Νέα παγκόσμια δεδομένα στην Ογκολογία αναδεικνύουν προηγμένη μέθοδο ιατρικής απεικόνισης, η οποία κατά βάση χρησιμοποιεί την Τεχνητή Νοημοσύνη (Artificial Intelligence – AI) και μπορεί πλέον να ανιχνεύσει τους ασθενείς εκείνους με Καρκίνο Πνεύμονα, οι οποίοι είναι πολύ πιθανόν να υποτροπιάσουν μετά από άλλοτε άλλο χρονικό διάστημα από το χειρουργείο τους για τον καρκίνο. Η συγκεκριμένη τεχνολογία, η Πολλαπλή Απεικόνιση Μαζικής Κυτταρομετρίας (Highly Multiplexed Imaging Mass Cytometry – IMC), μπορεί να δώσει πληροφορίες σε κυτταρικό επίπεδο σχετικά με το ανοσολογικό μικροπεριβάλλον του συμπαγούς όγκου, κάτι που θα μπορούσε θεωρητικά να το ‘εκμεταλλευτεί’ ο κλινικός ιατρός, ώστε να διαφοροποιήσει εκείνους τους ασθενείς, που θα χρειαστούν επιπλέον (του χειρουργείου) προληπτικής θεραπείας, από εκείνη την ομάδα των ασθενών, στους οποίους η χειρουργική θεραπεία και μόνο θα αποβεί αρκετή.

Είναι γνωστό από ετών ότι η συχνότητα συγκεκριμένων κυτταρικών πληθυσμών στο μικροπεριβάλλον του ίδιου του όγκου σχετίζεται με τους δείκτες επιβίωσης, το κλινικό αποτέλεσμα των θεραπειών και την πρόγνωση της νόσου, παρατηρήσεις που βοηθούν τους κλινικούς ογκολόγους στην καλύτερη κατανόηση της μοριακής βιολογίας, πάνω στην οποία βασίζεται η πρόοδος της νόσου και η υποτροπή της. Έτσι, λοιπόν, όταν η ΑΙ συνδυάζεται με τα δεδομένα από την IMC μπορούμε να προβλέψουμε με σχετικά μεγάλη ακρίβεια το κλινικό αποτέλεσμα, ακόμα και διαθέτωντας μόλις 1 τετραγωνικό χιλιοστό της βιοψίας από το κέντρο (core biopsy) του καρκινικού ιστού: η σχετική μελέτη δημοσιεύθηκε μόλις την 1^η Φεβρουαρίου 2023 στο περιοδικό Nature (1).

Σύμφωνα με τους συγγραφείς, ο Καρκίνος του Πνεύμονα αποτελεί την κύρια αιτία θανάτου από νεοπλασματικά νοσήματα στον Καναδά, υπερσκελίζοντας τα νεοπλάσματα του μαστού, του παχέος εντέρου και του προστάτη μαζί. Το αδενοκαρκίνωμα του πνεύμονα αποτελεί τον συχνότερο τύπο των πνευμονικών όγκων και διακρίνεται για συγκεκριμένα κυτταρικά και μοριακά χαρακτηριστικά: το ανοσολογικό μικροπεριβάλλον του όγκου επηρεάζει την επιδείνωση της νόσου, όπως και την απάντηση στη θεραπεία, οπότε η κατανόηση των χαρακτηριστικών του μπορεί να μας προμηθεύσει με χρήσιμες πληροφορίες σχετικά  με την πιθανή μελλοντική υποτροπή του νεοπλάσματος, τις θεραπευτικές δυνατότητες, και τους καλύτερους βιοδείκτες για την απόκριση σε εγκεκριμένες θεραπείες. Σε έτερη μελέτη των Walsh και συνεργατών από τα Πανεπιστήμια McGill και Laval, ταυτοποιήθηκε η κυτταρική σύνθεση και οργάνωση μέσα στο ανοσολογικό μικροπεριβάλλον του όγκου 416 ασθενών με αδενοκαρκίνωμα πνεύμονα.

Οι ερευνητές χρησιμοποίησαν την IMC για την εκτίμηση των ιστολογικών δειγμάτων από τις βιο-τράπεζες των προαναφερόμενων Πανεπιστημίων και τελικά ανίχνευσαν 1.6 εκατομμύρια κυττάρων, μέσω των οποίων προσπάθησαν να συσχετίσουν ανοσολογικούς παράγοντες αυτών με συγκεκριμένες παραμέτρους κλινικών δεικτών, συπεριλαμβανομένης και της συνολικής επιβίωσης των ασθενών: κατάφεραν να ομαδοποιήσουν 14 διαφορετικούς υποπληθυσμούς ανοσολογικών κυττάρων, μαζί με καρκινικά κύτταρα του όγκου και ενδοθηλιακά κύτταρα. Υψηλής κακοήθειας όγκοι είχαν τη μεγαλύτερη ανοσογονικότητα, ενώ τα μακροφάγα ήταν ο πιο συχνός πληθυσμός στο μικροπεριβάλλον αυτών (12.3% του συνόλου των κυττάρων και 34.1% των κυττάρων του ανοσοποιητικού).

Η επικράτηση των CD163+ μακροφάγων σχετίστηκε σημαντικά με την παρουσία των ανοσοτροποποιητικών FOXP3+ T – λεμφοκυττάρων, μία σχέση λιγότερο έκδηλη στους χαμηλής κακοήθειας όγκους με λεπιδική και θηλοειδή αρχιτεκτονική, ευρήματα που θα μπορούσαν να υποδηλώνουν μια ισχυρή αλληλεπίδραση μεταξύ αυτών των κυτταρικών πληθυσμών στα πνευμονικά αδενοκαρκινώματα. Συσχετίζοντας, ακόμα, οι ερευνητές τους κυτταρικούς αυτούς υποπληθυσμούς και με συγκεκριμένα κλινικά στοιχεία (φύλο ασθενούς, ηλικία, δείκτη μάζας σώματος, κάπνισμα, υποτροπή, επιβίωση, και ιστολογικό τύπο) βρήκαν ότι η επιδείνωση της νόσου μπορεί να προβλεφθεί στα χειρουργημένα νεοπλάσματα πνεύμονα -αρχικών σταδίων ΙΑ και ΙΒ- με μια ακρίβεια που άγγιζε το 95.9%. Η έρευνα από τους ίδιους συνεχίζεται περιλαμβάνοντας και πρωτοπαθείς, αλλά και μεταστατικούς όγκους του εγκεφάλου.

Ο επικεφαλής ερευνητής Καθηγητής Ακτινοθεραπευτικής Ογκολογίας Yee Ung του Sunnybrook Health Sciences Centre στο Τορόντο τονίζει ότι οι γνωστοί κλινικοί προβλεπτικοί βιοδείκτες, που έχουμε και χρησιμοποιούμε σήμερα κάθε άλλο παρά ιδανικοί είναι, οπότε και εμφανίζεται επιτακτική ανάγκη οι μελλοντικές κλινικές μελέτες να αναδείξουν νέους, μη επεμβατικούς προβλεπτικούς και προγνωστικούς βιοδείκτες, αλλά και κλινικούς δείκτες, ώστε μέσω και της ορθότερης  κατανόησης του μικροπεριβάλλοντος του όγκου να είμαστε σε θέση να προβλέπουμε το τελικό όφελος στην επιβίωση αυτών των ασθενών και να χορηγούμε ακόμα πιο αποτελεσματικές εξατομικευμένες θεραπείες.

Όσο προχωράει η βαθύτερη κατανόηση της βιολογίας των συμπαγών όγκων και αν προκειμένω του Καρκίνου του Πνεύμονα, σε μοριακό και κυτταρικό επίπεδο, τόσο αναδύεται η ανάγκη στρατηγικής διαχείρισης, εκμετάλλευσης και χρήσης της μεθοδολογίας της Τεχνητής Νοημοσύνης στη διαδικασία ανάλυσης του συνόλου των κλινικών και εργαστηριακών δεδομένων (2).

• Sorin Μ. et all. Single-cell spatial landscapes of the lung tumour immune microenvironment. Nature 614, 548-568 (2023).
• Leader A. M. et al. Single-cell analysis of human non-small cell lung cancer lesions refines tumor classification and patient stratification. Cancer Cell 39, 1594–1609.e12 (2021).