Abstract Over the past decade, several strategies have revolutionized the clinical management of patients with cutaneous melanoma (CM), including immunotherapy and targeted tyrosine kinase inhibitor (TKI)-based therapies. Indeed, immune checkpoint inhibitors (ICIs), alone or in combination, represent the standard of care for patients with advanced disease without an actionable mutation. Notably BRAF combined with MEK inhibitors represent the therapeutic standard for disease disclosing BRAF mutation. At the same time, FDG PET/CT has become part of the routine staging and evaluation of patients with cutaneous melanoma. There is growing interest in using FDG PET/CT measurements to predict response to ICI therapy and/or target therapy. While semiquantitative values such as standardized uptake value (SUV) are limited for predicting outcome, new measures including tumor metabolic volume, total lesion glycolysis and radiomics seem promising as potential imaging biomarkers for nuclear medicine. The aim of this review, prepared by an interdisciplinary group of experts, is to take stock of the current literature on radiomics approaches that could improve outcomes in CM.

Background: Immune checkpoint inhibitors (ICI) have significantly improved cancer prognosis but can lead to immune-related adverse events (irAE), including cutaneous manifestations affecting 30% to 60% of ICI-treated patients. However, the physiopathology of cutaneaous irAE remains unclear. Objective: This study investigated the immune infiltration in tissues affected by cutaneous irAE to elucidate their contribution to the pathogenesis of these toxicities. Methods: Skin biopsies from 6 patients with ICI-induced lichenoid eruptions were compared using imaging mass cytometry to samples from 7 controls with non-drug-related lichen planus. Results: T cells were the predominant cell type within the inflammatory infiltrate in all samples, but we observed a reduced T-cell infiltration and an increased B-cell frequency in ICI-induced lichen planus compared to non-drug related lichen planus. Among B cells, we observed a significant decrease in IgD-CD27- double-negative B cells and an increase in IgD+CD27- naive B cells. Spatial analysis demonstrated that infiltrating B cells were organized in aggregates close to T cells in ICI-induced lichen planus. Limitations: This is a retrospective single-center study with a relatively small sample size. Conclusion: This study sheds light on the involvement of B cells in the pathogenesis of ICI-induced lichen planus, suggesting distinct immunological mechanisms from non-drug-related lichen planus.

Abstract Anti-BRAF plus anti-MEK are used as first-line treatment of patients with metastatic melanomas harboring BRAF V600E mutation. The main issue with targeted therapy is acquired cellular resistance. In 70% of acquired resistance, melanoma cells switch their phenotype and become more aggressive and invasive. The molecular signature of this phenotype is MITF low, AXL high associated with actin cytoskeleton reorganization. After this switch, resistant cells present an anarchic cell proliferation due to MAP kinase pathway hyper-activation. We demonstrate that resistant cell lines presenting phenotype switching overexpress DDR1 and DDR2. We show that DDR2 inhibition induces a decrease in AXL and reduces actin stress fiber formation. Once this phenotype switching is acquired, we report that both DDRs promotes tumor cell proliferation, but only DDR2 can over-activate the MAP kinase pathway in resistant invasive cells in vitro and in vivo . Therefore, DDRs inhibition could be a promising strategy for countering this resistance mechanism. Significance Our results show that DDR2 is a relevant target in melanoma resistance. DDR2 is required at the beginning of resistance for melanoma cell phenotype switching to occur. After phenotype switching, DDRs promote tumor cell proliferation of resistant invasive melanoma cells, but only DDR2 is able to over-activate the MAP kinase pathway. We put forward dasatinib (a DDR inhibitor) as a potential second-line treatment after targeted dual therapy for resistant patients overexpressing DDRs.

ABSTRACT Objective Persistent inflammation can promote the development of tertiary lymphoid structures (TLS) within tissues resembling the secondary lymphoid organs (SLO) as lymph nodes (LN). The composition of the TLS across different organs and diseases could be of pathophysiological and medical interest. In this work, we compared TLS to SLO and between cancer and inflammatory diseases of the digestive tract. Design Colorectal and gastric tissues with different inflammatory diseases and cancers from the department of pathology of CHU Brest were analyzed based on 39 markers using imaging mass cytometry (IMC). Unsupervised and supervised clustering analyses of IMC images were used to compare SLO and TLS. Results Unsupervised analyses tended to group TLS per patient but not per disease. Supervised analyses of IMC images revealed that LN had a more organized structure than TLS and non-encapsulated SLO Peyer’s patches. TLS followed a maturation spectrum with close correlations between germinal cell (GC) markers’ evolution. The correlations between organizational and functional markers made relevant the previously proposed TLS division into three stages: lymphoid-aggregates (LA) (CD20+CD21-CD23-) had neither organization nor GC functionality, non-GC TLS (CD20+CD21+CD23-) were organized but lacked GC’s functionality and GC-like TLS (CD20+CD21+CD23+) had GC’s organization and functionality. This architectural and functional maturation grading of TLS pointed to differences across diseases. Conclusion TLS architectural and functional maturation grading is accessible with few markers allowing future diagnostic, prognostic, and predictive studies on the value of TLS grading, quantification and location within pathological tissues in cancers and inflammatory diseases. KEY MESSAGES - What is already known on this topic: Tertiary lymphoid structures (TLS) arise in organs under various pathological conditions and can be of prognostic significance. - What this study adds: This study deciphers the composition of TLS in digestive cancers and inflammatory diseases using massively multiplexed (39 markers) imaging mass cytometry (IMC). Beyond the term TLS, this study points to the heterogeneity of these structures in terms of composition and maturation but also the relevance of a simple architectural and functional three-stage grading of TLS. - How this study might affect research, practice, or policy: This preliminary study paves the way for future studies evaluating the diagnostic, prognostic and theranostic values of TLS maturation grading, quantification and location within tissues as novel biomarkers in inflammatory diseases and cancers.

Background:

 Sjögren's Syndrome (SjS) is a complex autoimmune disease predominantly affecting the salivary and lacrimal glands, leading to hallmark symptoms such as dry eyes and mouth. Its distinctive clinical manifestations, coupled with symptom overlap with other disorders, make its diagnosis challenging. Traditional diagnostic criteria, as outlined by the American College of Rheumatology (ACR), encompass clinical assessments, including Anti-Ro/SSA antibody levels, focus score, and quantification of dry eye and mouth. Despite their utility, these criteria often suffer from issues of reproducibility and sensitivity. This underscores the pressing need for more advanced and reliable diagnostic techniques in the field. 

Objectives:

 In this work we developed a deep learning algorithm that combines clinical data with histopathological images of minor salivary glands in order to predict for Sjögren's syndrome. By analyzing H&E stained labial gland biopsies using a Convolutional Neural Network (CNN) encoder in conjunction with a Multi-Layer Perceptron (MLP) and the ACR criteria. This strategy aims to improve diagnostic precision above and beyond the capabilities of traditional techniques, providing a notable improvement in the diagnosis and treatment planning of Sjögren's Syndrome patients. 

Methods:

 Data for this study was sourced from the DIApSS (Diagnostic Suspicion of Primitive Sjögren's Syndrome - Brest Cohort, NCT03681964) observational study. Our dataset comprised 167 patients, 95 confirmed Sjögren's patients and 72 non-Sjögren's participants. Patients were split into three groups training: 99 for training, 33 for validation, and 33 for testing. Our pipeline includes a Multi-Layer Perceptron (MLP) and a Convolutional Neural Network (CNN) encoder, implemented using PyTorch. The MLP processes clinical data: gender, xerophthalmia symptoms, Schirmer's test, and Anti-Ro/SSA (UA/mL) and the CNN encoder, which processes H&E stained labial gland biopsy images. The combined output of both models is then fed into a classification head for prediction. 

Results:

 Evaluating the diagnostic precision using the clinical data alongside H&E Whole Slide Images (WSI), we obtained an Area Under the Curve (AUC) of 0.98, Accuracy of 0.86, kappa score 0.69, and a recall of 0.86. Cohen's kappa score of 0.69 indicates that the model's predictions show a moderate degree of agreement that goes beyond chance. 

Conclusion:

 This study successfully demonstrates the potential of integrating clinical data and histopathological images to obtain significant diagnostic accuracy. This approach paves the way for more reliable and reproducible diagnoses of Sjögren's Syndrome.In future studies we will focus on refining the trained models and exploring further the analysis of the histopathological images. 

REFERENCES:

 NIL 

Acknowledgements:

 NIL. 

Disclosure of Interests:

 None declared.