学术研究报告：FALCONS研究与Deep-ICP人工智能模型在早期非小细胞肺癌中的应用

第一作者及机构
FALCONS研究由法国多中心团队完成，主要作者包括M. Wislez（巴黎科钦医院）、M. Alifano（科钦医院胸外科）、S. Michiels（古斯塔夫·鲁西研究所）等，数据来源于法国国家胸外科数据库Epithor。Deep-ICP模型研究由挪威团队主导，第一作者F. Jabar来自挪威北极大学医院病理科，合作机构包括丹麦哥本哈根大学医院、美国丹娜-法伯癌症研究所等。两项研究均发表于《Annals of Oncology》2024年增刊。

学术背景
FALCONS研究聚焦早期非小细胞肺癌（NSCLC）患者的真实世界治疗模式与生存结局。随着免疫治疗在辅助和新辅助治疗中的探索，临床亟需补充试验数据外的现实证据。该研究通过Epithor数据库（覆盖2016-2018年9429例手术患者），分析不同治疗队列（新辅助A1、辅助A2）的基线特征、治疗路径及5年总生存率（OS），以评估法国多学科诊疗规范的实践效果。

Deep-ICP研究则针对肿瘤浸润淋巴细胞（TILs, Tumor Infiltrating Lymphocytes）评估的自动化需求。TILs是NSCLC免疫治疗反应的潜在生物标志物，但传统人工评估存在效率低、重复性差的问题。该研究开发了基于深度学习（DL, Deep Learning）的AI模型Deep-ICP，旨在通过全切片图像（WSI, Whole-Slide Images）自动量化TILs，并整合至TNM-I临床试验（NCT03299478）的免疫评分系统。

研究流程与创新方法
FALCONS研究
1. 队列设计：
- 队列A（n=9429）：2016-2018年接受胸外科手术的NSCLC患者，覆盖27个中心。
- 队列A1（n=758）：接受新辅助治疗的患者。
- 队列A2（n=993）：接受辅助治疗的患者。
- 队列B（n=517）：后续图表审查补充队列（11个中心）。

1. 数据分析：

   • 基线特征：性别、吸烟史、ECOG PS评分、病理分型、手术方式（如肺切除术比例）。
     
   • 生存分析：5年OS率及中位OS（Kaplan-Meier法），按治疗队列分层。
     

2. 关键发现：

   • 新辅助队列（A1）中III-IV期患者比例更高（术前67% vs 术后46%），且肺切除术比例显著高于其他队列（16% vs 6%）。
     
   • 5年OS率：A1（53%）、A2（52%）低于未接受系统性治疗的A队列（65%），提示新辅助/辅助治疗可能筛选出更高危患者。
     

Deep-ICP模型开发
1. 数据训练与验证：
- 训练集：丹娜-法伯癌症研究所（DFCI）446例NSCLC患者的WSI，标注超过200万个细胞（TILs、肿瘤细胞、间质细胞）。
- 验证集：TNM-I前瞻性队列724例患者，结合基因表达（NanoString）和多重免疫组化（CD8+PCK）验证。

1. 算法创新：

   • 组织分割：识别肿瘤区域与间质。
     
   • 细胞检测与分类：采用改进的卷积神经网络（CNN），在DFCI训练集上达到Dice分数0.89（细胞检测）、F1分数0.88（分类）。
     
   • 性能对比：优于HoverNet和StarDist等主流算法（AJI：0.72 vs 0.65）。
     

2. 生物学验证：

   • TILs密度与CD8+细胞密度呈中度相关（r=0.41），与适应性免疫基因特征（如CD45、耗竭CD8）显著相关（r=0.37-0.54, p<0.0001）。
     

主要结果与逻辑链条
FALCONS研究显示，尽管新辅助/辅助治疗队列生存率较低，但反映了法国多学科诊疗对高危患者的精准筛选。Deep-ICP模型则通过自动化TILs量化，解决了传统病理学的瓶颈：
- 技术突破：AI模型在细胞分类精度上超越人工，且与分子标志物（如CD8+）具有生物学一致性。
- 临床转化：为TNM-I试验提供标准化免疫评分工具，未来可指导免疫治疗患者分层。

结论与价值
1. FALCONS：证实多学科诊疗改善早期NSCLC生存，但手术可切除阶段的高死亡率仍需新疗法突破。
2. Deep-ICP：首个通过大规模临床队列验证的TILs自动化分析工具，为免疫治疗生物标志物研究提供可扩展方案。

亮点
- 真实世界证据：FALCONS填补了临床试验与日常实践的差距。
- 跨学科创新：Deep-ICP整合病理学、AI与免疫基因组学，推动精准医疗。

其他价值
两项研究均披露了行业合作（如罗氏资助FALCONS），但通过独立统计分析（如Epithor数据库）确保数据客观性。Deep-ICP代码开源计划未提及，可能限制方法复现。