![Ines Nearchou](https://www.aacr.org/Newsroom/PublishingImages/Nearchou_Ines.jpg)
De studie is uitgevoerd in een ontwikkelingscohort in Schotland (n=114). De onderzoekers gebruikten immunofluorescentie en geautomatiseerde beeldanalyse voor het kwantificeren van CD3+CD8+ T-cellen en tumor buds (TBs). Hoge aantallen TBs (HR 5,899; 95%-bti 1,875-18,55), lage CD3+ T-celdichtheid (HR 9,964; 95%-bti 3,156-31,46), en laag gemiddeld aantal CD3+CD8+ T-cellen binnen 50 μm van TBs (HR 8,07; 95%-bti 2,834-28,0) waren geassocieerd met slechtere ziekte-specifieke overleving. Deze gegevens werden ingevoerd in een machine-learning model waarmee de Tumor Bud - Immuno Spatial Index (TBISI) werd ontwikkeld. TBISI integreert de mate van lymfocytinfiltratie, het aantal TBs, en de ruimtelijke interactie tussen lymfocyten en TBs. TBISI stratificeerde het cohort meer accuraat (HR 18,75; 95%-bti 6,46-54,43) dan alleen TBs, Immunoscore, of pT-stadium. Deze resultaten zijn gevalideerd in een onafhankelijk Schots cohort (n=56) en een cohort in Japan (n=62).
De onderzoekers concluderen dat analyse van lymfocyteninfiltratie, aanwezigheid van TBs, en hun ruimtelijke interactie een betere risicostratificatie van patiënten met stadium 2 CRC mogelijk maakte dan gebruikelijke methoden.
1.Nearchou IP, Lilard K, Gavriel G et al. Automated analysis of lymphocytic infiltration, tumor budding, and their spatial relationship improves prognostic accuracy in colorectal cancer. Cancer Immunol Res 2019; epub ahead of print
Summary: A study in Scotland, with validation cohorts in Scotland and Japan, found that a method that integrates tumor buds, lymphocytic infiltration, and their spatial relationship improves stratification of patients with stage 2 colorectal cancer at high risk for disease-specific death compared with traditional methods of clinical staging.