Nổi bật
1. Bạch cầu lympho xâm nhập khối u (TILs) đóng vai trò là một dấu ấn sinh học quan trọng ảnh hưởng đến tiên lượng u hắc tố và đáp ứng với liệu pháp miễn dịch.
2. Đánh giá TIL truyền thống do bác sĩ bệnh lý thực hiện trên các slide nhuộm hematoxylin và eosin (H&E) thể hiện sự khác biệt đáng kể giữa các nhà quan sát.
3. Thuật toán định lượng TIL được hỗ trợ bởi trí tuệ nhân tạo (AI) thể hiện khả năng tái hiện tốt hơn với hệ số tương quan giữa lớp (intraclass correlation coefficients, ICC) rất cao (>0.90).
4. Điểm TIL được tính bằng AI có mối liên quan tiên lượng đáng kể với kết quả sống sót, vượt trội hơn so với điểm số thủ công truyền thống.
Nền tảng nghiên cứu
U hắc tố, một loại ung thư da rất hung hãn, đặt ra những thách thức lâm sàng đáng kể, bao gồm tiên lượng đa dạng và đáp ứng không đồng nhất đối với liệu pháp miễn dịch. Bạch cầu lympho xâm nhập khối u (TILs), tế bào miễn dịch trong môi trường vi khẩn của khối u, đã nổi lên như một dấu ấn sinh học gây tranh cãi liên quan đến kết quả điều trị và sống sót. Mức độ xâm nhập của TIL tương quan với hoạt động miễn dịch chống khối u và có ý nghĩa tiên lượng và dự đoán.
Truyền thống, việc định lượng TIL được thực hiện bởi các bác sĩ bệnh lý đánh giá các slide mô học nhuộm hematoxylin và eosin (H&E). Tuy nhiên, đánh giá thủ công như vậy chịu ảnh hưởng của sự khác biệt giữa các nhà quan sát, bị tác động bởi cách diễn giải chủ quan về mật độ và phân bố của TIL, từ đó hạn chế độ tin cậy trong việc ra quyết định lâm sàng. Sự cần thiết của một phương pháp định lượng TIL tiêu chuẩn, có thể tái hiện và mở rộng là quan trọng để cải tiến chăm sóc cho bệnh nhân u hắc tố.
Thiết kế nghiên cứu
Nghiên cứu tiên lượng hồi cứu đa trung tâm này so sánh điểm số TIL do bác sĩ bệnh lý đọc truyền thống với phương pháp được hỗ trợ bởi AI. Đội ngũ nghiên cứu bao gồm 111 bệnh nhân mắc u hắc tố, được chẩn đoán từ tháng 1 năm 2022 đến tháng 6 năm 2023, từ 45 tổ chức quốc tế bao gồm các cơ sở học thuật, lâm sàng và nghiên cứu để thu thập sự đa dạng về chuyên môn.
Các thành viên (n=98) trong nhóm thủ công chỉ bao gồm các bác sĩ bệnh lý, trong khi nhóm được hỗ trợ bởi AI bao gồm 11 bác sĩ bệnh lý và 47 nhà khoa học không phải là bác sĩ bệnh lý. Tổng cộng 60 slide mô học nhuộm H&E của u hắc tố đã được đánh giá TIL bằng cả phương pháp thủ công và AI.
Đo lường kết quả chính bao gồm các chỉ số tái hiện—hệ số tương quan giữa lớp (ICC) cho các phép đo TIL liên tục và Kendall’s W cho các đánh giá điểm Clark (brisk, nonbrisk, sparse). Giá trị tiên lượng của việc định lượng TIL được phân tích sử dụng các mô hình hồi quy Cox đơn biến và đa biến được điều chỉnh cho các biến lâm sàng và bệnh lý, áp dụng các ngưỡng phân loại đã được xác lập (trung bình và 16.6%) cho phần trăm TIL dựa trên AI.
Kết quả chính
Thuật toán AI thể hiện khả năng tái hiện xuất sắc với các giá trị ICC vượt quá 0.90 cho tất cả các biến TIL, vượt trội đáng kể so với các đánh giá thủ công của bác sĩ bệnh lý, nơi ICC chỉ đạt 0.61 cho số lượng TIL trong mô kẽ và Kendall’s W là 0.44 cho điểm Clark, cho thấy độ tin cậy vừa phải.
Từ góc độ tiên lượng, điểm TIL được tính bằng AI có mối liên quan mạnh mẽ với kết quả tốt hơn của bệnh nhân. Sử dụng ngưỡng trung bình, tỷ lệ nguy cơ (HR) cho sống sót là 0.45 (khoảng tin cậy 95% [CI], 0.26-0.80; p=0.005), và sử dụng ngưỡng 16.6% đã được xác lập, HR là 0.56 (CI, 0.32-0.98; p=0.04). Điều này cho thấy rằng mức độ xâm nhập TIL được định lượng bằng AI cao hơn có liên quan đáng kể với sự sống sót tốt hơn.
Ngược lại, các phép đo TIL thủ công thể hiện độ tái hiện thấp hơn và mối liên quan tiên lượng yếu hơn, làm nổi bật những thách thức của việc đánh giá chủ quan.
Dữ liệu của nghiên cứu và công cụ AI có sẵn công khai, giúp tăng cường minh bạch và xác nhận thêm bởi các nhà nghiên cứu khác.
Bình luận chuyên gia
Nghiên cứu này nhấn mạnh tiềm năng biến đổi của trí tuệ nhân tạo trong bệnh lý mô học, đặc biệt là trong việc định lượng các dấu ấn sinh học miễn dịch phức tạp như TILs trong u hắc tố. Khả năng tái hiện cao và tính hợp lệ tiên lượng của phương pháp được hỗ trợ bởi AI giải quyết một hạn chế lớn của bệnh lý truyền thống—sự khác biệt giữa các nhà quan sát có thể cản trở việc diễn giải và quản lý lâm sàng nhất quán.
Mặc dù thiết kế hồi cứu hạn chế bằng chứng trực tiếp về hiệu quả lâm sàng và tác động đến việc ra quyết định điều trị, công trình này đặt nền móng vững chắc cho các thử nghiệm triển vọng đánh giá việc tích hợp định lượng TIL dựa trên AI vào quy trình làm việc bệnh lý thường xuyên và các thuật toán phân loại liệu pháp miễn dịch.
Các nghiên cứu trong tương lai nên khám phá khả năng mạnh mẽ của AI trên các dân số bệnh nhân đa dạng và các tiểu loại u hắc tố, cũng như hiệu quả về chi phí và yêu cầu đào tạo người dùng.
Kết luận
Thuật toán AI cho việc định lượng TIL trong u hắc tố vượt trội hơn so với đánh giá của bác sĩ bệnh lý truyền thống về cả khả năng tái hiện và ý nghĩa tiên lượng. Sự tiến bộ này có ý nghĩa quan trọng đối với việc cải thiện việc dự đoán dựa trên dấu ấn sinh học khách quan và hướng dẫn quyết định liệu pháp miễn dịch.
Khi lĩnh vực này tiến tới y học chính xác, bệnh lý được hỗ trợ bởi AI cung cấp một cách tiếp cận tiêu chuẩn hóa và có thể mở rộng để tận dụng sức mạnh tiên lượng của môi trường vi khẩn khối u. Việc xác nhận và tích hợp liên tục vào thực hành lâm sàng sẽ là quan trọng để tận dụng tối đa lợi ích của công nghệ này cho bệnh nhân u hắc tố.
Quỹ tài trợ và các thử nghiệm lâm sàng
Chi tiết về quỹ tài trợ không được nêu rõ trong nội dung được cung cấp. Không có thông tin đăng ký thử nghiệm lâm sàng nào được báo cáo.
Tham khảo
Aung TN, Liu M, Su D, et al. Pathologist-Read vs AI-Driven Assessment of Tumor-Infiltrating Lymphocytes in Melanoma. JAMA Netw Open. 2025;8(7):e2518906. doi:10.1001/jamanetworkopen.2025.18906. PMID: 40608341; PMCID: PMC12232186.
