96 artigos
A oncologia dedica-se ao estudo do câncer, explorando como essas células crescem descontroladamente e afetam o corpo humano. Neste campo, cientistas investigam desde as causas moleculares da doença até novas estratégias para diagnóstico precoce e tratamentos mais eficazes, visando sempre melhorar a qualidade de vida dos pacientes.
No Gist.Science, acompanhamos de perto as descobertas mais recentes publicadas no medRxiv, a principal plataforma de pré-publicações médicas. Processamos cada novo artigo nesta área para oferecer resumos claros em linguagem simples, além de análises técnicas detalhadas, garantindo que avanços complexos sejam compreendidos por todos. Abaixo, você encontrará as pesquisas mais recentes em oncologia que acabam de ser disponibilizadas.
Este estudo demonstra que a combinação dos níveis de citrulina plasmática com o teste de elastase-1 fecal melhora significativamente a precisão diagnóstica para o adenocarcinoma ductal pancreático em pacientes sintomáticos, alcançando uma AUC combinada de 0,96 em comparação com 0,67 para a elastase-1 fecal isoladamente.
Este estudo demonstra que a expressão elevada de TRAF6 serve como um biomarcador prognóstico independente para baixa sobrevida e radiorresistência no câncer cervical, enquanto o seu nocaute suprime fenótipos malignos e aumenta a radiossensibilidade, sugerindo o TRAF6 como um alvo terapêutico promissor.
Este estudo demonstra que a biópsia líquida do humor aquoso permite o perfilamento multiômico abrangente e a estratificação molecular altamente precisa baseada em aprendizado de máquina do retinoblastoma, estabelecendo uma plataforma segura e não invasiva para avaliação de risco e diagnósticos de precisão no tratamento de preservação ocular.
Este estudo utiliza multiômica espacial para revelar que pacientes com carcinoma hepatocelular não benéficos tratados com radioembolização Y90 e nivolumabe exibem um microambiente tumoral intrinsecamente imunodeficiente caracterizado por exaustão de células T CD8+ associada a LAG-3 e macrófagos imunossupressores, levando à identificação de uma assinatura de 72 genes para a predição precoce de doença progressiva.
Este ensaio de Fase I demonstrou que o inibidor da Exportina 1, Selinexor, pode ser combinado com segurança à quimiorradioterapia padrão para glioblastoma recém-diagnosticado em uma dose máxima tolerada de 60 mg duas vezes por semana, mostrando sinais preliminares de eficácia e um potencial efeito radiossensibilizante evidenciado pelo atraso na pseudoprogressão.
Este artigo apresenta uma estrutura computacional de seis estágios que aproveita dados agregados de ensaios publicados para gerar estratificação de risco e previsões de toxicidade a longo prazo em nível de paciente para cânceres raros como o sarcoma de Ewing, superando a falta de conjuntos de dados individuais de pacientes exigidos pelo aprendizado de máquina tradicional, ao mesmo tempo em que alcança alta precisão e uma resolução prognóstica significativamente aprimorada.
Este estudo utiliza um modelo de ensaio clínico in silico para demonstrar que a heterogeneidade dos pacientes impacta significativamente a eficácia da terapia MV-BiTE, sugerindo que não respondedores aos protocolos padrão podem se beneficiar de administrações mais frequentes e de doses menores.
Este estudo apresenta uma plataforma robusta de biópsia líquida de RNA livre de células (cfRNA) que utiliza normalização baseada em RUVg e um classificador XGBoost para alcançar alta sensibilidade (73,7%) na detecção do câncer colorretal em estágio inicial, superando efetivamente as limitações dos métodos tradicionais de triagem baseados em cfDNA.
Este estudo retrospectivo de 2.592 pacientes com câncer de pulmão de células não pequenas metastático revela que, embora a monoimunoterapia tenha reduzido o abandono do tratamento inicial, a fragilidade e as comorbidades ainda limitam significativamente o início e a eficácia da terapia, sugerindo que a adoção de critérios específicos de bula de produtos poderia identificar melhor candidatos para novas opções de primeira linha livres de platina.
Este estudo apresenta o desenvolvimento e a validação independente do uLCI, um modelo de aprendizado de máquina interpretável baseado em quatro metabólitos urinários e variáveis clínicas que detecta efetivamente o câncer de pulmão em estágio inicial com alta precisão e valor prognóstico, oferecendo uma alternativa não invasiva promissora às limitações atuais de rastreamento.