Hepatic CD4 T Cells Predict Hepatocellular Carcinoma Risk on Metabolic Dysfunction‐Associated Steatohepatitis Patients
Notice bibliographique
Résumé
BACKGROUND & AIMS: Metabolic dysfunction-associated steatohepatitis (MASH) increasingly drives hepatocellular carcinoma (HCC) development. We characterized inflammatory infiltrates in liver biopsies from MASH patients who developed HCC versus controls to identify predictive immune signatures. METHOD: Formalin-fixed paraffin-embedded (FFPE) liver biopsies from MASH patients were categorized as pre-HCC MASH (n = 10) or control MASH (n = 13) by the ESCALON consortium. Standardized histological analysis and multiplexed immunohistochemistry were performed targeting CD4, CD8, PD1, PDL1, FoxP3, CXCR6, CD3, CD68, and CD20 using a PhenoImager Fusion scanner. Single-cell RNA-seq datasets characterized hepatic CD4 T cell heterogeneity. Clinical parameters measured included ALT, AST, GGT, alkaline phosphatase, platelets, and INR. RESULTS: Pre-HCC MASH showed inflammation extending from portal to periportal areas versus portal-only distribution in controls. Analysis of 291,908 cells revealed significantly higher CD4+ density (p = 0.0243) and CD4+PD1+ cells (p = 0.017) in pre-HCC patients, while CD8+ and regulatory T cell densities remained unchanged. Single-cell RNA-seq identified potential phenotypic shifts from Th1 cytotoxicity toward tissue-repair and Th17 CD4+ T cells in MASH livers. Combined immunological and clinical variables (sex, age, CD4+ T cell numbers, ALT, alkaline phosphatase and platelets) achieved excellent predictive performance (ROC-AUC = 0.944) for HCC development. CONCLUSIONS: Increase in liver CD4+ T cell infiltration characterizes MASH-to-HCC progression. These immune signatures combined with clinical parameters demonstrate remarkable predictive value for identifying high-risk MASH patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».