phù hợp với các nghiên cứu bổ sung về các phương thức kết hợp, như điều trị miễn dịch TILs tự thân và điều chỉnh vi khuẩn, vẽ nên bức tranh tổng hợp về vai trò của sự tham gia miễn dịch trong hiệu quả điều trị.
Kết Luận
Tế bào bạch huyết xâm nhập trong khối u được phát hiện bằng trí tuệ nhân tạo trên các bản đồ hematoxylin-eosin thông thường đóng vai trò là biomarker mạnh mẽ, dễ tiếp cận dự đoán phản ứng và sống sót ở bệnh nhân melanoma tiên tiến được điều trị bằng liệu pháp miễn dịch dựa trên chống PD-1. Độ chính xác phương pháp luận và quy mô của nghiên cứu được báo cáo cung cấp bằng chứng thuyết phục cho việc áp dụng lâm sàng, báo hiệu một kỷ nguyên mới của bệnh lý tích hợp trí tuệ nhân tạo nhằm tăng cường kế hoạch điều trị cá nhân hóa. Hướng nghiên cứu trong tương lai bao gồm xác thực triển vọng trên các quần thể bệnh nhân rộng lớn hơn, tích hợp với phân loại đa omics và không gian, và khám phá các biomarker trí tuệ nhân tạo trong các bối cảnh khối u khác để tối ưu hóa kết quả điều trị miễn dịch.
Tài Liệu Tham Khảo
- 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.