98 Arbeiten
Diese Studie identifiziert eine immunbezogene transkriptomische Signatur, die durch eine reiche Infiltration von CD8+ T-Zellen und das Vorhandensein tertiärer lymphatischer Strukturen gekennzeichnet ist, als prädiktiven Marker für das Ansprechen auf die Chemoradiotherapie und das Überleben bei Patienten mit Plattenepithelkarzinom des Anus.
Die Studie entwickelt einen auf Proteomik extrazellulärer Vesikel und maschinellem Lernen basierenden, nicht-invasiven Score, der aus einem vier-Protein-Panel (MUC1, MUC5B, MUC5AC, ANPEP) besteht und das Ansprechen auf die Immuntherapie sowie das Überleben bei Patienten mit nicht-kleinzelligem Lungenkrebs präzise vorhersagt.
Die Studie stellt die Methode Personalized-DrugRank vor, die durch die Kombination patientenspezifischer Transkriptomdaten mit Störungsdaten aus Zelllinien-Assays sowohl das Ansprechen von Krebspatienten auf adjuvante Therapien als auch die Zeit bis zum Therapieerfolg oder -versagen mit hoher Genauigkeit vorhersagt.
Diese systematische Übersicht und Metaanalyse zeigt, dass zwar eine moderate Assoziation zwischen einer beliebigen Glyphosat-Exposition und Non-Hodgkin-Lymphomen besteht, jedoch ein konsistenter dosisabhängiger Zusammenhang mit einem erhöhten Risiko bei hohen Expositionsniveaus vorliegt.
Das webbasierte Daten-Entdeckungs-Tool nSight™ ermöglicht es Krebsforschern, durch eine benutzerfreundliche Visualisierung und Integration multimodaler klinischer sowie molekularer Daten schnell deidentifizierte Patientenkohorten zu erstellen und retrospektive Analysen durchzuführen, um so die Interoperabilität zwischen Forschungs- und Kliniksystemen zu überwinden und neue Hypothesen zu generieren.
Diese Studie stellt einen automatisierten Framework vor, der eine KI-gestützte Segmentierung der neurovaskulären Bündel mit Radiomik kombiniert, um das Invasionsrisiko zu bewerten und das biochemische Rezidiv sowie die perineurale Infiltration und extraprostatäre Ausdehnung bei Prostatakrebs vorherzusagen.
Diese Studie stellt CT4CMS vor, ein interpretierbares Deep-Learning-Modell, das mithilfe von präoperativen CT-Scans und einem selbstüberwachten 3D-Repräsentationslernen die Konsensus-Molekular-Subtypisierung (CMS) bei Darmkrebs präzise vorhersagt und so eine nicht-invasive molekulare Stratifizierung für personalisierte Therapieentscheidungen ermöglicht.
Die Studie zeigt, dass die Klassifizierung eines minimalen Resttumors (MRD) beim kolorektalen Karzinom nach kurativer Operation stark von der analytischen Empfindlichkeit abhängt, da ein erheblicher Anteil der verbleibenden Krankheitszeichen unter dem konventionellen Schwellenwert von 100 ppm liegt und ultrasensitive ctDNA-Nachweismethoden daher klinisch relevant sind.
Die PUMA-Challenge zeigte, dass die räumliche Verteilung von tumorinfiltrierenden Lymphozyten in H&E-Schnitten von Melanompatienten am konsistentesten mit dem Ansprechen auf Immuncheckpoint-Inhibitoren und dem Überleben assoziiert ist, während andere Immunzell-Subsets keine unabhängige prognostische Bedeutung aufwiesen.
Die Studie identifiziert die miR-362-3p/BCLAF1-Achse als entscheidenden Regulator der Cisplatin-Sensitivität und des metastatischen Fortschreitens beim triple-negativen Mammakarzinom, wobei miR-362-3p durch die direkte Repression von BCLAF1 die Platinresistenz überwindet.
Die Studie nutzt eine konversationsbasierte Künstliche Intelligenz, um nachzuweisen, dass sich das Sézary-Syndrom von anderen kutanen T-Zell-Lymphomen nicht durch eine höhere Mutationslast, sondern durch qualitative Unterschiede in der Beteiligung von Signalwegen wie der epigenetischen Dysregulation und der Immunflucht unterscheidet.
Diese Studie nutzt eine integrative Einzelzell-Mendelsche-Randomisierungs- und Kollokalisierungsanalyse, um immunzell-spezifische genetische Treiber und potenzielle Wirkstoffziele für die Präzisionsimmuntherapie des Prostatakarzinoms zu identifizieren.
Die Studie zeigt, dass ein auf einem U-Net mit Aufmerksamkeitsmechanismen basierendes Deep-Learning-Modell CTACs in Blutproben zuverlässig erkennt und sich somit als vielversprechende Methode für die Früherkennung von Krebs in verschiedenen klinischen Kohorten eignet.
Diese Studie zeigt, dass der Rückgang der Lungenkrebssterblichkeit in den USA von 1994 bis 2020 geschlechtsspezifisch unterschiedliche Haupttreiber aufweist, wobei bei Männern Feinstaubbelastung und bei Frauen Rauchen die stärksten Prädiktoren darstellen, während sozioökonomische Faktoren und therapeutische Fortschritte ebenfalls eine entscheidende Rolle spielen.
Die Studie stellt einen graphenbasierten Lernrahmen vor, der morphologische Merkmale aus histopathologischen Schnitten von Bauchspeicheldrüsenkrebs mit einem genetischen Netzwerk verknüpft, um molekulare Subtypen ohne Genexpressionsdaten mit hoher Genauigkeit vorherzusagen und so den Zugang zur Präzisionsonkologie zu erweitern.
Die Studie stellt OncoRAG vor, ein lokal einsetzbares, graphenbasiertes Retrieval-System, das mittels eines mittelgroßen Sprachmodells präzise klinische Merkmale aus unstrukturierten Onkologie-Notizen extrahiert und dabei die Notwendigkeit für manuelle Datenerfassung oder spezialisierte Feinabstimmung überflüssig macht.
Der Artikel warnt davor, dass die Tageszeit als unbeobachteter Störfaktor die Ergebnisse von Onkologie-Studien verzerren kann, und schlägt vor, den Behandlungszeitpunkt in klinischen Trials zu messen oder zu randomisieren, um potenziell vorteilhafte, tageszeitabhängige Therapieeffekte zu identifizieren.
Die Studie zeigt, dass ein knappes 3- bis 4-minütiges Aufklärungsvideo das spezifische Wissen von Patienten über die Tumorgenomik in akademischen und kommunalen Einrichtungen nachhaltig verbessert, ohne jedoch das allgemeine Genomwissen oder das Vertrauen in den Arzt zu verändern.
Diese Studie nutzt konversationelle KI-Agenten, um alters- und behandlungsspezifische RTK-RAS- und MAPK-Signalwegabhängigkeiten in gemcitabinbehandelten Pankreaskarzinomen zu identifizieren und zeigt, dass das Fehlen dieser Pathway-Veränderungen bei älteren, unbehandelten Patienten mit einem signifikant besseren Gesamtüberleben einhergeht.
Diese modellbasierte Metaanalyse zeigt, dass die Analyse longitudinaler Lebensqualitätsverläufe bei Immun-Checkpoint-Inhibitoren im Gegensatz zu herkömmlichen Einzelzeitpunkt-Vergleichen signifikante Verbesserungen der Lebensqualität aufdeckt, die eng mit dem Überlebensvorteil korrelieren und somit die klinische Bewertung dieser Therapien präzisieren.