中山大学肿瘤防治中心顶刊突破！IF=10.6揭秘 ESCC 免疫联合放化疗预测新工具：血清 3 细胞因子构建 CYTOscore，精准分层疗效与生存-特诺科技官方网站

中山大学肿瘤防治中心顶刊突破！IF=10.6揭秘 ESCC 免疫联合放化疗预测新工具：血清 3 细胞因子构建 CYTOscore，精准分层疗效与生存

来源：特诺科研

局部晚期食管鳞癌（ESCC）采用放化疗（CRT）联合抗 PD-1 治疗已展现出不错的疗效，但目前缺乏可靠的预测标志物区分获益人群 —— 细胞因子作为肿瘤微环境（TME）的免疫炎症介质，其在 ESCC 该治疗模式中的预测价值尚未明确。近日，中山大学肿瘤防治中心团队在《Journal for Immunotherapy of Cancer》（J Immunother Cancer，IF=10.6，2026 年发表，开源获取）发表重磅研究：通过分析两项 II 期临床试验的 81 例 ESCC 患者，筛选出 IL-8、CCL3、CCL4 三个血清细胞因子，构建 CYTOscore 风险模型，可有效预测治疗响应与生存，且在 61 例独立队列中验证成功；多组学分析进一步揭示低风险组 B 细胞富集 IFN-γ/α 通路的免疫微环境特征。

文章信息速览

原标题：Serum cytokines predict response and survival in esophageal squamous cell carcinoma receiving chemoradiotherapy combined with anti-PD-1 antibody: analyses of two phase II clinical trials
期刊：Journal for Immunotherapy of Cancer（J Immunother Cancer，IF=10.6，肿瘤免疫治疗领域顶刊，开源获取）
关键词：食管鳞癌（ESCC）、放化疗联合抗 PD-1、血清细胞因子、CYTOscore 模型、多组学、空间转录组、B 细胞、IFN-γ/α 通路

研究核心亮点

这篇 J Immunother Cancer 顶刊的成功，核心在于 “临床队列筛选→模型构建 + 双重验证→多组学机制解析→临床工具转化” 的闭环体系，4 大步骤完美契合肿瘤免疫治疗顶刊对 “临床价值 + 可靠性 + 科学深度” 的要求，关键结果均严格对应原文图表与数据：

1. 第一步：临床队列初筛，锁定 3 个核心细胞因子（图 1）

研究设计：纳入两项 II 期临床试验（NEOCRTEC1901、EC-CRT-001）的 81 例 ESCC 患者，均接受 CRT + 特瑞普利单抗治疗，检测基线、治疗中、治疗后 3 个时间点的 19 种血清细胞因子；

筛选标准：以“预测 CR 率” 和 “关联 OS/PFS” 为核心终点，通过 ROC 曲线确定最佳截断值，单因素 Cox 分析筛选预后相关因子；

核心结果：基线IL-8、CCL3、CCL4水平升高与更差的 OS（IL-8 HR=3.05，p=0.002；CCL3 HR=2.59，p=0.016）、PFS 显著相关，且低水平组 CR 率显著更高（IL-8：66% vs 39%，p=0.038；图 1C、D）；

图1

价值：基于临床真实世界数据筛选，确保标志物的“临床相关性”，是顶刊认可的 “起点逻辑”。

2. 第二步：构建 CYTOscore 模型，内外队列双重验证（图 2、3）

模型构建：将 IL-8、CCL3、CCL4 分别按 “高于截断值 = 1 分，低于 = 0 分” 计分，总分（0-3 分）定义为 CYTOscore，合并 0-1 分为低风险组、2-3 分为高风险组；

内部验证（81 例）：

低风险组 CR 率 66%，高风险组仅 35%（p=0.014，图 2E）；

低风险组 OS（HR=0.31，95% CI 0.16-0.62，p=0.00045）、PFS（HR=0.33，95% CI 0.17-0.62，p=0.00036）显著更长（图 2D）；

图2

外部验证（61 例）：

独立队列患者接受 CRT + 替雷利珠单抗治疗，采用相同截断值和计分规则；

低风险组 CR 率 66% vs 高风险组 27%（p=0.039，图 3A），OS（HR=0.30，95% CI 0.09-0.99，p=0.045）、PFS（HR=0.36，95% CI 0.15-0.87，p=0.018）仍更优（图 3B）；

图3

动态监测价值：治疗中 / 后 CYTOscore 仍可预测生存，且 “持续低风险” 患者预后最佳（图 2G、3F）；

价值：通过“内部 + 外部”“不同 PD-1 抑制剂” 验证，确保模型的 “通用性”，解决了既往研究 “单中心偏倚” 的痛点。

3. 第三步：整合临床特征，构建列线图临床工具（图 4）

模型优化：多因素 Cox 分析确认 CYTOscore（HR=1.62，p=0.004）、TNM 分期（HR=2.86，p=0.0035）、BMI 为独立预后因素，整合三者构建列线图；

预测效能：

列线图预测 1、2、3 年 OS 的 AUC 分别达 0.77、0.78、0.76（图 4B），显著优于单一 CYTOscore；

校准曲线显示，预测值与实际生存 outcomes 一致性良好（图 4C）；

图4

价值：从“单纯标志物” 升级为 “临床可用工具”，可量化患者个体风险，直接指导治疗决策 —— 这是顶刊青睐的 “转化导向” 亮点。

4. 第四步：多组学解析机制，锁定 B 细胞 IFN 通路（图 5）

研究手段：对 44 例患者的肿瘤组织进行 Bulk RNA-seq、全外显子测序（WES），对 7 例患者进行空间转录组分析；

核心发现：

Bulk RNA-seq：低风险组富集 IFN-γ/α 信号通路、炎症反应通路，高风险组成纤维细胞、周细胞占比更高（图 5A、B）；

空间转录组：两组免疫细胞数量无显著差异，但低风险组 B 细胞中 IFN-γ/α 通路显著富集（图 5E），提示 B 细胞功能增强而非数量增加是疗效提升的关键；

图5

WES：未发现两组基因突变谱差异，排除基因组背景干扰；

机制结论：低水平 IL-8/CCL3/CCL4 可塑造 “B 细胞高 IFN 活性” 的免疫微环境，增强抗原呈递与 T 细胞活化，从而提升 CRT + 抗 PD-1 疗效；

价值：从“关联” 到 “因果机制”，为标志物的临床价值提供生物学依据，大幅提升研究深度。

总结：临床 + 模型 + 机制，肿瘤免疫顶刊的发文逻辑

中山大学肿瘤防治中心团队的这项研究，完美示范了肿瘤免疫治疗顶刊的“黄金发文公式”：临床痛点→队列筛选标志物→构建可量化模型→内外验证确保可靠性→多组学解析机制→转化为临床工具。整个研究从临床需求出发，以患者生存为核心，既有 “实用的预测模型”，又有 “深刻的机制解释”，同时满足 “临床价值” 与 “科学深度”，这正是 J Immunother Cancer 等顶刊的核心收录标准。