图神经网络对肿瘤-免疫空间相互作用的建模识别出非小细胞肺癌中的预后细胞微域

肿瘤周围环境为何重要

肺癌常以基因和药物来描述，但这项研究表明，细胞在肿瘤内部彼此毗邻的位置，与这些细胞的类型一样重要。通过对来自非小细胞肺癌患者的数百万个单细胞进行精细观察，研究者采用一种人工智能方法解读肿瘤细胞与免疫细胞之间的“社交网络”。他们发现某些局部细胞微域与患者生存期有显著关联，这为更精确的预后判断以及可能的更智能免疫治疗选择提供了路径。

把癌症看作一座有生命的城市

研究团队没有将肿瘤视为均质块体，而是把它看作一座拥挤的城市，由不同的“居民”构成：癌细胞、防御性的免疫细胞，以及抑制免疫反应的细胞。借助一种可同时染色多种标志物的特殊成像方法，他们绘制了来自506例肺癌患者活检样本的超过690万细胞的图谱。记录了每个细胞的位置和身份，包括关键角色如杀伤性T细胞（CD8+）、免疫“刹车”分子PD-1与PD-L1，以及以FOXP3标记的调节性T细胞。这些数据生成了高度精细的肿瘤微环境地图，即肿瘤与免疫细胞持续相互作用的即时环境。

把细胞图谱变成网络模型

为理解这种复杂性，研究者构建了图神经网络——一种专为处理网络结构而非简单数表设计的人工智能。在他们的模型中，每个细胞是一个节点，邻近细胞通过连边相连，围绕每个细胞形成许多重叠的“邻域图”。网络被训练以识别哪些类型的局部邻域更常出现在生存较长或较短的患者中。当模型将邻域层面的预测汇总到患者层面时，其生存预测非常准确，优于仅衡量整体杀伤性T细胞数量或只知道细胞位置但不了解其表达特征的模型。

肿瘤内部的好邻域与坏邻域

通过解析AI所学的内容，团队识别出几种对生存预后影响迥异的局部邻域类型。富含杀伤性T细胞的邻域，尤其当肿瘤细胞也展示出免疫激活标志时，通常与更好的结局相关。但并非所有免疫密集区都是有利的。有些邻域虽然聚集了大量杀伤性T细胞，却伴随肿瘤或邻近免疫细胞上高表达PD-L1，这表明强烈的免疫“关闭”信号并与更差的生存相关。另一些邻域则更像免疫荒漠，被大量肿瘤细胞主导、很少防御细胞，这些也与不良结局相关。通过对这些模式进行聚类，研究定义了若干反复出现的肿瘤“状态”，反映免疫攻击与免疫逃逸之间的平衡。

当你重新排列细胞时会发生什么

研究者随后将训练好的AI模型用作虚拟实验室，在数字空间中添加、移除或移动邻域内的细胞，以观察预测生存如何变化。增加杀伤性T细胞几乎总是有益，但当这些细胞与肿瘤细胞直接接触而不是被隔开时益处最大。将表达PD-L1的抑制性免疫细胞或FOXP3阳性的调节性T细胞移入与杀伤性T细胞的近距离接触，会持续降低模型的生存预测，且随着此类接触的增多，危害也加剧。这些体内外计算实验表明，物理接触模式——谁与谁接触——可以显著倾斜有效肿瘤攻击与免疫抑制之间的天平。

这如何影响未来的癌症护理

对普通读者而言，关键信息是并非所有“有大量免疫细胞”的肿瘤都是等同的。该研究表明，微小的邻域——通常只有几十个细胞——就能携带关于免疫系统在局部战斗中是胜还是败的强烈信号，这些信号在考虑肿瘤分期或是否接受免疫治疗后仍能预测患者结局。通过为使用先进AI解读这些空间模式提供蓝图，这项工作指向了超越细胞计数、测量细胞排列方式的下一代检测方法。此类空间生物标志物可帮助医生更好地识别哪些患者可能从免疫治疗中获益，哪些患者可能需要破坏有害细胞邻域或增强有利微域的组合治疗策略。

引用: Hoebel, K.V., Lindsay, J.R., Altreuter, J. et al. Graph neural network modeling of spatial tumor-immune interactions identifies prognostic cellular niches in non‑small cell lung cancer. npj Precis. Onc. 10, 158 (2026). https://doi.org/10.1038/s41698-026-01314-3

关键词: 非小细胞肺癌, 肿瘤微环境, 图神经网络, 空间免疫学, 免疫治疗生物标志物