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。

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。

这项基于捷克全国行政数据与癌症登记信息的研究，通过对 10,669 名非小细胞肺癌患者进行分期分层分析，揭示了治疗延迟和区域差异等关键问题，并成功建立了一套包含多学科会诊、治疗时效及生物标志物检测等指标的国家癌症护理质量持续评估体系。

该研究通过对 5 万名胰腺癌患者的症状数据进行网络分析，揭示了不同疾病阶段症状网络结构逐渐稀疏化及核心症状（如黄疸和体重减轻）动态演变的特征，为利用症状模式实现胰腺癌的早期识别提供了新的临床见解。

该研究基于 SEER 数据库及单中心数据，证实对数比（LODDs）在预测胃腺癌患者预后方面优于传统的 AJCC N 分期和淋巴结比率（LNR），并据此构建了具有良好临床净效益的个体化预后列线图。

该研究基于 TCGA 数据发现，肿瘤相关巨噬细胞（如 FOLR2 和 TREM2）的预后效应在肺鳞癌、肺腺癌和黑色素瘤之间存在显著的组织学特异性差异，提示其预后价值高度依赖于肿瘤微环境背景。

本研究提出并验证了一个集成经验插值、双退火优化的逻辑回归建模及 ThresholdXpert 1.0 组合优化的综合框架，通过引入四参数逻辑模型提升了诊断截断点确定的精度与鲁棒性，并成功应用于肝细胞癌多标志物诊断面板的构建与优化。

该研究通过整合基于 26 个预后相关基因表达谱的分子分类器，构建了优于第 8 版和第 9 版 TNM 分期系统的新型 TNMEx 模型，显著提升了肺腺癌患者的风险分层精度和生存预后预测能力。

这项研究通过对全球开展III期癌症临床试验的研究机构进行首次全球制图发现，癌症临床试验的可及性与研究机构的数量呈高度线性相关，且低收入地区的研究能力严重受限，其设施规模较小且高度依赖于跨区域、工业赞助及全身治疗类试验。