El carcinoma hepatocelular (CHC) representa, actualmente, la tercera causa principal de mortalidad por cáncer a nivel mundial, con tasas de recurrencia postoperatoria de hasta el 70 %. A pesar de ello, la predicción precisa de la recurrencia del CHC sigue siendo un desafío debido a la compleja heterogeneidad espacial del microambiente inmunitario tumoral (TIME) y a la interacción dinámica entre las células tumorales, las células inmunitarias y otros componentes del TIME.

En este contexto, un equipo de investigación dirigido por el profesor SUN Cheng, de la Universidad de Ciencia y Tecnología de China (USTC) de la Academia China de Ciencias, junto con colaboradores de la Agencia de Ciencia, Tecnología e Investigación y la Academia China de Ciencias Agrícolas, han anunciado, en la revista 'Nature' un novedoso sistema de predicción inmunitaria espacial para evaluar el riesgo de recurrencia del CHC.

Este trabajo, según sus autores, además de proporcionar una herramienta predictiva práctica para la toma de decisiones clínicas, también mejora la comprensión de los mecanismos inmunes que impulsan la recurrencia del CHC, sentando así las bases para nuevas estrategias de inmunoterapia dirigidas a las células NK SPON2, identificadas como biomarcadores.

Evaluación exhaustiva

En concreto, los investigadores desarrollaron la escala TIMES (microambiente inmunitario espacial tumoral), que caracteriza cuantitativamente los patrones de distribución espacial de las células inmunitarias dentro del microambiente tumoral. El sistema de puntuación TIMES se desarrolló utilizando el algoritmo de aprendizaje automático XGBoost, entrenado con un conjunto de datos de inmunofluorescencia multiplex de 61 pacientes con carcinoma hepatocelular (CHC). Cuando se validó en una cohorte independiente, el sistema TIMES logró una precisión del 82,2% y una especificidad del 85,7%, superando los modelos de predicción clínica existentes.

Según expusieron los autores, el sistema permite una evaluación exhaustiva de las interacciones tumor-inmune mediante la integración de imágenes de portaobjetos completo (WSI) con un algoritmo de análisis espacial basado en IA. Además, permite predecir con alta precisión el riesgo de recurrencia basándose en los perfiles de expresión espacial de cinco biomarcadores clave: SPON2, ZFP36L2, ZFP36, VIM y HLA-DRB1. 

El análisis de alta dimensión identificó a SPON2 como el biomarcador más predictivo, con su patrón de expresión en subgrupos de células asesinas naturales (NK) estrechamente correlacionado con el pronóstico del CHC. Los ensayos de migración tridimensional confirmaron que SPON2 promueve la migración direccional de las células NK hacia las células tumorales.