文章信息
- 免疫评分在肿瘤预后及疗效预测中的研究进展
- Research Progress of Immunoscore in Prediction of Tumor Prognosis and Efficacy to Treatment
- 肿瘤防治研究, 2021, 48(8): 809-813
- Cancer Research on Prevention and Treatment, 2021, 48(8): 809-813
- http://www.zlfzyj.com/CN/10.3971/j.issn.1000-8578.2021.21.0182
- 收稿日期: 2021-02-20
- 修回日期: 2021-06-04
一直以来,临床上普遍采用美国癌症联合委员会/国际癌症控制联盟(AJCC/UICC)提出的TNM系统作为经典的指导方针来对肿瘤进行分期,主要根据原发肿瘤范围(T)、区域淋巴结受累程度(N)、有无远处转移(M)来对肿瘤进行评估,是一种基于肿瘤细胞特征的分类方法。尽管沿用至今的TNM系统在多种肿瘤中显示出其强大的功能性,但越来越多的研究表明TNM系统不能提供完整的预后信息,同一TNM分期的患者在预后方面存在显著差异,甚至分期较早的患者比分期晚的患者预后更差[1]。这可能是由于TNM分期未能对宿主免疫状态及肿瘤微环境的特征进行评估,因此不能全面而精准地预测患者的预后。由此,Galon等基于免疫结构这一概念提出了免疫评分(Immunoscore, IS)来弥补传统TNM分期在预后方面的不足[2]。免疫评分最早在结肠癌患者中展现出优于传统TNM分期预测预后的作用[3],而不断进行规范化、标准化改进后的免疫评分系统也在多种实体瘤中展现出其作为一种潜在生物标志物对肿瘤患者预后及疗效的强大预测潜力。本文就免疫评分在肿瘤预后、疗效预测及其在临床中的应用研究进展作一综述。
1 免疫评分——基于免疫结构的肿瘤分类新方法越来越多的证据表明,癌症发展依赖于其发生发展过程中所处的复杂的肿瘤微环境,肿瘤微环境由肿瘤细胞及其周围的免疫细胞、肿瘤相关成纤维细胞、血管内皮细胞、淋巴管等构成。有学者提出用“免疫结构”(immune contexture)这一概念来描述肿瘤微环境(tumor microenvironment, TME)浸润的空间组织和密度,主要指获得性免疫细胞在不同肿瘤区域内的类型、功能定位、密度和位置[4]。免疫结构主要由CD8+细胞毒性T淋巴细胞(cytotoxic T lymphocyte, CTL)和记忆T细胞(CD45RO+)的密度、它们在肿瘤中心(tumor center, CT)和肿瘤浸润交界(invasive margin, IM)的位置以及第三级淋巴结构(tertiary lymphoid structures, TLS)的质量和其他功能成分,如TH1相关因子(IFNG、Tbet、IRF1、IL12)、趋化因子(CX3CL1、CXCL9、CXCL10、CCLL10)等构成[2]。在结肠癌、肺癌、膀胱癌、肝细胞肝癌等多个瘤种中已证实免疫结构对患者预后的评估有重要意义[5]。
肿瘤发展过程和宿主免疫反应之间存在着复杂而持续的相互作用[3-4, 6-7]。而经典的TNM分期却未能基于宿主免疫状态对预后进行评估,尽管目前做了一些改进,包括纳入肿瘤生物标记的免疫组织化学因素[8-9]、亚细胞群体的流式细胞术[10]、分子标记[11]、深层蛋白质组[12]或遗传特征[13]等,但这些方法仍主要基于肿瘤细胞的特征,而忽略了肿瘤微环境和免疫成分的影响[14]。
经过不断的研究与验证,Galon和他的团队探索出较完善的免疫评分操作方法:收集结肠癌患者的肿瘤组织标本,制作成石蜡包埋福尔马林固定组织切片后,对切片进行CD3+、CD8+免疫组织化学染色,再通过专用的分析软件(Immunoscore® Analyzer)对肿瘤中心和肿瘤浸润边缘的CD3+和CD8+细胞密度进行检测和量化,该软件可计算出每个区域中每个标志物的密度水平,然后转换为在大型国际回顾性验证研究中定义的密度百分位数[15]。根据平均密度百分位数分类,免疫评分可分为三类,IS=0~1:低CD3+和CD8+淋巴细胞浸润(0~25%);IS=2:中度CD3+和CD8+淋巴细胞浸润(25%~75%);IS=3~4:高CD3+和CD8+淋巴细胞浸润(75%~100%)[16]。这一创新、便捷、可操作性强的评估方法引起了许多学者的兴趣。随后,越来越多的研究探讨了在不同瘤种中,选择不同的目标淋巴细胞组合(如CD45RO T和CD8T;CD3、CD8和CD20)对肿瘤患者进行免疫评分,以进一步验证免疫评分在不同肿瘤预后及疗效评估中的适用性。
目前,肿瘤免疫细胞浸润在肿瘤的预后及疗效中扮演着重要的角色,而免疫评分可对CT和IM的免疫浸润细胞进行直接量化分析。因此,不难推测,作为首个用于癌症分类的标准化免疫检测方法,免疫评分对肿瘤患者预后的评估与免疫治疗疗效的预测有着重要意义。
值得注意的是,由于不同肿瘤间免疫结构的差异,不同免疫细胞在肿瘤中心及侵袭边缘的浸润密度对肿瘤预后及疗效的预测意义存在差异,应选择最有意义的免疫细胞进行免疫评分,因此,不同肿瘤的免疫评分方法不尽相同。
2 免疫评分对肿瘤预后的预测作用肿瘤免疫结构、免疫微环境等特征对肿瘤患者的预后有着重要的意义,且原位免疫细胞在肿瘤中的浸润与良好的预后相关[7],而免疫评分系统可对肿瘤中心及浸润边缘的特异性免疫细胞直接进行定量分析,从而在对患者预后的评估中发挥作用。
有研究表明,在结肠癌中,免疫评分是预测结肠癌患者复发风险的可靠、有效的临床方法,且其对预后的评估优于包括TNM、MSI在内的其他预后因素[15]。在癌症免疫治疗协会(society for immunotherapy of cancer, SITC)的支持下,来自13个国家的14个中心共同组成了一个国际联盟,在临床试验中验证免疫评分对Ⅰ~Ⅲ期结肠癌患者预后的预测作用[15]。这一国际性的合作试验收集了3 539例患者的肿瘤组织样本,通过质控分析后纳入2 681例患者的样本(实验组700例、内部验证组636例和外部验证组1 345例)。实验组中,免疫评分高的患者5年复发风险最低,且在预后能力评估方面,免疫评分显著优于TNM评估的无病生存期(DFS)和总生存期(OS)。与镜下人工测量经HE染色的肿瘤组织T淋巴细胞密度相比,免疫评分定量结果在多中心不同病理学家的定量分析结果中有着更高的一致性和重复性。该研究通过Cox多变量分层分析发现,免疫评分与肿瘤复发时间相关,且独立于患者年龄、性别、T分期、N分期、微卫星不稳定性和现有预后因素等其他因素。在包括TNM分期在内的所有临床参数对结肠癌风险预测分析的研究中,免疫评分对结肠癌患者预测风险的相对贡献率最高。上述研究显示了免疫评分在评估结肠癌患者预后方面的优越性、可行性和可重复性。
随着免疫评分在结肠癌研究中的开展,证实了其在评估患者预后方面有着优于经典TNM分期的预测价值,目前越来越多的国内外研究进一步对免疫评分在其他实体肿瘤中的预测作用进行了探索与验证。
在肝细胞肝癌中,有研究[17]评估了免疫评分的预后作用:研究中对接受根治性切除的90例肝癌患者和未经治疗的359例肝癌患者的两个独立队列的肿瘤标本进行免疫评分。通过对患者肿瘤标本肿瘤中心和肿瘤浸润边缘中的CD8+T、CD3+T细胞密度进行定量分析,发现较高IS与较长的DFS和OS显著相关,而较低的IS与较差的预后显著相关。此外,该研究还提出了一个与较好预后相关的最佳临界值:与CD8+T细胞密度 < 93/mm2的患者相比,> 93/mm2的患者的生存期显著延长。此后,另一研究[18]对65例经手术切除治疗的Ⅰ~Ⅳ期肝癌患者的肿瘤组织标本进行免疫评分,发现经免疫评分分组后,各组肝癌患者的复发率分别为:IS 0分组65%,IS 1分组22%,IS 2分组10%,IS 3分组10%,IS 4分组11%。这表明免疫评分高的患者肝癌复发率显著降低。此外,该研究调整了血管侵袭和细胞分化等变量后进行多变量Logistic回归模型分析发现,在调整其他协变量后,CD3+T细胞和CD8+T细胞密度仍然是预测肿瘤复发的重要危险因素。因此,免疫评分可以独立于其他风险因素(如血管侵袭和细胞分化)来预测经手术切除治疗的肝癌患者复发风险。
在胰腺癌中,有研究[19]对108例胰腺导管腺癌(pancreatic ductal adenocarcinoma, PDAC)手术患者进行免疫评分,发现高IS和低组织学分级与较好的疾病特异性生存期(disease-specific survival, DSS)和总生存期(OS)显著相关。低、中、高IS组的5年DSS率分别为5.0%、15.2%和33.4%(P=0.007),5年OS率分别为4.2%、13.4%和31.5%(P=0.004)。同时,该研究通过多因素分析发现,高IS是改善5年DSS和OS的独立预后因素,且IS对预后的评估优于TNM分期。因此,对PDAC患者初次手术治疗后,免疫评分可能是一个有效的预后标志物。
在胃癌中,国内有团队对诊断为胃癌的患者生存预测进行回顾性研究[20]:对251例胃癌样本中的27种免疫细胞进行了筛选,使用Lasso-Cox模型,最终确定了5个特异性免疫细胞CD3IM、CD3CT、CD8IM、CD45ROCT(记忆T细胞)和CD66bIM,并将其合并到免疫评分系统中,通过推导出的公式对胃癌患者进行免疫评分。发现免疫评分高和免疫评分低患者的5年无病生存率(45.0% vs. 4.4%, P < 0.001)和5年总生存率(48.8% vs. 6.7%, P < 0.001)差异有统计学意义。此外免疫评分预测了具有相同TNM分期的患者的生存期,表明IS可能具有补充TNM分期的预后价值。
这些研究表明免疫评分系统在不同瘤种中具有重要的预后预测价值。同时,免疫评分具有作为一种良好生物标志物所需的稳定性、便捷性、简便性、可行性和可重复性特征。因此,在未来可能作为生物标志物而被广泛应用于临床。
3 免疫评分对多种肿瘤疗效的预测作用显然,免疫评分作为预后标志物对评估多种实体瘤患者的生存是非常有意义的,然而,它是否能为肿瘤患者的治疗提供有价值的预测也是近年来许多学者关注与研究的方向。目前,恶性肿瘤的治疗方法包括手术、化疗、放疗、靶向和免疫治疗等。而随着肿瘤免疫逃逸机制的提出与研究的深入,免疫治疗已经广泛应用于肿瘤的临床治疗。目前认为,治疗前肿瘤微环境中淋巴细胞的浸润对免疫治疗的疗效有着积极的影响,而免疫评分作为对肿瘤中心及浸润边缘淋巴细胞进行定量分析的一种新方法,可能与免疫治疗的疗效相关。
有研究报道[21],在接受抗PD-1治疗的Ⅲ期黑色素瘤患者中,最能预测临床疗效的标志物不是PD-1或PD-L1,而是肿瘤中心和肿瘤浸润边缘中CD8+T细胞的密度:产生免疫应答者的CD8+T细胞密度在治疗期间增加,而无应答者的CD8+T细胞密度仍然很低。因此推测,肿瘤中心和肿瘤浸润交界部位存在天然的CD8+细胞似乎是用抗PD-1诱导或激活抗肿瘤免疫反应的必要条件。一项研究[22]通过Logistic回归模型选择8个免疫标志物建立免疫评分模型来预测黑色素瘤患者抗PD1治疗的疗效,结果发现:免疫评分高的患者客观缓解率显著高于免疫评分低的患者,且免疫评分高的患者有更长的生存期;免疫评分高的患者肿瘤浸润性淋巴细胞(TIL)比例更高,对干扰素-γ有更强的应答;此外,基因富集分析(gene set enrichment analysis, GSEA)结果表明,免疫评分高的患者富含抗肿瘤免疫相关信号通路。因此,该研究构建了一个稳健、有效的免疫评分模型,可预测转移性黑色素瘤的抗PD1治疗反应。
一项Ⅱ期生物标志物研究[23]探索了82例接受Ipilimumab(IPI)治疗的黑色素瘤患者的疗效与生物标志物的相关性。该研究发现Ipilimumab的临床活性与TIL的升高呈正相关,提示浸润的淋巴细胞可能具有抗肿瘤活性,肿瘤免疫微环境的改变可能延缓了疾病的进展。此外,有学者提出TIL在IM或CT的定位可能会影响IPI治疗的临床反应,进而对CTLA-4+TIL的潜在相关性及其定位与IPI的疗效展开研究[24]:来自17例接受IPI治疗的40个黑色素瘤病变组织进行IHC染色后,由3位病理学家进行独立评估,对组织切片肿瘤浸润边缘和肿瘤中心的TIL进行评分,发现在IPI治疗后,大多数TIL亚群在原位增加,尤其是FoxP3+细胞,且肿瘤浸润边缘高于肿瘤中心,还发现高TIL评分和CD3+、CD8+细胞密度与免疫应答显著相关。因此该研究发现CTLA-4+TIL可能是单独或与CD3+/CD8+细胞一起代表IPI反应的标志物,但这一结论仍需要在更大规模的研究中得到证实。此外,在黑色素瘤中发现,CD45ROT、CD8+T细胞的基线水平可作为预测Ipilimumab抗PD-1治疗疗效的生物标志物。
免疫评分不仅在肿瘤免疫治疗疗效中表现出强大的预测潜力,在辅助化疗中,也展示了与肿瘤患者治疗疗效的相关性,提示免疫评分可协助制定治疗方案从而使患者能得到更好的治疗。在2020 ESMO指南中,免疫评分已被明确推荐用于早期结肠癌的预后及指导辅助化疗。一项研究对492例Ⅲ期结肠癌患者中的481例分别采用mFOLFOX6方案辅助化疗3月和6月的患者进行分析发现,与接受辅助化疗3月相比,接受辅助化疗6月的中-高IS患者在DFS方面观察到了有益的效果,而低IS患者并没有从6月的辅助化疗方案中显著获益[25],这表明IS可能预测结肠癌患者辅助化疗疗效。在一项Ⅲ期胃癌辅助化疗的疗效研究[20]中也发现相似的结果:在251例胃癌样本中,使用Lasso-Cox模型对27种免疫细胞进行了筛选,基于最终确定的5个特异性免疫细胞(CD3IM、CD3CT、CD8IM、CD45ROCT和CD66bIM)对胃癌患者进行免疫评分。对于IS高的胃癌患者,辅助化疗显著增加DFS和OS,但对IS低的患者无明显影响;且在高IS的Ⅲ期胃癌患者中,两年复发率明显低于低IS患者,这表明IS可帮助区分更适合辅助化疗的Ⅱ、Ⅲ期胃癌患者。进一步分析发现,高IS的Ⅱ期和Ⅲ期胃癌患者对辅助化疗有良好的反应。通过构建nomograms,成功预测了将从术后辅助化疗中获益的是Ⅱ期和Ⅲ期胃癌患者。该研究表明免疫评分是一种有用的预测工具。
随着对免疫评分与肿瘤患者疗效相关性研究的深入开展,免疫评分已渐渐展现其对肿瘤治疗反应的预测能力,目前仍需在更深入、更大规模的研究中探究免疫评分的预测能力,以确定其应用于临床的价值。
4 免疫评分技术进展免疫评分系统对肿瘤患者的预后有着强大的评估能力,经典的免疫评分系统和根据不同肿瘤特性而选择不同目标淋巴细胞的免疫评分模型均对肿瘤的疗效展示出很好的预测能力,由此可期待,免疫评分可在未来的临床应用中更好地识别能从治疗中受益的患者,从而协助临床医生更好地制定治疗方案。为确保免疫评分的稳定性,目前已开展经体外免疫评分试验(CE-IVD)批准的应用于临床的体外免疫评分试验。对免疫评分方法的不断完善,大大增加了免疫评分应用于临床的可能性。
经典的免疫评分大多通过对肿瘤组织切片进行免疫组织化学染色以进行数字病理定量分析,该方法对免疫组织化学染色操作及病理分析要求严格,为了确保该检测方法的稳健性,HalioDx开发的免疫评分专用分析软件Immunoscore® Analyzer已用于经批准临床使用的CE-IVD。而随着检测技术的不断进步以及免疫评分系统的逐渐完善,目前提出了更加便捷的可用于临床的活检免疫评分,且活检免疫评分也在患者预后中表现出强大的预测能力。同时,越来越多的研究采用生信分析工具以选择更有意义的目标免疫细胞进行免疫评分,而不仅局限于经典的CD3+、CD8+细胞,这使免疫评分可在不同瘤种中发挥更优的作用。
但免疫评分也存在一些亟待解决的问题:首先,免疫评分是一项运用数字病理方法对特定CD3、CD8细胞进行定量检测的方法,尽管这种方法已显示出强大的功能,但仍尚未被病理学界完全接受;其次,在临床中活检组织很难取到肿瘤侵袭边缘的标本,因此对免疫评分中的IM定量较难实现。针对这一问题,目前已开发了用于临床活检的免疫评分方法,尽管不及免疫评分(含IM)的预测能力强大,该方法也能显著预测患者的预后[26];再者,免疫评分还需对不同肿瘤进行更加规范化、标准化的定量,以提高其临床适用性;最后,关于免疫评分对不同肿瘤单一或联合治疗方法的疗效预测作用,还需进行更多可靠的且具代表性的前瞻性试验来进一步论证。
5 结语与展望作为首个基于免疫因素对肿瘤进行分类的检测方法,免疫评分可对经典的TNM分期进行优化,从而形成TNM-I分期,以对肿瘤患者进行更全面、精准地评估。目前,免疫评分已在多种肿瘤的预后及疗效研究中展现出其强大的预测能力,增加了免疫评分作为生物标志物进入临床的可能性。在未来,若免疫评分应用于临床,不仅可以预测患者的生存期,还能评估免疫治疗及辅助治疗的效果,从而指导临床治疗方案的制定,实现个体化的治疗,延长患者的生存期。
作者贡献:
李玉婷:文献检索及分析、文章构思及撰写
丁军利、王惠宇:参与文章整体设计及修改
许隽颖:参与文章整体设计、修改及审校
| [1] |
Galon J, PagèS F, Marincola FM, et al. Cancer classification using the Immunoscore: a worldwide task force[J]. J Transl Med, 2012, 10: 205. DOI:10.1186/1479-5876-10-205 |
| [2] |
Angell H, Galon J. From the immune contexture to the Immunoscore: the role of prognostic and predictive immune markers in cancer[J]. Curr Opin Immunol, 2013, 25(2): 261-267. DOI:10.1016/j.coi.2013.03.004 |
| [3] |
Mlecnik B, Tosolini M, Kirilovsky A, et al. Histopathologic-based prognostic factors of colorectal cancers are associated with the state of the local immune reaction[J]. J Clin Oncol, 2011, 29(6): 610-618. DOI:10.1200/JCO.2010.30.5425 |
| [4] |
Galon J, Fridman WH, Pagès F. The adaptive immunologic microenvironment in colorectal cancer: a novel perspective[J]. Cancer Res, 2007, 67(5): 1883-1886. DOI:10.1158/0008-5472.CAN-06-4806 |
| [5] |
Fridman WH, Pagès F, Sautès-Fridman C, et al. The immune contexture in human tumours: impact on clinical outcome[J]. Nat Rev Cancer, 2012, 12(4): 298-306. DOI:10.1038/nrc3245 |
| [6] |
Galon J, Costes A, Sanchez-Cabo F, et al. Type, density, and location of immune cells within human colorectal tumors predict clinical outcome[J]. Science, 2006, 313(5795): 1960-1964. DOI:10.1126/science.1129139 |
| [7] |
Pagès F, Kirilovsky A, Mlecnik B, et al. In situ cytotoxic and memory T cells predict outcome in patients with early-stage colorectal cancer[J]. J Clin Oncol, 2009, 27(35): 5944-5951. DOI:10.1200/JCO.2008.19.6147 |
| [8] |
Khatamianfar V, Valiyeva F, Rennie PS, et al. TRIM59, a novel multiple cancer biomarker for immunohistochemical detection of tumorigenesis[J]. BMJ Open, 2012, 2(5): e001410. DOI:10.1136/bmjopen-2012-001410 |
| [9] |
Ilie M, Hofman V, Dietel M, et al. Assessment of the PD-L1 status by immunohistochemistry: challenges and perspectives for therapeutic strategies in lung cancer patients[J]. Virchows Arch, 2016, 468(5): 511-525. DOI:10.1007/s00428-016-1910-4 |
| [10] |
Häyry V, Kågedal Å, Hjalmarsson E, et al. Rapid nodal staging of head and neck cancer surgical specimens with flow cytometric analysis[J]. Br J Cancer, 2018, 118(3): 421-427. DOI:10.1038/bjc.2017.408 |
| [11] |
Mamatjan Y, Agnihotri S, Goldenberg A, et al. Molecular Signatures for Tumor Classification: An Analysis of The Cancer Genome Atlas Data[J]. J Mol Diagn, 2017, 19(6): 881-891. DOI:10.1016/j.jmoldx.2017.07.008 |
| [12] |
Yanovich G, Agmon H, Harel M, et al. Clinical Proteomics of Breast Cancer Reveals a Novel Layer of Breast Cancer Classification[J]. Cancer Res, 2018, 78(20): 6001-6010. |
| [13] |
Mcalpine J, Leon-Castillo A, Bosse T. The rise of a novel classification system for endometrial carcinoma; integration of molecular subclasses[J]. J Pathol, 2018, 244(5): 538-549. DOI:10.1002/path.5034 |
| [14] |
Bruni D, Angell HK, Galon J. The immune contexture and Immunoscore in cancer prognosis and therapeutic efficacy[J]. Nat Rev Cancer, 2020, 20(11): 662-680. DOI:10.1038/s41568-020-0285-7 |
| [15] |
PagèS F, Mlecnik B, Marliot F, et al. International validation of the consensus Immunoscore for the classification of colon cancer: a prognostic and accuracy study[J]. Lancet, 2018, 391(10135): 2128-2139. DOI:10.1016/S0140-6736(18)30789-X |
| [16] |
Marliot F, Lafontaine L, Galon J. Immunoscore assay for the immune classification of solid tumors: Technical aspects, improvements and clinical perspectives[J]. Methods Enzymol, 2020, 636: 109-128. |
| [17] |
Sun C, Xu J, Song J, et al. The predictive value of centre tumour CD8+ T cells in patients with hepatocellular carcinoma: comparison with Immunoscore[J]. Oncotarget, 2015, 6(34): 35602-35615. DOI:10.18632/oncotarget.5801 |
| [18] |
gabrielson A, Wu Y, Wang H, et al. Intratumoral CD3 and CD8 T-cell Densities Associated with Relapse-Free Survival in HCC[J]. Cancer Immunol Res, 2016, 4(5): 419-430. DOI:10.1158/2326-6066.CIR-15-0110 |
| [19] |
Tahkola K, Mecklin JP, Wirta EV, et al. High immune cell score predicts improved survival in pancreatic cancer[J]. Virchows Arch, 2018, 472(4): 653-665. DOI:10.1007/s00428-018-2297-1 |
| [20] |
Jiang Y, Zhang Q, Hu Y, et al. ImmunoScore Signature: A Prognostic and Predictive Tool in Gastric Cancer[J]. Ann Surg, 2018, 267(3): 504-513. DOI:10.1097/SLA.0000000000002116 |
| [21] |
Tumeh PC, Harview CL, Yearley JH, et al. PD-1 blockade induces responses by inhibiting adaptive immune resistance[J]. Nature, 2014, 515(7528): 568-571. DOI:10.1038/nature13954 |
| [22] |
Nie RC, Yuan SQ, Wang Y, et al. Robust immunoscore model to predict the response to anti-PD1 therapy in melanoma[J]. Aging(Albany NY), 2019, 11(23): 11576-11590. |
| [23] |
Hamid O, Schmidt H, Nissan A, et al. A prospective phase Ⅱ trial exploring the association between tumor microenvironment biomarkers and clinical activity of ipilimumab in advanced melanoma[J]. J Transl Med, 2011, 9: 204. DOI:10.1186/1479-5876-9-204 |
| [24] |
Mastracci L, Fontana V, Queirolo P, et al. Response to ipilimumab therapy in metastatic melanoma patients: potential relevance of CTLA-4 tumor infiltrating lymphocytes and their in situ localization[J]. Cancer Immunol Immunother, 2020, 69(4): 653-662. DOI:10.1007/s00262-020-02494-y |
| [25] |
Pagès F, André T, Taieb J, et al. Prognostic and predictive value of the Immunoscore in stage Ⅲ colon cancer patients treated with oxaliplatin in the prospective IDEA France PRODIGE-GERCOR cohort study[J]. Ann Oncol, 2020, 31(7): 921-929. DOI:10.1016/j.annonc.2020.03.310 |
| [26] |
Van den Eynde M, Mlecnik B, Bindea G, et al. The Link between the Multiverse of Immune Microenvironments in Metastases and the Survival of Colorectal Cancer Patients[J]. Cancer Cell, 2018, 34(6): 1012-1026. DOI:10.1016/j.ccell.2018.11.003 |
2021, Vol. 48


