肝癌CD8+ T细胞空间邻近分析：两队列研究解读

肝癌组织中CD8阳性T细胞的数量与空间位置提供不同信息。Maestri等的两队列研究把细胞质心构建为空间网络，比较CD8 T细胞与肿瘤、巨噬细胞的邻近关系，再在患者层级分析总体生存。以下是文献方法解读，不是泰立瑞软件的实测队列。

染色样本、有效组织芯和生存分析人数不同

样本经过组织及图像质量筛选，不同分析还受随访信息是否完整影响；不能用组织芯数或细胞数替代某张生存图的患者数。研究使用16-plex CODEX成像，细胞分割、marker阈值和人工注释都在空间统计之前完成。

40 μm如何进入邻近网络

原研究由质心坐标构建Voronoi/Delaunay网络，再保留网络相邻且距离小于40 μm的细胞对。它不等同于把40 μm圆内所有细胞一律连边。每类互作次数再除以样本的全部互作次数，得到样本级相对频率。

如果像素尺度、质心位置、肿瘤区分割或边缘排除规则发生变化，网络结果也可能变化。复现时应保存算法、尺度和参数；仅得到相近的彩色点图，不足以说明复现了同一指标。

两类邻近结果应怎样解读

• CD8 T细胞—肿瘤互作较高与更好的总体生存相关，发现与验证队列方向一致；这是回顾性关联。
• 较差空间表型中，部分CD8 T细胞更常以CD68阳性巨噬细胞为近邻，可提示不同的局部环境，但不能直接证明抑制机制。
• 细胞对频率、最近邻比例和空间邻域主题是不同指标。局部免疫浸润主题在发现队列中的生存趋势未达到显著，不能只选验证队列的显著结果叙述。

空间邻近还缺哪些功能证据

研究panel没有FOXP3，不能据此可靠区分调节性T细胞；CD68也不能单独穷尽巨噬细胞功能状态。核分割、自发荧光、阈值和组织芯取样都可能影响结果。需要讨论细胞功能时，应先核对实际测了哪些marker，具体见细胞身份与功能状态的Panel评估。

把研究问题转换成项目输入和输出

输入至少包含多通道原图、panel、每个通道对应关系、像素尺度、区域标注以及患者与组织芯映射。输出应保留细胞坐标、表型依据、网络边、样本指标和质控记录，再按预设终点与协变量做患者级比较。完整数据链见CODEX图像分析流程。

相关软件模块可查看TR-PhenoClass表型分析与TR-Spa空间网络和邻域分析；如需从原图到统计表的协作，可了解图像分析服务。文献中使用的HALO/CODEX分析结果不代表这些模块已在该队列验证。

参考文献与资料

1. Maestri E, et al. Spatial proximity of tumor-immune interactions predicts patient outcome in hepatocellular carcinoma. Hepatology. 2024;79(4):768–779. doi:10.1097/HEP.0000000000000600（2023年在线发表）.

内容整理：泰立瑞｜本文于2026年10月20日更新。文献结果归原研究作者；教学模板、分析建议和软件介绍按文中说明使用。