MODERN PATHOLOGY：病理特征揭示了从肺癌前病变到浸润性腺癌的免疫和分子进化

肺癌是美国和全球癌症相关死亡的主要原因，2022年每天约有350人死亡。在过去的20年里，肺癌发病率，特别是晚期非小细胞肺癌（NSCLC）的发病率稳步下降。与此同时，局部NSCLC的比例每年急剧增加4.5%，从2004年的17%增加到2018年的28%，主要是由于低剂量计算机断层扫描（LDCT）引导的肺癌筛查计划的实施越来越多。这些趋势强调了全面了解早期肺癌癌发生的重要性和紧迫性，以改善肺癌的拦截和治疗。

腺癌（ADC）是肺癌最常见的原发性组织学亚型，约占所有病例和NSCLC的40%。在过去的20年里，美国男女肺ADC的比例都有增加，亚洲和欧洲国家也观察到类似的趋势。非典型腺瘤增生（AAH）是唯一公认的肺ADC前肿瘤，包括肺泡壁上腺癌和长方体细胞的局部生长。AAH可以进展为原位腺癌（AIS），然后是微创腺癌（MIA），最后是侵袭性ADC。AAH、AIS和MIA被认为是侵袭性ADC的前身。LDCT肺部筛查的广泛实施有助于大幅增加对不确定的肺结节（IPN）的检测，其中许多是ADC前体。然而，对IPN生物学的了解不足，对IPN的明确诊断仍然对IPNs患者的管理仍然面临严峻挑战。

致癌是一个复杂的过程，全面了解它需要多组学分析。使用这种方法，研究人员小组和其他小组的一系列研究探索了ADC前体的动态进化进展，并证明了分子交替的逐步积累和从AAH到ADC的免疫反应的渐进抑制。然而，组学分析需要大量的组织标本，大多数癌前标本不足以进行全面的组学分析。此外，多组学剖析昂贵、技术复杂且耗时。这些是阻碍我们在肺癌期间理解进步的重大挑战。

与组织要求高、耗时和复杂的组学技术相反，血氧林和血红蛋白（H&E）染色的病理评估成本低且稳健，并经常被用作癌症诊断的黄金标准。此外，整个幻灯片成像的技术升级实现了高质量和高通量幻灯片数字化。这种数字化为实施计算机辅助病理幻灯片分析奠定了基础，称为病理学分析。人工智能（AI）的快速发展，特别是深度学习，促进了许多成功的病理应用，包括但不限于有丝分裂计数、肿瘤早期检测和分级、患者预测和治疗规划甲状腺、膀胱、肾脏和白血病等亚专科。

之前还没有研究通过病理组学调查细胞级肺癌前进展，这表明在利用H&E染色来质疑肺癌变方面落后。为了填补这一知识空白，2023年9月9日发表在MODERN PATHOLOGY的文章，开发了一个基于人工智能的管道，利用组织H&E幻灯片来研究肿瘤和免疫进展及其与从肺炎前到ADC的分子生物标志物的共同进化。

在这里，本文采用了最先进的深度学习和人工智能技术，在常规使用的血红蛋白和伊红组织病理学图像上强有力地分割和识别细胞，并提取了9个与生物学相关的病理特征来解码肺部肺炎前期进化。我们分析了3个不同的队列（日本、中国和美国），涵盖98名患者、162张幻灯片和669个感兴趣的地区，包括143个正常、129个非典型腺瘤增生、94个AIS、98个MIA和205个ADC。

提取的病理特征显示，非典型上皮细胞逐渐增加，淋巴细胞从正常到AAH、AIS、MIA和ADC逐渐减少，这与组织消耗和昂贵的分子/免疫分析的结果一致。此外，病理学分析表明，随着从正常肺到侵入性ADC的演变，细胞内异质性逐渐增加。病理学图像数字化和人工智能的最新进展促进了大规模、客观和低成本的病理学研究。尽管这种方法近年来已应用于各种恶性肿瘤，但在肺癌前体研究中尚未探索，由于缺乏用于多组学分析的研究材料，迫切需要病理学等基于图像的分析。

研究设计

在这项研究中，研究人员提出了一条使用H&E幻灯片研究肺部ADC及其前体的新管道。使用来自3个国家的H&E图像，拟议的管道利用深度学习模型HoVer-Net在注释ROI内分割细胞，构建了一个强大的细胞分类器，可以将分段的细胞分为3个细胞亚型类别（AEC、LYM和OC），并提取9个病理特征来表征肺癌从正常到侵入性ADC的演变。提取的病理特征的结果从不同角度揭示了肺前肺炎的进展，包括AEC和LYM嵌入地图的比例、密度、纹理，以及Altieri熵测量的细胞相互作用和ITH架构。

重要的是，从病理学中获得的这些趋势与组织要求高、耗时、高成本和复杂的分子和免疫分析的发现一致，这些特征通过病理特征与分子生物标志物之间的相关性得到了进一步验证。综上所述，这些结果表明了H&E图像和基于AI的病理组学分析在研究材料有限的疾病（例如肺预肺炎）方面的巨大潜力。

原始出处:

Chen P, Rojas FR, Hu X, Serrano A, Zhu B, Chen H, Hong L, Bandyoyadhyay R, Aminu M, Kalhor N, Lee JJ, El Hussein S, Khoury JD, Pass HI, Moreira AL, Velcheti V, Sterman DH, Fukuoka J, Tabata K, Su D, Ying L, Gibbons DL, Heymach JV, Wistuba II, Fujimoto J, Solis Soto LM, Zhang J, Wu J. Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma. Mod Pathol. 2023 Sep 9;36(12):100326. doi: 10.1016/j.modpat.2023.100326. Epub ahead of print.