非小細胞肺癌（NSCLC）是全球癌症死亡的主要原因之一。近年來，免疫檢查點抑制劑（ICI）的出現顯著改善了晚期 NSCLC 患者的治療效果。然而，並非所有患者都能從免疫治療中獲益，且部分患者會產生抗藥性。因此，尋找能夠預測免疫治療反應和預後的生物標記物，對於實現 NSCLC 的精準醫療至關重要。最新的研究表明，腫瘤免疫微環境的動態變化，特別是 T 細胞亞群的變化，可以預測 NSCLC 患者的長期治療結果。

免疫微環境的複雜性

腫瘤微環境（TME）是一個複雜且動態的生態系統，由多種細胞類型和細胞外成分組成。在 TME 中，免疫細胞，如 T 細胞，通常聚集在內皮細胞周圍，而巨噬細胞則表現出不同的分佈模式，從均勻分散到聚集不等。腫瘤相關的三級淋巴結構（TLS）或血管發育已被證明會影響癌症免疫療法的療效。傳統的免疫組織化學（IHC）無法捕捉到位於切片平面上方或下方的細胞，從而模糊了定義腫瘤環境的複雜細胞關係和區域異質性。因此，利用多模式空間組學技術來可視化 TME 的異質性和空間結構，並結合機器學習或深度學習等生成式人工智能，有助於更深入地了解腫瘤免疫。

T 細胞亞群與治療反應

T 細胞在抗腫瘤免疫中起著關鍵作用。免疫檢查點抑制劑，如 PD-1/PD-L1 單株抗體，通過阻斷 PD-1/PD-L1 抑制軸，從而重新激活功能失調的 T 細胞並恢復免疫監視，從而發揮抗腫瘤作用。研究表明，監測 T 細胞亞群可以作為預測 NSCLC 患者預後和評估治療反應的客觀指標。

一項發表在 *Scientific Reports* 上的研究分析了 24 名晚期 NSCLC 患者的臨床數據，包括 T 細胞計數和粒線體質量（MM）/膜電位（MMP）測量。研究發現，具有低粒線體膜電位（MMP-Low）的 CD8+ T 細胞和 CD8+ T 細胞粒線體質量（MM）在預測轉移方面顯示出有希望的潛力（曲線下面積 AUC = 0.85 和 0.87）。此外，三個 T 細胞生物標記物與治療結果相關。這些探索性研究結果表明，T 淋巴細胞亞群和粒線體指標可能作為評估治療反應和預測晚期 NSCLC 轉移風險的生物標記物，這可能有助於患者的個體化治療和及時的治療方案調整，但有待進一步驗證。

另一項研究發現，在接受 Nivolumab 治療的 NSCLC 患者中，CD8+ 腫瘤浸潤淋巴細胞（TILs）的高表達與較好的反應率（RR）和無進展生存期（PFS）顯著相關。此外，在接受 EGFR TKI 治療的患者中，CD8+/CD4+ 比率可以預測對免疫治療的反應。較低的比率表明反應率較低，而較高的比率則相反。

腫瘤免疫動態與長期預後

Schmid、Sobottka、Manzo 及其團隊進行的一項研究深入探討了接受新輔助化學免疫治療的 IIIA 期 NSCLC 患者腫瘤內的免疫動態及其與長期臨床結果的相關性。新輔助治療旨在縮小腫瘤體積並消除微轉移，從而提高後續手術切除的成功率。然而，患者反應的變異性引發了對控制治療效果的潛在機制的深入科學研究。

該研究的核心在於觀察腫瘤環境中的免疫細胞組成和功能狀態。研究人員仔細分析了患者的縱向樣本，繪製了治療過程中免疫細胞群體的時間演變圖。他們的研究結果表明，免疫浸潤的動態變化，特別是 T 細胞亞群的變化，可以預測治療結果，並為預後提供信息。

血基生物標記物的潛力

由於腫瘤活檢通常難以獲得，並且基於組織的生物標記物受到腫瘤內異質性和時間變異性的限制，因此越來越多的人開始重視開發「液體活檢」衍生的生物標記物，這些生物標記物提供了一種微創手段來動態監測 NSCLC 患者在治療前和/或治療過程中的免疫狀態。正在評估的血基生物標記物包括檢測 (a) 細胞因子和其他可溶性因子的循環水平，(b) 外泌體，(c) 外周免疫細胞亞群的表型和頻率，(d) 總循環無細胞 DNA (cfDNA) 或循環腫瘤 DNA (ctDNA) 的水平，(e) 基於血液的腫瘤突變負荷 (bTMB)，(f) 參與表觀遺傳調控的 microRNA (miRNA)，以及 (g) 循環腫瘤細胞 (CTC)。這些研究揭示了免疫治療前和治療早期患者的外周免疫狀態與臨床反應（如總體反應率以及無進展生存期和總體生存期的持續時間）之間令人信服的關聯。

人工智慧在生物標記物發現中的作用

人工智慧（AI）正在徹底改變癌症研究，包括生物標記物的發現。AI 算法可以分析大量的基因組、轉錄組、蛋白質組和影像數據，以識別與治療反應和預後相關的模式。例如，AI 可以用於分析病理學圖像，以預測癌症的診斷和預後。

結論與展望

總之，免疫動態在預測 NSCLC 的長期治療結果中起著關鍵作用。監測 T 細胞亞群和粒線體指標的變化，以及利用血基生物標記物和人工智慧，可以幫助識別可能對免疫治療產生反應的患者，並為個體化治療策略提供信息。

然而，這些研究結果仍需在更大規模的前瞻性研究中進行驗證。此外，需要進一步研究來了解免疫微環境的複雜性以及免疫細胞與腫瘤細胞之間的相互作用。通過整合多種生物標記物和臨床數據，我們可以開發出更準確的預測模型，從而改善 NSCLC 患者的治療結果。

未來的研究方向包括：

  • 開發標準化的血基生物標記物檢測方法，以提高結果的可重複性和可靠性。
  • 進行縱向研究，以了解免疫動態如何隨時間變化以及如何影響治療反應。
  • 探索新的免疫治療策略，以克服抗藥性並提高患者的長期生存率。
  • 利用人工智慧來分析多組學數據，以識別新的生物標記物和治療靶點。

通過不斷的研究和創新，我們可以更好地了解 NSCLC 的免疫生物學，並開發出更有效的治療方法，從而改善患者的預後。

Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: October 1, 2025