CTC：不只是计数——AI赋能的CTC识别模型解锁肿瘤精准诊疗新视角
近日，顿慧Vsport携手复旦大学附属中山医院肝外科杨欣荣教授团队，以及同济大学生命科学与技术学院生物信息系刘琦教授团队，在Science Bulletin期刊（2024年度影响因子为18.8）在线发表了一篇题为“Exploring morphological heterogeneity of circulating tumor cells: machine learning-based approach for cell identification and prognostic implications”的研究论文。该研究系统地阐明了基于机器学习的循环肿瘤细胞（CTCs）识别、形态异质性及其预后意义。
摘要
循环肿瘤细胞（CTCs）是肿瘤转移的“先锋”，它们源自原发性或转移性肿瘤的扩散，对于理解肿瘤转移至关重要。与传统的血清生物标志物相比，CTCs能够更直接地反映特定肿瘤的生物学特性，因此在癌症的诊断、预后预测以及疗效监测中扮演着重要角色。CTCs的表型和功能分析不仅提高了细胞检测的灵敏度，还提供了超越单纯计数的肿瘤行为关键信息。然而，对分离出的荧光标记CTCs进行目视检查不仅耗时费力，还由于依赖人工判读容易产生误差，且难以全面捕捉CTCs的形态多样性，从而忽略了其潜在的丰富生物学信息。幸运的是，随着医学图像分析数字化的不断进步，人工智能（AI）算法为深入分析CTCs提供了强大的工具，能够揭示并记录大量形态特征，为深入分析CTCs以及制定更有效的治疗策略提供了新的契机。
CTC识别模型
在本研究中，研究团队使用来自1703名患者（包括肝癌、胃癌、胆管癌、结直肠癌、肺癌和乳腺癌）的9692张CTC图像和2500余万张白细胞（WBC）图像，通过机器学习对提取的57项细胞特征进行训练，成功构建了一个CTC识别模型。该模型在CTC识别中表现出高准确性，受试者工作特征曲线下面积（AUC-ROC）超过0.99，精确率-召回率曲线下面积（AUC-PR）达到0.869。进一步使用1621名患者的8672张CTC图像和2000余万张WBC图像对模型进行性能验证，结果显示该基于机器学习的CTC自动识别方法的AUC-ROC > 0.99，AUC-PR为0.819。因此，这一图像识别技术有望实现临床样本CTC的高精准、高效的检测。
CTC形态学分型
研究者对不同癌种来源的CTCs进行了深入的形态学分析。与传统认知中肿瘤细胞通常大于WBC的观点相反，不同癌种的CTCs在细胞大小上存在显著差异。根据形态特征，所有CTCs可分为6个独立亚群，每个癌种都有其独特的CTC特征：肺癌（LC）CTCs倾向于具有更大的核和更复杂的胞质纹理；胆管癌（CCA）CTCs直径较大；乳腺癌（BRCA）CTCs显示出更强的胞质上皮标志物荧光强度；肝细胞癌（HCC）患者的CTCs具有最显著的形态异质性。这些差异与原发性肿瘤的组织学起源密切相关，为肿瘤溯源提供了重要线索。
CTC形态亚型和HCC预后
在肝细胞癌（HCC）的研究中，研究者们鉴定了三种CTC形态亚型。其中，S-1和S-2亚型的CTC大于S-3亚型 CTC，但S-3 CTC的上皮标志物荧光强度更高且纹理更复杂。复发患者的S-3 CTC负荷显著高于未复发患者，S-3 CTC高负荷患者在24个月内早期复发的风险更高；仅携带S-3 CTC的患者比仅携带S-1或S-2 CTC的患者复发率更高；S-3 CTC阳性患者的术后复发率最高。在独立验证队列中，术前检出S-3 CTCs的患者复发时间显著缩短、复发率更高，而S-1/S-2 CTCs对预后无显著影响。多因素分析显示S-3 CTCs仍是独立预后因素（HR = 3.86）。这些发现表明，CTC形态亚型能够为HCC患者提供额外的预后信息，尤其是S-3 CTCs，可能代表具有高转移潜能的细胞亚群，与疾病进展密切相关。
CTC形态亚型和HCC免疫治疗反应
研究者还探讨了CTC形态分型对HCC患者免疫治疗反应的预测价值。研究发现，携带S-3 CTCs的患者疾病控制率和总体缓解率显著更低，且免疫治疗前检出S-3 CTCs的患者无进展间期更短。而单纯的CTC计数无法区分患者对免疫治疗的响应。S-3 CTC阳性患者的肿瘤组织中CD8+ T细胞和CD4+ T细胞浸润显著减少。这些结果表明，S-3 CTCs或可作为免疫治疗耐药的新型预测标志物，提示对这类患者需加强监测和早期干预。
CTC亚型和HCC预后关联的分子机制
研究者进一步探究了CTC形态亚型与不同预后关联的分子机制。他们应用了之前已发表的CTC单细胞转录组数据，将上皮基因转录水平较高的CTC亚群定义为高上皮型S-3样CTCs，这类细胞显著富集于Myc靶标、氧化磷酸化、E2F靶标和G2/M检查点等通路。通过多色免疫荧光技术，研究者在HCC患者S-3 CTCs中验证了Myc的上调。进一步评估发现，上皮型CTCs的细胞干性、增殖能力、化疗耐药和T细胞毒性抵抗均增强，且与上皮特性正相关。由于上皮特征的保留对肿瘤细胞转移定植至关重要，因此推测S-3 CTCs的分子改变可能增强了其转移潜能。
结论
该研究表明基于人工智能的CTC识别模型可显著提升临床CTC检测的准确性和可行性，通过表征HCC CTCs的独特形态亚型，为肿瘤生物学特性和侵袭性提供了新见解，有助于HCC的风险分层和治疗反应监测，充分证明了利用CTC形态作为新型无创生物标志物推动肿瘤诊疗的临床价值。
近年来，顿慧Vsport在Nature Communications、Hepatology, Clinical and Translational Medicine, Molecular Oncology等权威期刊发表了多篇重磅研究论文，揭示了CTC的异质性和免疫逃逸机制等前沿内容，为液体活检和新型免疫治疗策略提供了新思路。顿慧Vsport的ChimeraX?CTC平台支持超高维度的形态学研究，联合人工智能分析进行CTC精准分层以探索更多的临床应用潜能，并可进一步联合基因组、转录组、蛋白组和代谢组等进行多组学分析，大大扩展了CTC的临床和科研应用，为揭开CTC的神秘面纱提供了更多数据支持。
未来，顿慧Vsport将继续深耕CTC领域的技术创新，通过与人工智能深度协同，为肿瘤精准诊疗提供更多突破性解决方案，为更多患者带来健康福祉。
