98 篇论文
该研究通过对 40 例局部晚期肛门鳞状细胞癌患者进行多组学分析，发现特定的转录组免疫特征（如 CD8+ 中央记忆 T 细胞浸润和三级淋巴结构）及基因表达谱（如 FDCSP、ALDOB 等）能有效预测放化疗反应并改善预后，而肿瘤突变负荷虽与生存期缩短相关，却与放化疗反应无显著关联。
该研究通过血浆小细胞外囊泡的蛋白质组学分析，鉴定出包含 MUC1、MUC5B、MUC5AC 和 ANPEP 的四蛋白特征，并据此构建了一个机器学习模型，能够作为无创工具准确预测非小细胞肺癌患者对免疫治疗的反应及生存预后。
本文提出了一种名为 Personalized-DrugRank 的新方法，通过整合患者特异性转录组数据与药物扰动数据，实现了对癌症患者术后辅助治疗反应及其响应时间的联合预测，从而为个性化精准医疗决策提供支持。
这项系统评价和荟萃分析表明，虽然草甘膦除草剂的“任何暴露”与淋巴瘤的关联尚存争议，但高剂量暴露与患非霍奇金淋巴瘤的风险增加存在一致的剂量相关性。
nSIGHT™ 是一个直观易用的 Web 平台，旨在通过整合与可视化多模态临床及研究数据，帮助癌症研究人员便捷地构建去标识化队列、评估研究可行性并探索新的科学假设，从而克服临床与研究数据系统间缺乏互操作性的障碍。
该研究开发并评估了一种结合 AI 自动神经血管束分割与影像组学的框架，实现了对前列腺癌生化复发、神经周围侵犯及包膜外扩展的精准预测与分期。
该研究提出了一种名为 CT4CMS 的可解释深度学习框架，通过术前 CT 影像精准预测结直肠癌的共识分子亚型（CMS），实现了无需手术标本的非侵入性分子分层，并验证了其对预后评估及辅助化疗获益指导的临床价值。
这项研究利用超灵敏的 CRISPR 测序技术（MUTE-Seq）对结直肠癌术后患者进行分析，发现大量微小残留病灶信号存在于传统检测阈值（100 ppm）以下，表明提高分析灵敏度对于准确评估术后 MRD 状态及预测复发至关重要。
PUMA 挑战赛通过组织首个黑色素瘤特异性组织与细胞核分割竞赛，利用优胜算法在 1102 例晚期黑色素瘤患者全切片图像上的分析证实，仅肿瘤内淋巴细胞（TILs）密度与免疫检查点抑制剂的治疗反应和生存期存在独立关联，而其他免疫细胞亚群则未显示出独立预测价值。
该研究利用 INFORM 临床试验数据及实验模型，证实 miR-362-3p 通过直接抑制 DNA 损伤反应关键因子 BCLAF1 的表达，特异性地增强三阴性乳腺癌对顺铂的敏感性并改善临床预后。
该研究利用对话式人工智能平台分析基因组数据，揭示塞扎里综合征（SS）与非塞扎里皮肤 T 细胞淋巴瘤（CTCL）在突变负荷上无显著差异，但在表观遗传调控、免疫逃逸及转录控制等信号通路的定性改变上存在显著区别。
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。
这项基于美国1994至2020年数据的整合机器学习分析显示，男性肺癌死亡率下降主要受PM2.5改善驱动，而女性则更多受控烟成效影响，且社会经济因素与药物进展共同作用，预计未来死亡率将继续缓慢下降。
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。
该研究提出了名为 OncoRAG 的本地化图检索增强生成框架，利用中等规模语言模型结合疾病特异性知识图谱，无需微调即可高效、准确地从多语言肿瘤临床笔记中提取特征，显著提升了大规模研究的数据处理效率并保证了下游生存分析的有效性。
该论文指出时间因素可能作为未测量的混杂变量显著影响肿瘤临床试验结果，并建议通过测量或随机化给药时间来识别潜在的昼夜节律依赖性治疗方案。
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。
该研究利用对话式人工智能代理对 184 例胰腺导管腺癌进行整合分析，揭示了 gemcitabine 治疗下不同发病年龄患者中 RTK-RAS 和 MAPK 通路依赖性的特异性差异，从而确立了超越 KRAS 突变的精准肿瘤学框架。
该研究通过模型荟萃分析发现，尽管免疫检查点抑制剂在常规分析中未显示出明确的生存质量（QoL）优势，但纵向轨迹模型揭示了其能显著加速 QoL 改善，且这种改善与总生存期显著相关，表明传统单时间点分析可能掩盖了治疗带来的真实患者获益。