人工智能（AI）驱动的H&E全幻灯片图像（WSI）分析用于预测非小细胞肺癌（NSCLC）对免疫治疗的响应的三级淋巴结构（TLS）。

3135 背景：近期数据表明，肿瘤微环境（TME）内TLS中的免疫细胞可能成为免疫检查点抑制剂（ICI）治疗的有利预测因子。为进一步探讨这一问题，创建了AI模型以评估H&E WSI中的TLS，并确定其与接受ICI治疗的NSCLC患者生存结果的相关性。方法：我们在西北大学收集了2015年5月至2022年11月期间接受ICI（有或没有化疗）的晚期NSCLC患者的主要和转移肿瘤的H&E染色WSI及临床数据。在评估从淋巴结（LNs）收集的活检标本中的TLS状态时，仅在TLS与肿瘤细胞混合并位于残余实质远处时才考虑为TLS，以确保排除先天淋巴滤泡。在病理学家评估TLS存在之后，用AI驱动的H&E WSI分析仪评估相同的WSI。我们使用Lunit SCOPE IO，这是一种基于21,096个H&E染色WSI开发的AI驱动H&E WSI分析仪，可以在TME中分割包括TLS在内的各种组织区域的类别。使用Kaplan-Meier曲线进行生存分析，并通过Log-rank检验评估TLS组之间生存结果的差异。结果：在这项分析中，总共73名患者中，有24例（33%）被AI分析仪识别为包含TLS（TLS +）。相比之下，病理学家将17例（23%）分类为TLS +。与病理学家的解读相比，AI模型在识别TLS存在方面的准确率为84.9%（敏感性88.2%，特异性83.9%）。包含TLS的样本中TME内TLS区域的中位数比例（TLSP）为0.418%（Q1：0.228%，Q3：1.311%）。未发现TLSP与生存结果相关。TLS的聚类数也未发现与生存结果相关。结论：AI驱动的TLS分析可以潜在地作为接受ICI治疗的NSCLC患者生存结果的预测生物标志物。表格：见正文