AI-Powered Atlas揭示了对第三淋巴结结构作为癌症预后和反应生物标志物的新见解
发布日期：2026-06-11《科学》杂志最新发表的一项研究中，德克萨斯大学MD安德森癌症中心团队构建了首个跨多癌种的三级淋巴结构（TLS）空间图谱，揭示了TLS的成熟状态、空间位置及肿瘤内组成与癌症预后、治疗反应之间的临床关联。
该研究由MD安德森基因组医学教授、细胞语言智能中心执行主任、James P. Allison Institute™副成员、UT肿瘤学数据科学研究所重点领域共同负责人王凌华博士领衔。
团队开发了可扩展的人工智能（AI）框架，能够从空间组学数据和常规病理切片中自动检测、分析和分类TLS，并创建了一套综合评分系统，可根据不同癌种和治疗场景对患者进行更精准的预后与疗效分层。
"在此之前，人们对TLS作为生物标志物的关注主要集中在它们是否存在，或在某些情况下是否成熟。"王凌华表示，"我们的研究表明，肿瘤组织中的TLS远比这复杂——它们的成熟状态、空间位置和组成，能够告诉我们有关肿瘤免疫微环境、治疗反应和临床结局的关键信息。"
什么是TLS？为什么重要？
免疫系统对肿瘤的反应是在肿瘤微环境中发生的高度协调过程。在部分肿瘤中，免疫细胞聚集形成有组织的结构，即三级淋巴结构（TLS），作为局部免疫"枢纽"，将B细胞、T细胞、抗原呈递细胞及其他支持细胞汇集在一起，协调抗肿瘤免疫反应。
与美国前十医院建立转诊绿色通道的出国看病服务机构爱诺美康提醒，既往研究表明，TLS——尤其是更成熟的TLS——通常与更好的患者结局及多种癌种中免疫疗法反应的改善相关。然而，仅凭TLS的存在并不能说明全部情况。本研究进一步揭示：肿瘤中的TLS在组织水平、细胞组成及与肿瘤细胞的空间关系上存在显著差异，而这些差异携带着重要的生物学和临床信息。
研究核心发现：构建全癌种TLS空间图谱
尽管TLS在癌症中的重要性已获公认，但其细胞与分子异质性——尤其是在人类肿瘤大样本自然空间背景下——仍理解有限。
本研究通过可扩展的计算框架弥补了这一空白，从空间组学数据中精确检测、全面分析和分类TLS。利用该框架，团队构建了涵盖12种癌种、340个样本的全癌种TLS空间图谱，并据此定义了TLS在关键特征上的变异模式及与成熟相关的转录程序。
主要发现包括：
不同组织中的TLS差异显著，随着成熟，TLS变得更加有序，免疫、基质和血管成分发生协调变化；
TLS与肿瘤细胞的接近程度与肿瘤信号的空间梯度相关，提示TLS成熟和空间背景反映了肿瘤免疫微环境的重要特征。
AI赋能临床转化：从3000张切片中评估超2.5万个TLS
为提升可扩展性，团队进一步开发了AI框架，可从日常临床护理中常用的病理图像中快速识别和分类TLS。该模型使TLS分析更易向临床转化，同时大幅提升速度和规模。
借助这一框架，研究人员从10个独立队列的3000余张全切片图像中评估了25,088个TLS，并为每位患者的肿瘤开发了TLS"组成评分"。该评分不仅反映TLS数量，还纳入了其在肿瘤内的成熟状态，在根据预后和治疗反应进行患者分层方面，明显优于传统TLS测量方法。
这表明，对TLS生物学的更深入理解——尤其是纳入成熟状态的考量——可能比单纯检测TLS存在与否，提供更具临床意义的信息。
