Análisis Basado en Inteligencia Artificial de la Distribución Espacial de Linfocitos Infiltrantes de Tumor para el Pronóstico del Cáncer Colorrectal
El cáncer colorrectal (CCR) sigue siendo una causa principal de morbilidad y mortalidad relacionada con el cáncer a nivel mundial, con una incidencia creciente en China. El microambiente tumoral (TME), particularmente la distribución espacial de linfocitos infiltrantes de tumor (TILs), desempeña un papel crítico en la predicción del pronóstico de los pacientes. Los avances recientes en inteligencia artificial (IA) y patología digital han permitido la cuantificación precisa de densidades de células inmunitarias en regiones tumorales específicas, como el núcleo del tumor (CT) y el margen invasivo (IM). Este estudio utiliza aprendizaje profundo para automatizar el análisis de las densidades de células T CD3+ y CD8+ en imágenes de portaobjetos completos (WSIs), identificando CD3CT—la densidad de células T CD3+ en el CT—como un marcador pronóstico independiente y robusto para el CCR.
Metodología
Cohortes de Pacientes y Preparación de Datos
Se incluyeron 492 pacientes con CCR de dos centros médicos independientes: 358 del Hospital Popular Provincial de Guangdong (cohorte de entrenamiento) y 134 del Sexto Hospital Afiliado de la Universidad Sun Yat-sen (cohorte de validación). Los criterios de inclusión se centraron en pacientes con CCR en estadio I–III tratados con resección quirúrgica sin terapia preoperatoria. Se recopilaron datos clinicopatológicos (edad, sexo, estadio TNM, grado tumoral, ubicación y niveles de antígeno carcinoembrionario (CEA)). Las láminas teñidas con hematoxilina-eosina (H&E) e inmunohistoquímica (IHC) para marcadores CD3 y CD8 se digitalizaron en WSIs usando escáneres de alta resolución (Leica Biosystems).
Segmentación de Tejidos y Cuantificación Celular Mediante IA
Una red neuronal convolucional (CNN) basada en la arquitectura VGG-19 se empleó para segmentación automatizada de tejidos. El modelo clasificó las WSIs en nueve categorías histológicas—estroma tumoral, epitelio tumoral, linfocitos, moco, mucosa normal, adiposo, detritos, músculo liso y fondo—fusionadas posteriormente en cuatro regiones principales: área tumoral (CT), tejido normal, IM (500 µm alrededor del tumor) y glándulas. El IM se delimitó mediante operaciones morfológicas y análisis de superposición entre regiones tumorales y de tejido normal.
Las células T CD3+ y CD8+ se cuantificaron con un algoritmo de segmentación celular prevalidado. Las densidades se normalizaron en escalas percentiles (0–100%) basadas en distribuciones de cohortes. Se evaluaron nueve puntuaciones inmunitarias, incluyendo densidades individuales en CT (CD3CT, CD8CT) e IM (CD3IM, CD8IM), sus promedios (CD3, CD8) y puntuaciones combinadas (CD3-CD8CT, CD3-CD8IM, CD3-CD8).
Análisis Estadístico
La supervivencia global (OS) fue el criterio principal. Las curvas de Kaplan-Meier y pruebas de log-rank compararon supervivencia entre grupos de alta y baja densidad. Modelos de riesgos proporcionales de Cox evaluaron la independencia pronóstica, usando el índice de concordancia de Harrell (C-index) y el área integrada bajo la curva (iAUC) para evaluar desempeño discriminatorio. Bootstrapping (1000 iteraciones) validó estabilidad del iAUC. Correlaciones de Pearson cuantificaron asociaciones entre puntuaciones inmunitarias.
Hallazgos Clave
Correlación Entre Variables Inmunitarias
CD3CT mostró correlaciones fuertes con CD3IM (r = 0,60) y densidad general de CD3 (r = 0,87). Similarmente, CD8CT se correlacionó con CD8IM (r = 0,64) y densidad de CD8 (r = 0,92). Sin embargo, se observaron correlaciones débiles entre marcadores CD3 y CD8 (ej. r = 0,39 para CD3 vs. CD8), sugiriendo roles biológicos distintos. CD3CT mostró correlación mínima con CD8CT (r = 0,43), respaldando su valor pronóstico único.
Desempeño Pronóstico de CD3CT
CD3CT demostró discriminación pronóstica superior (C-index: 0,65 en entrenamiento, 0,69 en validación) versus otras puntuaciones, incluyendo CD3-CD8 (C-index: 0,64 y 0,69). En la cohorte de entrenamiento, alta densidad de CD3CT (>percentil 67, 941 células/mm²) se asoció con mayor OS (supervivencia a 5 años: 81,3% vs. 62,5% en baja densidad, P < 0,001). Esta tendencia persistió en validación (92,5% vs. 75,0%, P = 0,005). Análisis multivariado confirmó CD3CT como factor pronóstico independiente tras ajustar por edad, estadio TNM y CEA (cohorte de entrenamiento: HR = 0,35, IC 95%: 0,18–0,65; validación: HR = 0,21, IC 95%: 0,05–0,94).
Análisis Comparativo de Puntuaciones Inmunitarias
El desempeño de CD3CT igualó o superó al puntaje compuesto CD3-CD8. Por ejemplo, el iAUC para CD3CT (0,65) superó levemente a CD3-CD8 (0,63) en entrenamiento. Al integrarse en modelos clínicos, CD3CT contribuyó más a estratificación de riesgo (importancia relativa 18,97%) que CD3-CD8 (11,89%), destacando su utilidad clínica.
Análisis de Subgrupos
CD3CT mantuvo valor pronóstico en todos los estadios y ubicaciones tumorales. En estadio III, alta CD3CT correlacionó con mejor OS (HR = 0,28, P = 0,002). En CCR del lado izquierdo (73,5% de casos), alta CD3CT predijo mejor supervivencia (HR = 0,26, P < 0,001). La puntuación también mostró asociaciones con inestabilidad de microsatélites (MSI), con densidades altas de CD3CT tendiendo a mayor prevalencia de MSI (P = 0,076).
Avances Técnicos
La pipeline de IA abordó desafíos críticos en patología digital:
- Identificación Automatizada de Regiones: El modelo CNN logró segmentación precisa de CT e IM sin anotación manual, reduciendo variabilidad interobservador.
- Cuantificación de Alto Rendimiento: Las densidades celulares se calcularon en WSIs completas, permitiendo análisis escalable.
- Integración con Flujos Clínicos: El puntaje CD3CT simplificó la evaluación pronóstica al eliminar análisis multi-marcador, reduciendo costos y tiempo.
Implicaciones Clínicas
CD3CT ofrece ventajas sobre sistemas existentes como Immunoscore:
- Simplicidad: El enfoque en un solo marcador reduce costos de tinción y complejidad computacional.
- Robustez: Las células T CD3+ (que incluyen subpoblaciones diversas) brindan un perfil inmunitario integral.
- Independencia del Estadio: El poder pronóstico de CD3CT persiste en todos los estadios TNM, ayudando en estratificación de riesgo.
Limitaciones y Futuras Direcciones
Si bien se validó CD3CT en cohortes multicéntricas, se requiere validación internacional. Futuros estudios podrían explorar su rol en predicción de respuestas a inmunoterapia o integración con subtipos moleculares (ej. clasificaciones CMS). Además, ensayos prospectivos deberían evaluar implementación clínica.
Conclusión
Este estudio establece CD3CT—la densidad de células T CD3+ en el núcleo tumoral—como un marcador pronóstico confiable y cuantificado mediante IA para CCR. Al automatizar segmentación de tejidos y cuantificación celular, este enfoque supera limitaciones de sistemas manuales. La paridad de CD3CT con puntuaciones multi-marcador respalda su adopción como herramienta más simple y costo-efectiva para manejo personalizado del CCR.
doi.org/10.1097/CM9.0000000000002964