这项新技术将细胞状态标志物与肿瘤和基质的形态特征相结合，为每位头颈部癌症患者建立了一种“指纹”，可用于评估癌症预后和治疗应答。
头颈部鳞状细胞癌（HNSCC）是全球最常见的恶性肿瘤之一。这是一组侵袭性强且难以治疗的癌症，其病变部位发生在上呼吸消化道。在过去三十年里，头颈部癌症的发病率大幅上升。全球每年新发病例超过80万，患者的五年生存率约为50%。
上皮性肿瘤的特点是肿瘤间和肿瘤内都存在大量异质性，这使得诊断和治疗变得复杂。目前，人们还不清楚肿瘤与基质之间的相互作用如何影响这种异质性。
近日，芬兰赫尔辛基大学、图尔库大学以及德国马克斯·普朗克分子生物医学研究所的研究人员合作，采用一种基于机器学习的方法，以单细胞分辨率对数百份患者样本进行了分析。
这项新技术将细胞状态标志物与肿瘤和基质的形态特征相结合，为每位头颈部癌症患者建立了一种“指纹”，可用于评估癌症预后和治疗应答。这篇论文于10月28日发表在《Cell》杂志上。
研究人员开发出一种单细胞分辨率的图像分析流程，它利用多重免疫荧光将形态学和空间信息与单细胞状态整合在一起。他们结合了肿瘤和基质的生物标志物图谱，为每位患者生成独特的表型特征，然后对其进行分组，以比较表型相似患者的临床结果。
通过这种方法，他们发现了两组之前未发现的患者。第一组患者的预后特别好，而第二组患者的预后特别差。在后一组中，疾病的侵袭性与表皮生长因子（EGF）介导的癌组织与周围健康组织之间的信号传导有关。
通讯作者、赫尔辛基大学的Sara Wickström教授称：“我们首次证明，恶性细胞与健康细胞的特定组合对癌症进展有很强的预后作用。此外，我们还鉴定出关键的信号通路，可以通过药物对其进行靶向治疗，从而影响癌症的进展。”
“此外，我们的方法还能发现预后特别差的患者，他们将从积极的治疗策略中获益。另一方面，我们还发现了一批预后良好的患者，对他们来说，单纯的外科手术就够了。这有助于患者维持他们的生活质量，” Wickström研究团队中的博士后研究员Karolina Punovuori谈道。
目前，研究人员正在开发一种诊断检测，以便更准确地诊断头颈部癌症。此外，他们还在研究这种方法在其他癌症（比如结直肠癌）中的应用。
“我们的研究利用了机器学习和空间生物学的最新方法。我们分析了数百份患者样本和数百万个细胞，这只有在高性能计算机和人工智能的帮助下才能实现。我们相信，这项技术将大大提高癌症诊断和治疗的准确性，” Sara Wickström解释说。
参考文献
Multiparameter imaging reveals clinically relevant cancer cell-stroma interaction dynamics in head and neck cancer
