Objective Diagnostic tests, such as Immunoscore, predict prognosis in patients with colon cancer. However, additional prognostic markers could be detected on pathological slides using artificial intelligence tools. Design We have developed a software to detect colon tumour, healthy mucosa, stroma and immune cells on CD3 and CD8 stained slides. The lymphocyte density and surface area were quantified automatically in the tumour core (TC) and invasive margin (IM). Using a LASSO algorithm, DGMate (DiGital tuMor pArameTErs), we detected digital parameters within the tumour cells related to patient outcomes. Results Within the dataset of 1018 patients, we observed that a poorer relapse-free survival (RFS) was associated with high IM stromal area (HR 5.65; 95% CI 2.34 to 13.67; p<0.0001) and high DGMate (HR 2.72; 95% CI 1.92 to 3.85; p<0.001). Higher CD3+ TC, CD3+ IM and CD8+ TC densities were significantly associated with a longer RFS. Analysis of variance showed that CD3+ TC yielded a similar prognostic value to the classical CD3/CD8 Immunoscore (p=0.44). A combination of the IM stromal area, DGMate and CD3, designated ‘DGMuneS’, outperformed Immunoscore when used in estimating patients’ prognosis (C-index=0.601 vs 0.578, p=0.04) and was independently associated with patient outcomes following Cox multivariate analysis. A predictive nomogram based on DGMuneS and clinical variables identified a group of patients with less than 10% relapse risk and another group with a 50% relapse risk. Conclusion These findings suggest that artificial intelligence can potentially improve patient care by assisting pathologists in better defining stage III colon cancer patients’ prognosis.

中文翻译：

---

人工智能引导的组织分析结合免疫浸润评估可预测 PETACC08 研究中的 III 期结肠癌结果

目标诊断测试，如免疫评分，预测结肠癌患者的预后。然而，可以使用人工智能工具在病理切片上检测到额外的预后标志物。设计 我们开发了一种软件来检测 CD3 和 CD8 染色的载玻片上的结肠肿瘤、健康粘膜、基质和免疫细胞。淋巴细胞密度和表面积在肿瘤核心 (TC) 和浸润边缘 (IM) 中自动量化。我们使用 LASSO 算法 DGMate（数字肿瘤参数）检测肿瘤细胞内与患者预后相关的数字参数。结果 在 1018 名患者的数据集中，我们观察到较差的无复发生存 (RFS) 与高 IM 间质面积（HR 5.65；95% CI 2.34 至 13.67；p<0.0001）和高 DGMate（HR 2.72；95 % CI 1.92 至 3.85；p<0.001)。较高的 CD3+ TC、CD3+ IM 和 CD8+ TC 密度与较长的 RFS 显着相关。方差分析显示 CD3+ TC 产生与经典 CD3/CD8 免疫评分相似的预后值 (p=0.44)。IM 间质区域、DGMate 和 CD3 的组合（指定为“DGMuneS”）在用于估计患者预后时优于免疫评分（C 指数 = 0.601 对 0.578，p = 0.04），并且与 Cox 多变量分析后的患者预后独立相关. 基于 DGMuneS 和临床变量的预测列线图确定了一组复发风险低于 10% 的患者和另一组复发风险为 50% 的患者。结论 这些发现表明，人工智能可以通过帮助病理学家更好地定义 III 期结肠癌患者的预后来潜在地改善患者护理。CD3+ IM 和 CD8+ TC 密度与较长的 RFS 显着相关。方差分析显示 CD3+ TC 产生与经典 CD3/CD8 免疫评分相似的预后值 (p=0.44)。IM 间质区域、DGMate 和 CD3 的组合（指定为“DGMuneS”）在用于估计患者预后时优于免疫评分（C 指数 = 0.601 对 0.578，p = 0.04），并且与 Cox 多变量分析后的患者预后独立相关. 基于 DGMuneS 和临床变量的预测列线图确定了一组复发风险低于 10% 的患者和另一组复发风险为 50% 的患者。结论 这些发现表明，人工智能可以通过帮助病理学家更好地定义 III 期结肠癌患者的预后来潜在地改善患者护理。CD3+ IM 和 CD8+ TC 密度与较长的 RFS 显着相关。方差分析显示 CD3+ TC 产生与经典 CD3/CD8 免疫评分相似的预后值 (p=0.44)。IM 间质区域、DGMate 和 CD3 的组合（指定为“DGMuneS”）在用于估计患者预后时优于免疫评分（C 指数 = 0.601 对 0.578，p = 0.04），并且与 Cox 多变量分析后的患者预后独立相关. 基于 DGMuneS 和临床变量的预测列线图确定了一组复发风险低于 10% 的患者和另一组复发风险为 50% 的患者。结论 这些发现表明，人工智能可以通过帮助病理学家更好地定义 III 期结肠癌患者的预后来潜在地改善患者护理。