Quantificação automatizada de linfócitos infiltrantes do tumor por aprendizado de máquina revela características prognósticas e imunogenômicas no câncer de pulmão

Por que contar células imunes minúsculas em tumores pulmonares importa

O câncer de pulmão continua sendo um dos mais letais, mas nem todos os tumores se comportam da mesma forma. Alguns são intensamente patrulhados por células imunes que penetram no tumor, enquanto outros permanecem quase intocados. Esses linfócitos infiltrantes do tumor, ou TILs, podem indicar como o paciente deve evoluir e se ele pode se beneficiar de medicamentos modernos de imunoterapia. O desafio é que hoje os TILs costumam ser contados à vista ao microscópio, o que é lento e subjetivo. Este estudo faz uma pergunta oportuna: podemos usar aprendizado de máquina para medir automaticamente essas células em lâminas de rotina da patologia, e o que isso revela sobre a biologia do câncer de pulmão e a sobrevida dos pacientes?

Transformando lâminas comuns em mapas digitais

Os pesquisadores concentraram-se no adenocarcinoma de pulmão, um tipo comum de câncer pulmonar, usando dados públicos do The Cancer Genome Atlas juntamente com um conjunto independente de pacientes do próprio hospital. Para cada paciente, analisaram lâminas de tecido coradas com hematoxilina e eosina (H&E), aquelas imagens rosa e púrpura que todo patologista conhece bem. Com o software de código aberto QuPath, construíram um pipeline em etapas: primeiro, corrigiram diferenças de cor entre lâminas; depois, usaram um algoritmo watershed para separar núcleos celulares sobrepostos; por fim, um classificador treinado rotulou cada célula detectada como tumor, tecido de suporte (estroma) ou linfócito. Dois patologistas especialistas revisaram e corrigiram repetidamente o trabalho da máquina até que ela reconhecesse de forma confiável os diferentes tipos celulares por conta própria.

Ligando a contagem de células imunes aos desfechos dos pacientes

Quando o sistema passou a identificar as células com confiança, a equipe calculou quantos linfócitos estavam presentes por milímetro quadrado de tecido tumoral em mais de 300 pacientes. Eles descobriram que os níveis de TIL variaram amplamente e, em média, representavam apenas uma pequena fração de todas as células. Usando uma abordagem estatística para encontrar o ponto de corte mais informativo, escolheram 135 TILs por milímetro quadrado como a linha divisória entre tumores com TIL "alto" e "baixo". Pacientes cujos tumores ultrapassavam esse limiar viveram mais do que aqueles com infiltração imune esparsa, e esse padrão se manteve tanto no grupo original quanto no de validação. Em outras palavras, um número simples produzido por uma ferramenta automatizada capturou diferenças significativas na sobrevida, ecoando estudos anteriores mais trabalhosos que dependiam de contagem manual.

Como são os tumores ricos em células imunes por dentro

Como havia dados genéticos e moleculares disponíveis para muitos desses tumores, os autores puderam explorar o que distinguia cânceres com TIL alto dos com TIL baixo além da simples contagem de células. Tumores repletos de linfócitos mostraram assinaturas mais fortes de atividade imune: genes envolvidos no reconhecimento de proteínas anormais, na apresentação delas às células T e na coordenação do ataque imune estavam mais ativos. Esses tumores também carregavam uma variedade maior de mutações no DNA, que podem criar alvos novos para o sistema imune. Em contraste, tumores com TIL baixo favoreciam genes associados à montagem de ribossomos e à síntese de proteínas, um sinal de maquinaria de crescimento intensa, mas de envolvimento imune relativamente silencioso. Essa divisão reflete o contraste agora familiar entre tumores “quentes”, ricos em células imunes e mais propensos a responder à imunoterapia, e tumores “frioss”, que o sistema imune em grande parte ignora.

Ensinando um computador a prever o status imune

A equipe avançou um passo e perguntou se um conjunto compacto de características de imagem poderia prever se um tumor cairia na categoria de TIL alto ou baixo sem contar explicitamente cada linfócito. Eles resumiram padrões texturais sutis nas lâminas — como a intensidade dos pixels varia em pequenas vizinhanças — em chamadas características de Haralick, e combinaram isso com o estágio clínico do tumor em um modelo de random forest. Em validação cruzada, esse classificador separou corretamente tumores de TIL alto dos de TIL baixo com alta precisão, e manteve desempenho razoável em uma coorte hospitalar independente. Importante, toda a abordagem roda em computadores padrão usando software livre, sugerindo que muitos laboratórios de patologia poderiam, em princípio, adotá‑la sem hardware especializado.

O que isso significa para o futuro do cuidado do câncer de pulmão

Para um não especialista, a mensagem principal é que um computador pode aprender a ler lâminas rotineiras de câncer de pulmão de forma a captar o quanto o sistema imune se envolveu com o tumor. Altos níveis de linfócitos infiltrantes sinalizam uma batalha imune mais ativa, um panorama de mutações mais rico e melhor sobrevida global. Embora seja necessário mais trabalho — especialmente em pacientes realmente tratados com imunoterapia — esse método automatizado poderia eventualmente ajudar médicos a classificar tumores rapidamente e de forma consistente como imuno “quentes” ou “frios”. Isso, por sua vez, poderia orientar decisões sobre quem tem mais probabilidade de se beneficiar de tratamentos baseados no sistema imune e estimular novas estratégias para tornar tumores frios em quentes.

Citação: Li, A., Pang, Y., Zhang, H. et al. Automated quantification of tumor-infiltrating lymphocytes by machine learning reveals prognostic and immunogenomic features in lung cancer. Sci Rep 16, 7006 (2026). https://doi.org/10.1038/s41598-026-37076-y

Palavras-chave: adenocarcinoma de pulmão, linfócitos infiltrantes do tumor, aprendizado de máquina, patologia digital, imunoterapia contra o câncer