非小细胞肺癌免疫联合化疗疗效相关空间异质性驱动的 病理组学研究进展

免疫检查点抑制剂（immune checkpoint inhibitors，ICIS），其与化疗联合运用，已然成为晚期非小细胞肺癌（non-small cell lung cancer, NSCLC）的一线标准治疗手段。然而临床受益存在着异质性，超过半数患者都面临耐药问题。传统病理组学模型大多关注肿瘤细胞内在形态，却忽视了肿瘤微环境肿瘤微环境（tumor microenvironment, TME）的空间互作关系。本文对空间异质性在疗效预测里的核心作用展开系统综述，着重探究肿瘤跟肿瘤-基质界面（tumor-stroma interface, TSI）也就是TSI的免疫细胞空间排列、（tertiary lymphoid structures, TLS）的成熟程度与分布情况。还总结了病理组学量化空间特征的技术发展情况，像多区域分析、空间距离度量、包括图卷积网络（graph convolutional network, GCN）等深度学习方法。当前有证据显示，把空间特征整合起来能够提高疗效预测的准确性，弥补像程序性死亡配体-1（programmed death ligand-1, PD-L1）等传统标志物存在的不足。本文针对标准化挑战、未来方向展开讨论，以此为建立能够进行解释的预测模型给予理论方面的依据支持。