课程文献中心 更多>>

关键词： 宫颈癌   成纤维细胞   非肿瘤细胞   肿瘤微环境  

摘要： 据2022年全球统计数据显示,宫颈癌在女性恶性肿瘤中的发病率和死亡率均位居第四,已成为威胁女性生命健康的重要疾病[1]。随着对宫颈癌研究的不断深入,研究者们发现肿瘤的发生、浸润、迁移以及靶向治疗的效果,均受到肿瘤微环境的调控,其中成纤维细胞、内皮细胞、树突状细胞、巨噬细胞及淋巴细胞等非肿瘤细胞发挥关键作用(图1)。本文拟对宫颈癌中非肿瘤细胞的组成和具体作用机制,以及相关靶向治疗的机制和效果展开论述。

关键词： CA724   CA242   CA199   CEA   胃癌   临床诊断  

摘要： 目的 分析血清糖链抗原724、242、199(CA724、CA242、CA199)联合癌胚抗原(CEA)对胃癌临床诊断价值及预后评估作用。方法 选取2024年3月—2025年3月期间入院就诊疑似胃癌患者(100例),在病理检查前患者均接受临床实验室血清肿瘤标志物检验,以病理诊断结果为“金标准”划分组别后,比较胃癌、胃部良性病变患者血清肿瘤标志物组间差异;比较不同TNM分期、病理分化程度胃癌患者血清肿瘤标志物组间差异;分析血清肿瘤标志物单一检验、联合检验对胃癌临床诊断效能。结果 胃癌患者血清CA724、CA242、CA199及CEA明显高于胃部良性病变者,差异有统计学意义(P<0.05);TNMⅢ~Ⅳ期胃癌患者血清CA724、CA242、CA199及CEA均高于TNMⅠ~Ⅱ期及分化胃癌者,中高分化胃癌患者血清CA724、CA242、CA199及CEA均高于低分化胃癌患者,差异有统计学意义(P<0.05)。较单一检验,血清CA724、CA242、CA199及CEA联合检验对胃癌诊断敏感度、准确率均升高,差异有统计学意义(P<0.05)。结论 胃癌临床诊断中血清CA724、CA242、CA199及CEA的联合检验在胃癌诊断、病理分期及分化程度判断中有重要的应用价值。

关键词： 多模态图像融合   比较影像学   肿瘤放疗   住院医师培训   岗位胜任力  

摘要： 目的本研究旨在构建一种整合多模态图像融合系统与比较影像学的创新教学模式,并评估其在肿瘤放疗住院医师教学中的应用效果。方法研究采用对照设计,将82名放疗规培学员分为试验组与对照组,各41人。试验组教学以MIM Maestro平台为支撑,通过“整合理论模块—结构化案例实践—深化拓展训练”的体系化课程,引导学员在真实病例中完成从图像融合、多模态比较到靶区决策的完整逻辑链;对照组则接受常规教学。教学效果采用理论考核(满分100)、实践技能考核(从几何精度、流程规范性、临床决策质量及效率与应变4个维度量化评估)和教学满意度问卷调查进行综合评定。采用SPSS 22.0软件进行t检验、卡方检验。结果在理论考核中,试验组学员总分(80.83±5.96)高于对照组(69.33±6.98),尤其在综合分析与决策[(19.64±2.76)vs.(13.85±3.42)]、批判性思维与前沿认知[(11.95±1.89)vs.(8.37±2.11)]等高阶认知模块优势明显;在实践技能考核中,试验组学员在靶区勾画几何精度、操作流程规范性及临床决策质量[靶区决策合理性:(8.85±1.03)vs.(5.64±1.43)]等核心维度上均优于对照组;此外,试验组学员对教学互动性、激发思考及总体满意度的主观评价也更高。结论多模态图像融合系统联合比较影像学的教学模式能有效贯通理论与实践,提升放疗住院医师的影像分析能力、靶区勾画精准度及临床决策思维水平,为培养具备精准放疗胜任力的优秀医师提供了行之有效的路径。

关键词： 机器人对准系统   儿童   导航   脑肿瘤   神经外科  

摘要： 引言:Cirq机器人对准系统(由德国慕尼黑的Brainlab公司生产)是一款手动可调节的电子手臂,其末端配备有机器人对准模块,使得神经外科医生能够自动、且精确地将手术器械对准术前规划好的路径。在本研究中分享了使用Cirq对儿童颅内肿瘤活检进行操作的初步经验和结果。

关键词： 罕见肿瘤   精准医学   分子诊断   靶向治疗   分级诊疗  

摘要： 虽然罕见肿瘤单病种发病率极低,但因其类型繁多,累积涉及的患者群体规模庞大。中国罕见肿瘤诊疗目前面临诊断困难、治疗手段有限等诸多挑战:传统组织病理学诊断存在一定局限性,多数治疗方案仍以手术、放疗、化疗等传统手段为主。随着分子诊断技术与精准医学的发展,尤其是下一代测序、液体活检及人工智能技术的应用,罕见肿瘤的诊断准确率已得到显著提升;而双特异性抗体、抗体药物偶联物、基因与细胞治疗等创新疗法,也为患者带来了新的治疗希望。未来,中国需要构建罕见肿瘤分级诊疗网络,加强药物研发与临床试验探索,完善相关医保政策,建立具有中国特色的罕见肿瘤防诊治体系,从而为患者提供更好的诊疗服务。

关键词： 综述   头颈部肿瘤   吞咽障碍   远程康复  

摘要： 目的总结数字健康技术在头颈部肿瘤患者吞咽康复训练中的应用情况。方法遵循Arksey和O'Malley的范围综述框架,计算机检索Cochrane Library、Embase、PubMed、Web of Science、CINAHL、IEEE Xplore、中国生物医学文献数据库、万方数据库、中国知网等数据库中关于数字健康技术在头颈部肿瘤患者吞咽康复训练中应用的文献,检索时限为建库至2025年8月5日。结果共纳入21篇文献。头颈部肿瘤疾病类型涉及口咽癌、鼻咽癌、口腔癌、舌癌、喉癌、下咽癌等。数字健康技术的应用形式包括虚拟现实技术、远程诊疗系统、交互式移动健康APP/数字健康平台以及可穿戴设备。其中,交互式移动健康APP/数字健康平台是目前应用最广泛的形式,部分应用结合了可穿戴设备进行生理数据监测。干预主要内容包括提供吞咽训练方法指导、训练监测/监督与反馈、吞咽功能筛查/评估以及健康教育等。结论数字健康技术在头颈部肿瘤患者吞咽康复训练中的应用虽然处于起步阶段,但其在提升康复可及性、依从性方面的优势已初步显现,但也面临技术易用性、个体化反馈不足以及人文关怀缺失等挑战。未来需结合头颈部肿瘤患者吞咽康复训练的特殊需求,进一步探索并开发个性化、精准化的智能吞咽康复系统,并开展高质量的临床研究验证长期效果,为头颈部肿瘤患者吞咽康复训练临床护理实践提供智能化解决方案。

关键词： 葡萄膜黑色素瘤   免疫治疗   免疫微环境   肿瘤疫苗  

摘要： 成人原发性眼内恶性肿瘤中,葡萄膜黑色素瘤最为多见,有50%的患者因转移离世,其中有90%转移至肝脏部位,转移后中位生存期不足12个月,其免疫治疗难题是由独特的时空异质性免疫逃逸引发的,即原发灶依靠血—视网膜屏障和免疫调节形成的免疫豁免微环境,从而抑制自然杀伤细胞活性并导致T细胞功能下降;转移瘤由于染色体异常与免疫抑制体系导致“免疫荒漠”表型显现等。目前,免疫检查点抑制剂客观缓解比例不足8%,抗原异质性加上免疫抑制微环境导致肿瘤疫苗失去功效,本文将机制研究与临床数据相结合,构建联合表观遗传干预及精准细胞疗法的策略,为逆转免疫逃逸提供新方向。

关键词： 结直肠肿瘤性病变   JNET分型   诊断价值  

摘要： [目的]评估Japan NBI Expert Team(JNET)分型对结直肠肿瘤性病变的诊断价值.[方法]回顾性收集结直肠肿瘤性病变行JNET分型的患者180例的临床资料,根据其病灶结肠镜表现分为1型(n=58)、2 A型(n=47)、2 B型(n=46)及3型(n=29).以病理结果为金标准,计算各分型的特异度、灵敏度、阴性预测值(NPV)、阳性预测值(PPV)、准确度及约登指数等指标,Kappa检验评价JNET分型诊断与病理诊断的一致性评估JNET分型诊断效能.[结果]以病理结果为金标准,JNET分型诊断结直肠肿瘤性病变的准确度为93.89%.各分型的特异度、灵敏度、NPV、PPV、准确度、约登指数如下:1型中分别为98.36%、96.61%、98.36%、98.28%、98.33%、94.97%;2 A型中分别为96.99%、91.49%、96.99%、91.49%、95.56%、88.48%;2 B型中分别为97.76%、93.18%、97.76%、89.13%、95.56%、90.94%;3型中分别为98.68%、93.33%、98.68%、96.55%、98.33%、92.01%.JNET分型诊断与病理诊断的一致性检验Kappa=0.917(P<0.01),一致性较好,JNET分型诊断结直肠肿瘤性病变的诊断效能较好.JNET分型诊断效能不受患者的一般情况、病灶特征及基础疾病的影响.[结论]JNET分型对结直肠肿瘤性病变的诊断效能较好,尤其是对结直肠非肿瘤性病变及黏膜下深浸润癌的诊断.

关键词： 钇-90微球选择性内放射治疗   肝脏恶性肿瘤   共识解读   规范化操作  

摘要： 《钇-90微球选择性内放射治疗肝脏恶性肿瘤规范化操作专家共识(2024版)》(简称“共识”)是中国首部针对钇-90微球选择性内放射治疗(yttrium-90 microsphere selective internal radiation therapy,90Y-SIRT)的全面性的技术规范文件。该共识由国内介入科、肝胆外科、核医学科等多领域专家共同制订,并且系统阐述了90Y-SIRT在患者筛选、术前评估、剂量计算、手术操作及术后管理全流程方面的规范化要求。现针对该共识的核心内容进行深入解读,重点分析该共识相较于国际指南和国内既往实践的变化与创新,突出该共识在推动90Y-SIRT技术于我国安全、规范及高效开展方面的指导价值,为肝胆外科、介入科、肿瘤内科、核医学科等多学科医师治疗肝脏恶性肿瘤提供临床实践参考。

关键词： 脑肿瘤   EfficientNet   图像分类   可解释性  

摘要： 脑肿瘤是一类具有高度侵袭性的神经系统疾病，其早期准确诊断对于制定个性化治疗方案至关重要。基于深度学习的计算机辅助诊断（CAD）技术在医学成像分析中取得了显著进展，但在分类准确性、计算效率及可解释性方面仍存在不足。为此，研究提出了一种基于迁移学习和微调策略优化的EfficientNet模型，通过改进部分卷积层和全连接层，并在网络顶部添加全局平均池化层与Dropout层，以增强模型的特征提取能力与分类性能。同时，引入Grad-CAM技术实现模型决策过程可视化，有效突出脑肿瘤的关键判别特征区域，从而增强模型的可解释性与临床应用可信度。在Figshare数据集上的实验结果表明，所提模型在显著降低参数量与计算复杂度的同时，测试集上的准确率达到99.35%，主要性能指标均优于VGG16、ResNet152V2及Vision Transformer等模型。此外，跨数据集验证实验中模型的准确率达到92.51%，进一步验证了其良好的稳定性与泛化能力。