Estimando estruturas de células imunes complexas por ferramentas de IA para previsão de sobrevivência em melanoma avançado

Pesquisadores do Grupo de Pesquisa em Câncer de ECOG-ACRIN (ECOG-ACRIN) aplicaram processos orientados pela IA para detectar estruturas linfóides terciárias (TLs) em milhares de imagens digitais de tecido tumoral de melanoma, aprimorando significativamente a identificação do TLS e as previsões de sobrevivência para pacientes operáveis ​​no estágio III/IV. A presença de TLS, um biomarcador chave para melhor prognóstico e melhoria da sobrevida, ainda não é uma parte padrão dos relatórios de patologia dos pacientes, e a detecção manual é muito trabalhosa e pode ser variável.

Os investigadores principais Ahmad A. Tarhini, MD, Ph.D. e Xuefeng Wang, Ph.D., apresentarão a nova abordagem na reunião anual da American Association for Cancer Research 2025 em Chicago.

“Nossos esforços revelam o potencial das ferramentas de IA de código aberto para transformar como prevemos benefícios de sobrevivência e imunoterapia, detectando estruturas imunes críticas, como TLS com facilidade e precisão sem precedentes”, disse o Dr. Tarhini, professor e membro sênior, oncologia cutânea e imunologia, no Moffitt Cancer Center e Research Institute em Tampa, Floria.

O estudo analisou retrospectivamente milhares de imagens digitais arquivadas, juntamente com dados correspondentes de sequenciamento de RNA de 376 pacientes com melanoma avançado e de alto risco, vinculando a presença do TLS a uma sobrevida global significativamente melhor. A coorte havia participado de um estudo de grupo cooperativo de referência dos EUA liderado por ECOG-acrina chamado E1609 que testou o bloqueio do ponto de verificação imune e a terapia com citocinas no melanoma de alto risco.

Essa análise encontrou o TLS presente em 55% da coorte E1609 e previu uma sobrevida global significativamente melhor do que aqueles sem TLS (36,23% vs. 29,59% em 5 anos), especialmente naqueles com mais de um TLS (38,04% em> 1 TLS vs. 28,65%). A densidade do TLS também foi significativamente prognóstica para a sobrevida global (37,77% vs. 28,72% em 5 anos para corte mediano). A sobrevivência também variou pelo grupo de estágio AJCC, idade, sexo, tipo de tratamento e ulceração do tumor.

“Esses achados destacam o potencial de abordagens orientadas por IA para padronizar a avaliação do TLS usando imagens coradas com H&E de baixo custo, com o potencial de melhorar o prognóstico e a estratificação dentro do AJCC e justificar uma investigação mais aprofundada”, disse o Dr. Tarhini.

Os pesquisadores aplicaram o HookNet-TLS pela primeira vez, um algoritmo de aprendizado profundo de código aberto, para medir o TLS e os centros germinativos (GC) dentro dos slides corados de H & D e E1609. Depois de revisar os resultados iniciais, eles treinaram o modelo para uma melhor precisão. Eles avaliaram o valor prognóstico dos escores do TLS, correlacionando a presença de TLS e GC encontrados nas imagens digitalizadas com contagens de TLS normalizadas.

Em seguida, os pesquisadores aplicaram o modelo de fundação GigaPth para a extração de patologia digital e investigaram o potencial da detecção de TLS nessa coorte. A GigaPth permitiu uma visualização aprimorada de ladrilhos de imagem H&E através da geração de análise de componentes principais (PCA).

“Utilizando o modelo da GigaPth Foundation, as visualizações de PCA geradas parecem promissoras no aprimoramento da TLS e a detecção de GC. Elas estão passando por um ajuste mais fino, e os resultados finais serão compartilhados em uma futura reunião”, disse o Dr. Wang, presidente de bioestatística e bioinformática do Moffitt Cancer Center.

Esta pesquisa foi apoiada por uma concessão do National Cancer Institute, um dos Institutos Nacionais de Saúde.

“Os novos métodos de previsão de sobrevivência alavancam tecnologias de baixo custo e facilmente acessíveis. Eles têm o potencial de acelerar a adoção de testes de TLS para pacientes de melanoma de alto risco, ajudando discussões com os médicos sobre possíveis benefícios de imunoterapia”, acrescentou o Dr. Tarhini.

Fornecido pelo ECOG-Acrin Cancer Research Group