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。

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。

本研究表明，融合CT深度学习、影像组学和外周血免疫谱显著提高了症状患者肺癌的诊断准确性，其AUC达到0.81，优于单一模态方法。

通过应用一种量化 TRACERx 非小细胞肺癌队列进化树形状的新颖方法，本研究证明了克隆树平衡是无病生存期的强有力预测因子，其表现优于以往的进化指数，并表明分支的均匀性对于临床结局比肿瘤内异质性更为关键。

在一项针对57例pT1-2N1乳腺癌患者的回顾性单中心研究中，乳房切除术后放疗（PMRT）并未与无复发生存期或总生存期的改善相关，这表明预后主要由肿瘤生物学、淋巴结负担和全身治疗而非PMRT所驱动。

这项基于 SEER 数据库的研究表明，虽然肝移植为早期肝细胞癌提供了极佳的长期生存率，但其对于早期肝内胆管癌的疗效显著较差，这凸显了制定不同筛选标准以及开展进一步分子研究以识别可能从中获益的潜在肝内胆管癌亚群的必要性。

本研究表明，通过迁移学习和阈值优化，利用国家癌症数据库数据进行训练并结合真实世界电子健康记录进行精炼的机器学习模型，能够准确预测三阴性乳腺癌患者的快速复发，为早期识别和改善临床护理提供了一种极具前景的工具。

这项研究表明，将患者报告的失眠变化与数学肿瘤生长模型相结合，可以以约 72% 的准确度预测非小细胞肺癌患者的治疗进展，从而使临床医生能够比通常提前 6-8 周进行干预。

本研究根据 PIK3CA 和 YAP1 的状态定义了宫颈癌的三种分子亚型，证明了 PI3K 通路抑制剂能选择性地抑制 PIK3CA 突变型肿瘤，并与针对 HPV 的免疫疗法产生协同作用，从而增强抗肿瘤细胞毒性。

本研究方案概述了一项随机对照试验，旨在调查结合了运动、营养和监测的个体化居家预康复计划是否能改善接受化疗的结直肠癌患者的大脑健康和认知功能。