oncology 篇论文 | Gist.Science

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。

本研究表明，将血浆瓜氨酸水平与粪便弹性蛋白酶-1检测相结合，能显著提高症状患者胰腺导管腺癌的诊断准确性，其联合曲线下面积（AUC）达到0.96，而单纯使用粪便弹性蛋白酶-1的AUC仅为0.67。

本研究表明，TRAF6表达升高是宫颈癌预后不良和放射抵抗的独立预后生物标志物，而敲低其表达可抑制恶性表型并增强放射敏感性，提示TRAF6是一个具有前景的治疗靶点。

本研究表明，房水液体活检能够实现全面的多组学图谱分析以及基于机器学习的高精度视网膜母细胞瘤分子分型，为眼保留治疗中的风险评估和精准诊断建立了一个安全、无创的平台。

本研究利用空间多组学技术揭示，接受 Y90 放射栓塞联合纳武利单抗治疗的非获益性肝细胞癌患者表现出一种本质上的免疫缺陷型肿瘤微环境，其特征为 LAG-3 相关的 CD8+ T 细胞耗竭和免疫抑制性巨噬细胞，并据此鉴定出一种用于早期预测疾病进展的 72 基因特征谱。

这项 I 期临床试验表明，出口蛋白 1 抑制剂赛利索（Selinexor）可以安全地与新诊断胶质母细胞瘤的标准放化疗联合使用，其最大耐受剂量为每周两次 60 mg，并显示出初步的疗效信号以及通过延迟性假性进展所证实的潜在放射增敏效应。

本文提出了一个六阶段计算框架，该框架利用已发表的聚合临床试验数据来生成针对尤文肉瘤等罕见癌症的患者级风险分层和长期毒性预测，在克服传统机器学习所需的个体患者数据集匮乏的同时，实现了高准确度和显著提升的预后分辨率。

本研究利用一种计算机模拟临床试验模型来证明患者的异质性显著影响 MV-BiTE 疗法的有效性，并表明对标准方案无反应的患者可能从更频繁、低剂量的给药方式中获益。

本研究提出了一种鲁棒的游离RNA（cfRNA）液体活检平台，该平台利用基于RUVg的归一化方法和XGBoost分类器，在检测早期结直肠癌方面实现了高灵敏度（73.7%），有效地克服了传统基于cfDNA筛查方法的局限性。

这项针对 2,592 例转移性非小细胞肺癌患者的回顾性研究表明，尽管单免疫疗法降低了初始治疗的流失率，但衰弱和共病仍显著限制了治疗的启动与疗效，这表明采用特定的产品标签标准可以更好地识别新型无铂一线方案的候选人群。

本研究展示了 uLCI 的开发与独立验证，该模型是一种基于四种尿液代谢物和临床变量的可解释机器学习模型，能够以高准确度和预后价值有效检测早期肺癌，为当前筛查局限性提供了一种极具前景的非侵入性替代方案。