导读

传统病理诊断依赖人工判读，存在主观差异，导致诊断结果可能因人而异。免疫治疗响应预测缺乏精准标志物，难以准确判断哪些患者能够从免疫治疗中获益。此外，肿瘤微环境（TME）的复杂性也为临床诊疗带来挑战。免疫细胞和基质细胞的空间位置和功能状态直接影响治疗结局，但常规技术（如bulk测序）无法解析空间信息，无法满足临床对精准诊断和治疗的需求。空间组学技术的出现为解决上述问题带来了希望。空间组学（转录组/蛋白组）结合人工智能（AI），能够实现高分辨率成像，同时保留组织原位结构，揭示肿瘤微环境中细胞互作的“地理地图”。这一技术革新为深入理解肿瘤微环境提供了新的视角，也为癌症诊疗带来了新的机遇。

空间组学技术在临床应用取得突破。1.髓系细胞的“空间密码”。例如：肝癌组织的巨噬细胞与Treg的空间共定位（通过IL-1β分泌）能够促进免疫抑制，且与晚期转移显著相关。结肠癌的IL4L1+巨噬细胞（位于高细胞更新区）与预后良好相关，SPPI+巨噬细胞（位于缺氧区）与预后不良相关。巨噬细胞极性（CXCL9/SPPI比值）可作为多瘤种治疗响应的通用预测指标。这一发现挑战了传统的“T细胞中心论”，提示髓系细胞的空间分布可能成为新的生物标志物，为癌症的精准治疗提供了新的方向。2. AI数字病理。标准化诊断的未来。例如，CHIEF模型基于6万张病理切片训练，在肿瘤分型和预后预测方面超越了人工判读，能够更准确地识别肿瘤的特征。Prov-GigaPath模型基于13亿图像块训练，在9种癌症亚型分类中准确率超过95%。这些AI数字病理模型的应用能够减少诊断变异，提升基层医院的病理诊断水平，推动病理诊断的标准化和规范化。3. 动态追踪技术。捕捉免疫细胞的“实时行动”。uLIPSTIC技术能够实时记录小鼠体内免疫细胞的互作，例如DC-T细胞的相互作用，揭示抗原提呈的动态过程。Zman-seq通过时间标记技术，该研究发现胶质母细胞瘤中NK细胞在48小时内快速衰竭。这些动态追踪技术为研究免疫治疗耐药机制提供了新的工具，有助于深入理解免疫细胞在肿瘤微环境中的行为和变化。

临床应用的挑战：1. 技术门槛：多组学成像成本较高，数据分析需要专业的生物信息学支持，这对临床应用提出了较高的技术要求。2.临床验证：需要开展大样本前瞻性研究，例如明确“CS极性阈值”在治疗决策中的意义，以验证空间组学标志物的临床价值。3.流程整合：如何将空间组学纳入现有的病理报告体系（如NCCN指南）是一个亟待解决的问题，需要跨学科的合作和创新。

总结：空间组学和AI正在重新定义癌症诊疗，但要实现从实验室到临床的转化，仍需跨学科合作解决转化瓶颈。现阶段建议：关注AI病理模型的临床试点应用，了解其在实际临床中的表现和价值。在临床试验中探索空间标志物的预测价值，为未来的精准治疗提供更多的依据（Nat Cancer. 2024 Dec;5(12):1771-1773. doi: 10.1038/s43018-024-00868-0）。

Tags： 读书报告 | 空间组学在癌症诊疗中的突破与挑战