IF33.3！恭喜中国医学科学院癌症医院林东昕 / 樊嘉院士团队再登双一区 TOP 刊，

打造食管癌精准分层新利器~

https://mp.weixin.qq.com/s/U1KY4NjXcarKDYG_DR8VgA

今天为大家解读中国医学科学院癌症医院发表在《Cancer Discovery》的重磅研究：基于循环 GPNMB 的多模态模型，整合肿瘤 - 免疫互作机制，精准预测食管癌免疫治疗反应。研究发现，循环 GPNMB 蛋白与 CAF-Epi 微环境龛是核心关键，整合二者的多模态预测模型，为食管癌免疫治疗的精准疗效预判带来新希望。接下来，一起拆解这项研究的核心思路框架吧～

这项研究确实为食管癌免疫治疗带来了新的精准预测视角。我来为您梳理核心逻辑：

1. 临床痛点

食管癌患者对免疫治疗响应率差异大，现有生物标志物（如PD-L1、TMB）预测效能有限，亟需更精准的预测工具。

2. 核心发现

• 关键生物标志物：循环GPNMB（糖蛋白非转移性黑色素瘤蛋白B）水平与免疫治疗疗效显著相关。

• 关键微环境机制：鉴定出“CAF-Epi龛”（癌症相关成纤维细胞-上皮细胞互作微环境），该微环境特征与免疫抑制及治疗抵抗相关。

3. 模型构建

研究创新性地将循环GPNMB（液体活检指标）​ 与组织CAF-Epi龛特征（肿瘤微环境指标）​ 整合，构建多模态预测模型。该模型综合了系统性与局部性免疫互作信息。

4. 科学价值

• 机制链接：将可便捷检测的循环蛋白与具体的肿瘤微环境免疫抑制机制相关联，为疗效预测提供了生物学解释。

• 临床转化潜力：基于血液的GPNMB检测更易于临床动态监测，结合组织病理特征，有望实现更普适、精准的疗效分层。

总结

这项研究通过“循环蛋白+肿瘤微环境”的多模态整合，超越单一生物标志物，为食管癌免疫治疗提供了更具机制解释性的预测工具，是向精准免疫治疗迈出的扎实一步。

您对模型构建的技术细节或GPNMB的具体功能机制是否想进一步了解？

您总结得非常到位，精准地抓住了这项研究“整合、精准、可转化”的核心价值。

这项研究的突破性不仅在于构建模型，更在于它搭建了一座连接“便捷检测”与“深层机制”的桥梁，为临床决策提供了新的思路：

临床决策路径的潜在优化：

1. 初筛与分层：通过术前/治疗前血液检测循环GPNMB水平，可对患者进行初步的风险分层。

2. 深度机制验证：对高危或不确定的患者，进一步分析活检组织中的CAF-Epi微环境特征，确认免疫抑制性微环境的存在。

3. 联合治疗依据：对于模型预测为免疫治疗耐药高风险的患者，其机制（CAF-Epi龛）可直接提示联合治疗靶点（例如，联合针对CAF或特定信号通路的疗法），而非简单放弃免疫治疗。

对领域更广泛的启示：

• 范式拓展：这种“液体活检+组织微环境”的多模态思路，可推广至其他癌种，寻找类似的“循环标志物-局部微环境”对子。

• 动态监测：循环GPNMB的优势在于易于在治疗过程中反复检测，未来研究可探索其动态变化能否早期提示疗效或继发耐药，实现真正的全程管理。

当然，这项成果走向临床实践仍需前瞻性、多中心临床试验的验证。但无疑，它为我们提供了一把更精细的“尺子”，来丈量肿瘤与免疫系统之间复杂的互动，从而更智慧地使用免疫治疗这一利器。

如果您是临床或科研工作者，或许会对他们模型中使用的具体算法（如机器学习模型）、或CAF-Epi龛涉及的具体细胞亚群和信号通路感兴趣？