115 篇论文
肿瘤学致力于探索癌症的成因、发展机制以及更有效的治疗策略，这一领域直接关乎如何延长患者生命并提升生活质量。在 Gist.Science 的肿瘤学板块中，我们关注从早期筛查到创新疗法的最新科学发现，力求让复杂的研究成果变得清晰易懂。
本分类下的所有论文均源自 medRxiv 预印本平台。我们系统性地处理该平台上发布的每一份新预印本，不仅提供详尽的技术性解读，更撰写通俗易懂的通俗摘要，帮助医学专业人士及公众快速把握核心进展。
以下是本分类下最新的预印本论文列表，供您查阅。
该研究通过整合单细胞转录组与孟德尔随机化及共定位分析，揭示了前列腺癌中 CD4 和 CD8 T 细胞等免疫细胞特异的因果基因驱动机制，并鉴定出如 IGF1R 和 FAAH 等可重定位的药物靶点，为精准免疫治疗开发提供了高分辨率资源。
该研究开发了一种集成注意力门控机制的 U-Net 深度学习模型，通过多队列验证证明了其在从外周血中精准检测循环肿瘤相关细胞（CTAC）方面的鲁棒性与高特异性，从而支持了其在癌症早期检测中的临床应用价值。
该研究提出了一种基于图约束的潜在建模框架，通过强制形态学特征与基因网络结构对齐，实现了仅利用胰腺癌组织病理学图像即可进行具有生物学可解释性的分子亚型预测，从而在无需基因测序的情况下推动了精准肿瘤学的发展。
这项研究证实，在社区和学术医疗中心为接受肿瘤基因组检测的多样化癌症患者提供一段 3-4 分钟的简明教育视频，能显著且持久地提高患者对检测相关信息（如治疗影响、意外发现及保险覆盖）的理解。
该研究利用 SEER 数据库分析表明，新辅助治疗后 ypN1 期乳腺癌患者的生存结局存在异质性，其中仅残留 1 个阳性淋巴结的患者可安全接受腋窝降阶梯手术，而残留 2 个及以上阳性淋巴结者则需更广泛的腋窝评估以避免生存率下降。
本研究利用因果机器学习框架（CAST）分析了 776 名低级别胶质瘤患者的数据，揭示了化疗具有持续且显著的生存获益，而放疗效果则受年龄等异质性因素影响且存在混杂敏感性，从而为个体化治疗决策提供了动态时间轨迹视角。
本研究旨在通过系统综述和网络荟萃分析，评估既往接受过蒽环类药物治疗的不可切除、晚期或复发性软组织肉瘤患者中二线及后续系统性治疗方案的疗效，以解决当前临床指南缺乏一致推荐的问题。
这项在加纳进行的研究通过定性分析揭示了妇科癌症及其治疗对育龄女性生育能力的多维打击，指出其不仅引发身份认同危机、社会污名化和经济困境，也凸显了将生育咨询、心理支持及社会保护整合进当地癌症护理体系的紧迫性。
该研究在 B16F10 黑色素瘤小鼠模型中证实，通过直接诱导肿瘤细胞凋亡的芳基硫酸酯酶 B（ARSB）与针对浸润性细胞毒性淋巴细胞的帕博利珠单抗联合使用，能通过不同机制产生协同效应，从而抑制黑色素瘤的进展并改善治疗效果。
该研究开发并验证了名为 PROGRESS 的机器学习辅助预后评分系统，该系统仅利用 PSA、ALP 和 AST 三项常规实验室指标，即可在去势抵抗性前列腺癌（CRPC）患者中实现简单、客观且有效的风险分层，从而支持个体化临床决策。