論文No4242
Development and clinical validation of a prognostic algorithm for stroma-tumor ratio quantification in non-small cell lung cancer
Waleed K.M. Ahmad,Tillmann Bedau,Yuan Wang,...Alexander Quaas,Reinhard Büttner,Yuri Tolkach
LUNG CANCER, Volume 205, 108613, July 2025.
背景と目的
肺がんは世界中でがん関連死の主要な原因であり、診断方法の改良が重要です。本研究の主な目的は、切除可能な非小細胞肺がん（NSCLC）患者を対象に、腫瘍間質比（STR）を完全に自動で定量化する、デジタル病理学的な予後アルゴリズムの開発です。
材料と方法
開発されたSTRアルゴリズムは、腫瘍全体領域の正確なマップを作成する強力な多クラス組織セグメンテーションアルゴリズムに基づいています。
予後的な最適なカットオフ値と異なるリスク層別化方法を特定し、検証するために、NSCLC患者の1つの遡及的探索コホート（n = 902）と、肺腺がん（LUAD）および扁平上皮がん（LUSC）患者の3つの検証コホート（n = 784）が含まれました。
検討された臨床エンドポイントは、全生存期間（OS）、がん特異的生存期間（CSS）、無増悪生存期間（（PFS）です。
結果
LUADでは、症例全体の最小STR値が予後評価に決定的であることが示されました。
様々なアプローチ（単一のSTRカットオフ、複数のSTRカットオフ、STRを連続パラメータとして使用）により、従来の臨床病理学的変数や従来の組織学的グレードとは独立して、患者を予後リスクグループに堅固に層別化することができます。
LUSCでは、STRは予後不良の患者のごく一部を特定するのに役立つ可能性があります（症例全体の最大STRに基づく）が、その予後的影響はコホート間でばらつきがありました。
結論
LUADのNSCLCサブタイプにおけるSTR定量化は、予後バイオマーカーとして有望な役割を示しています。
これは日常的な診断に容易に組み込むことができ、LUADにおける高度な予後予測システムの一部として考慮される可能性があります。LUSCコホートにおける我々の結果は、現在の実装におけるSTR定量化が、このサブタイプでは限られた価値しか持たないことを示唆しています。
要約
この研究は、非小細胞肺がん（NSCLC）の予後予測のために、デジタル病理学を用いて腫瘍間質比（STR）を自動で定量化するアルゴリズムを開発しました。
902人のNSCLC患者の探索コホートと784人の肺腺がん（LUAD）および肺扁平上皮がん（LUSC）患者の3つの検証コホートを用いて、STRの予後予測における有用性を評価しました。
結果として、LUADでは、症例全体の最小STR値が予後評価に非常に有効であることが分かりました。
このSTR値を用いることで、従来の臨床病理学的変数とは独立して、患者を予後リスクグループに明確に分類できることが示されました。
一方、LUSCでは、STRの予後予測における有用性は限定的であり、予後不良の特定の患者群を特定できる可能性はあるものの、その影響はコホート間で一貫性がありませんでした。
Take Home Message
この研究の最も重要なポイントは以下の通りです。
デジタル技術で腫瘍間質比（STR）を自動測定する新しいアルゴリズムが開発されました。
このSTRは、肺腺がん（LUAD）の予後予測に非常に有用で、患者のリスクを効果的に分類できます。
この技術は、肺腺がんの診断に簡単に組み込める可能性があり、従来の予後因子を補完する強力なツールとなるでしょう。
ただし、肺扁平上皮がん（LUSC）においては、現時点ではこの技術の有用性は限定的です。
Background and Aim
Lung cancer is the leading cause of cancer-related mortality worldwide, highlighting the importance of refining diagnostic modalities. This study’s main focus is the development of a digital pathology, prognostic algorithm for fully automatized quantification of stroma-tumor ratio (STR) in patients with resectable non-small cell lung cancer (NSCLC).
Materials and Methods
The developed STR algorithm is built upon a powerful multi-class tissue segmentation algorithm that generates precise maps of the full tumor region. One retrospective exploration cohort of NSCLC patients (n = 902) and three validation cohorts (n = 784) of patients with lung adenocarcinoma (LUAD) and squamous cell carcinoma (LUSC) were included to identify and validate optimal prognostic cut-offs and different risk stratification methods with regard to different clinical endpoints: overall survival (OS), cancer-specific survival (CSS) and progression-free survival (PFS).
Results
For LUAD, we show that the minimal STR value for the whole case is decisive for prognostic evaluation. Different approaches (single STR cut-off, multiple STR cut-offs, using STR as a continuous parameter) allow for robust stratification of patients into prognostic risk groups, independent of the classical clinicopathological variables and conventional histological grading. For LUSC, STR may assist in identifying a small subset of patients with unfavorable prognosis (based on the maximum STR for the whole case), however, its prognostic impact varies between cohorts.
Conclusion
STR quantification in LUAD NSCLC subtype shows a promising role as a prognostic biomarker. It can be easily implemented in routine diagnostics and could be considered as a component of advanced prognostic systems in LUAD. Our results in LUSC cohorts suggest that STR quantification in its current implementation is of limited value in this subtype.