61 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。
该论文提出了一种名为“虚拟光谱分解（VSD）”的可解释人工智能框架，通过模态无关的六通道组织成分分解和树突状瓦片选择算法，在胰腺、肺和乳腺癌的多模态影像分析中实现了无需分子检测即可进行可验证的肿瘤免疫表型分型与早期检测。
该研究通过建立覆盖 17 个欧洲国家的多中心前瞻性药物反应谱（DRP）注册系统，成功对 340 名复发或难治性儿童急性淋巴细胞白血病患儿进行了功能学药物筛选，证实了基于 DRP 指导的精准治疗（如使用维奈克拉等药物）在改善高危患者临床反应率、延长生存期及衔接细胞治疗方面的可行性与临床价值。
这项基于 UK Biobank 的前瞻性队列研究利用加速度计数据分析了 224 种昼夜节律相关指标与结直肠癌风险的关联，发现尽管某些身体活动强度模式在初步分析中与风险降低相关，但在调整生活方式和代谢协变量后关联显著减弱，表明这些多维数字生物标志物可能并非独立的预测因子。
这项在哥伦比亚开展的多中心观察性研究旨在通过检测 IDH 野生型胶质母细胞瘤患者肿瘤组织中的 PINK1 蛋白表达水平，前瞻性验证其作为总生存期和无进展生存期等预后生物标志物的有效性。
本文介绍了 STRONG AYA 国际联盟如何利用联邦学习技术整合英国约克郡儿童与青年癌症专科登记处（YSRCCYP）等数据，通过开发核心结局集和新型可视化分析工具，将群体登记数据转化为支持青少年及青年成人（AYA）肿瘤患者临床决策与医患沟通的洞察。
该研究开发并验证了一种基于 Transformer 的 2.5D 深度学习模型（ThyLNT），利用术前 CT 图像显著提高了乳头状甲状腺癌淋巴结转移的预测精度，并通过多组学分析揭示了其与 VEGFA 介导的血管生成及上皮 - 间质转化等生物学机制的内在联系。
该研究证实，利用临床粪便免疫化学测试（FIT）的剩余样本进行肠道微生物群分析，其结果在 14 天内保持稳定且与标准全粪便样本高度一致，为开展大规模、低成本的肠道微生物研究提供了可行方案。
本系统评价与荟萃分析表明，基于人工智能的循环 microRNA 标志物在早期乳腺癌检测中展现出良好的诊断准确性（AUC 0.905），可作为影像学筛查的潜在辅助工具，但未来仍需更多前瞻性、标准化及外部验证的研究以支持其临床常规应用。
这项针对 867 个样本的多组学研究证实，高浆液性卵巢癌中 ADC 靶点（尤其是 TACSTD2 和 FOLR1）的表达在空间和时间上具有高度稳定性且主要局限于癌细胞，表明 80% 的患者具备接受相应抗体偶联药物治疗的潜力。
这项在里昂贝纳德中心开展的回顾性研究显示，低剂量纳武利尤单抗（每三周 20 毫克）在包括高龄和体能状态较差患者在内的晚期癌症（尤其是鳞状细胞癌）治疗中，表现出与标准剂量相当的疗效和可控的安全性，为资源有限环境下的治疗提供了新希望。