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。

该研究通过分析大 B 细胞淋巴瘤患者治疗前的血浆游离 RNA，发现源自肿瘤微环境的特征性信号可作为无创生物标志物，有效预测抗 CD19 CAR-T 疗法的长期疗效并指导风险分层。

这项针对巴西罕见病患儿的叙事探究研究揭示，确诊前的不确定性并非被动等待，而是父母经历身份重塑的主动抗争过程，呼吁医疗体系在诊断前阶段提供结构化心理社会支持并改善医患沟通。

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。

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。

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。