XiaoMi-AI文件搜索系统
World File Search System生存期
转移性 HER2 患者的生存期延长......
并且与非 IBC 相比临床结果更差，III 期疾病的中位生存期为 4.8 年，IV 期疾病的中位生存期为 2.3 年 [1]。此外，在确诊为 IBC 的患者中，与非 IBC 患者相比，新发转移性疾病的发生率更高（约 20% vs. 4%）[2]。因此，尽管 IBC 的发病率低，但却导致与乳腺癌相关的死亡人数不成比例。与所有乳腺癌一样，IBC 根据其雌激素受体 (ER)、孕激素受体 (PR) 和人表皮生长因子受体 2 (HER2) 状态进行分类。在 IBC 肿瘤中，HER2 阳性的患病率很高，约为 35%，而非 IBC 为 20% [2–4]。有趣的是，与 IBC 的其他亚型相比，HER2 阳性亚型的预后更有利 [2, 3]。在 IV 期 IBC 患者中，HER2 阳性患者的 5 年总生存率 (OS) 为 30% 至 45%，具体取决于激素受体 (HR)，即 ER 和 PR 状态，而 HR 阳性、HER2 阴性和三阴性 (ER/PR 和 HER2 阴性) IBC 患者分别为 35% 和 15% [4]。此外，与非 IBC 不同，HR 阳性似乎并没有为 HER2 阳性 IBC 患者带来额外的生存益处 [3, 4]。HER2 阳性转移性 IBC 的这些相对有利的结果归因于以 HER2 为靶向治疗方法的成功，以及过去十年中出现的大量新型抗 HER2 靶向药物。在这里，我们介绍了两例 HER2 阳性 IBC 患者，他们在诊断时存在内脏转移，并已存活超过 10 年。虽然这两个病例的病程都非常长，但其中一个病例证明了随着治疗方案的不断增加，可能带来的累积效益，而第二个病例则说明了患者从单一药物中获得的反应程度。
人工智能方法预测肝细胞癌总生存期
人工智能是指试图重现人类认知功能（如学习和解决问题）的计算机程序。机器学习最初是作为人工智能的一个分支而开发的，可以定义为创建预测模型和检测行为模式的算法。机器学习方法几乎广泛应用于医学的各个领域，现在也用于解决 HCC 知识空白领域，如致癌作用、筛查、非侵入性诊断、治疗后复发和治疗选择。提高预测 HCC 患者预后和生存的能力是巩固我们的知识和指导病例管理的重要一步。迄今为止，它在 HCC 中的研究相对不足，值得我们关注。
病例报告：MV1 Creutzfeldt-Jakob疾病的非典型年轻病例，生存期异常长
Creutzfeldt-Jakob疾病（CJD）是一种罕见的，致命的，快速进行性神经退行性疾病，是由于错误折叠的Prion蛋白（PRP）的积累而引起的。cjd每年有1-2个新人每百万个新人，零星类型占这些案件的90％。尽管发病时的中位年龄和疾病持续时间因零星CJD（SCJD）的亚型而有所不同，但该疾病通常会影响中年中位生存期为4-6个月的中年人。SCJD极为罕见。在这里，我们提出了一名21岁的女性，她因零星的prion病而死亡。她出现了精神病症状，随后是迅速进行的神经认知和运动衰落。eeg对周期性的锋利波复合物为阴性；然而，大脑MRI暗示着病毒疾病。脑脊液（CSF）实时Quaking诱导的转化率（RT-QUIC）测定不确定。尸检时的神经病理学检查显示出严重的神经元丧失和神经胶质性，继发性白质变性，但通过免疫组织化学中的小脑和新皮层中的海绵状变化和PRP沉积物最小。在Prion蛋白基因（PRNP）的密码子129上缺乏致病性突变和蛋氨酸/丝氨酸杂合性，这是不足或表现出通过蛋白质印度印度印度印度布局分析的二糖基化PRP同工型的占代表性不足的不足或表现出无需获得Prion疾病的疾病诊断而导致的PRION疾病诊断的diglycosylated PRP同种型。非常年轻的发作SCJD通常具有非典型的临床表现和疾病进展，神经病理检查结果和/或实验室测试结果可能会混淆诊断。进行彻底，全面的评估以进行准确的诊断至关重要，其中包括与组织学，prion蛋白分类和prion基因测序确定的尸检确定。
PARP抑制剂和卵巢癌的总生存期，在所有情况下都建议重新评估
卵巢癌中的抽象PARP抑制剂一直是过去十年的突破性疗法，受到积极试验结果的驱动，并得到了原始药理原理的支持。然而，有了成熟的数据，有害的生存结果导致2022年在美国食品和药物管理局（FDA）中最先进的环境指示中所有认可的PARP抑制剂（作为第三或后续行中的单一疗法）中的所有批准的PARP抑制剂。还限制了另外两个迹象，作为复发后的维护。在这项工作中，基于每种环境中汇总的荟萃分析，我们质疑Oncol-Ogy的独特情况：在前线环境中可以看到生存益处，同时，以后线的生存下降。这一原始特征是由PARP抑制剂的独特生物学作用（通过合成致死性）在卵巢癌和同源修复缺乏的患者中解释的。另一种解释可能是试验设计：以后的线减少可以部分解释为什么在早期环境中看到有益的结果，只是避免了这些试验中实验组中PARP抑制剂的晚期暴露。在某些试验中看到的高跨界率进一步支持了这一替代假设。 我们认为，我们的分析和最新的PARP抑制剂生存结果值得重新评估这些化合物在卵巢癌治疗景观中的位置。在某些试验中看到的高跨界率进一步支持了这一替代假设。我们认为，我们的分析和最新的PARP抑制剂生存结果值得重新评估这些化合物在卵巢癌治疗景观中的位置。
fdg-pet与病理反应和生存期与新辅助免疫疗法的黑色素疗法
修改后的EORTC标准5。除了标准类别外：完全代谢反应（CMR），部分代谢反应（PMR），稳定的代谢疾病（SMD）和进行性代谢性疾病（PMD），建立了一种新型类别，接近CMR，最大程度的标准化吸收值（SUVMAX）由超过90％的不超过90％或背景造成的最大标准化摄取值（SUVMAX）。•
学术医疗中心银屑病患者使用多种生物制剂的相关因素及生物制剂生存期回顾
背景：尽管在 III 期试验中生物制剂 (PsO) 疗效显著，但随着时间的推移，生物制剂可能会失去疗效。与疗效丧失相关的因素尚未完全阐明。目的：我们旨在确定使用多种生物制剂的 PsO 患者与使用 1 种生物制剂的患者的相关因素。我们还查阅了比较不同生物制剂治疗 PsO 生存率的文献。方法：我们检查了 2006 年至 2020 年期间加州大学旧金山分校 222 名银屑病患者的临床数据，其中 51 名报告使用了 3 种或更多种生物制剂，171 名报告在纳入研究数据库时仅使用了一种生物制剂。本研究已获得加州大学旧金山分校的 IRB 批准（编号为 10-02830），所有受试者均提供了书面知情同意书。我们进行了单变量和多变量回归分析，以确定与多种生物制剂使用相关的重要人口统计学特征、临床特征和合并症。我们对比较 1、2 和 5 年银屑病生物制剂生存率以及单一生物制剂失败相关因素的研究进行了文献综述。结果：在单变量分析中，PsO 持续时间、臀裂处 PsO 的初始表现、红皮病型银屑病和痤疮与使用 3 种或更多种生物制剂有关。在多变量分析中，PsO、红皮病型银屑病和痤疮的持续时间仍然显著。我们对生物制剂生存率的回顾揭示了不同生物制剂类别的差异。结论：我们确定了与 PsO 中多种生物制剂使用相关的新因素。需要在该领域进一步研究以实现精准医疗方法。
机器学习分析病理图像预测小细胞肺癌患者免疫治疗1年无进展生存期
摘要 背景 在小细胞肺癌 (SCLC) 中，肿瘤免疫微环境 (TIME) 可能是免疫治疗的一个有希望的生物标志物，但客观评估 TIME 仍然具有挑战性。因此，我们旨在通过对 TIME 进行机器学习分析来开发一种预测免疫治疗效果的生物标志物。方法 我们对接受化学免疫疗法作为一线治疗的广泛期 SCLC 患者进行了一项前瞻性研究的生物标志物分析。我们使用病理图像（H&E、程序性细胞死亡配体 1 (PD-L1) 和双重免疫组织化学测定（分化簇 8 (CD8) 和叉头框 P3 (FoxP3)）和患者信息训练了一个模型来预测 1 年无进展生存期 (PFS)。主要结果是机器学习模型在预测 1 年 PFS 方面的平均曲线下面积 (AUC)。结果我们分析了来自 78 名患者的 100,544 个病理图像块。患者信息、病理图像和组合模型的平均 AUC 值分别为 0.789（范围 0.571–0.982）、0.782（范围 0.750–0.911）和 0.868（范围 0.786–0.929）。在这三个模型中，高效组 PFS 均长于低效组（患者信息模型、HR 0.468，95% CI 0.287 至 0.762；病理图像模型，HR 0.334，95% CI 0.117 至 0.628；组合模型，HR 0.353，95% CI 0.195 至 0.637）。TIME 的机器学习分析比人体计数评估具有更好的准确性（人体计数的 AUC，CD8 阳性淋巴细胞：0.681，FoxP3 阳性淋巴细胞：0.626，PD-L1 评分：0.567）。结论使用机器学习对 TIME 进行空间分析可以预测 SCLC 患者的免疫治疗疗效，从而支持其作为免疫治疗生物标志物的作用。
ribociclib 联合氟维司群对晚期乳腺癌治疗总生存期的影响 — 最新 MONALEESA-3 结果
用于治疗ER+/HER2-乳腺癌患者的药物包括abemaciclib、palbociclib和ribociclib。Ribociclib是一种高选择性CDK4/6抑制剂，临床前研究表明其对实体瘤（包括ER+/HER2-晚期乳腺癌）有高活性[9]。人体体外和体内研究表明，它在肝脏中代谢（主要通过CYP3A4）。Ribociclib及其代谢物主要经粪便排泄，少量经肾脏排泄。已进行了三项III期研究，旨在确认ribociclib在治疗晚期乳腺癌患者中的有效性。第一项是III期MONALEESA-2研究，患者为激素依赖型HER2阴性晚期乳腺癌患者，由于病情进展，这些患者此前未接受过全身治疗[10]。该研究招募了 668 名患者，随机分配接受ribociclib联合来曲唑治疗或来曲唑单药治疗。主要终点是无进展生存期，ribociclib 组的无进展生存期明显更长；18 个月 PFS 率为 63% [95% CI (置信区间) 54.6–70.3]，安慰剂组为 42.2%，95% CI 为 34.8–49.5，安慰剂组的中位 PFS 为 14.7 个月（95% CI 13.0–16.5）（实验组中位 OS 未达到）。在更新的分析中，经过中位 26.4 个月的随访，实验组的中位 PFS 为 25.3 个月，对照组为 16 个月，风险比 (HR) 为 0.568； 95% CI 0.457–0.704；p = 9.63 × 10 –8 [11]。研究表明，作为次要终点的总生存期 (OS) 有所改善。在 2021 年欧洲肿瘤内科学会 (ESMO) 大会上，研究人员展示了最新的研究结果，结果显示联合治疗组的 OS 有所延长；中位数分别为 63.9 个月 vs. 51.4 个月 (HR 0.76；95% CI 0.63–0.93；p = 0.004) [12]。这是一项出色的观察结果，表明晚期乳腺癌患者可以存活 5 年以上。另一方面，MONALEESA-7 研究是第一项使用 CDK4/6 抑制剂的 III 期研究，仅招募绝经前或围绝经期患者 [13]。该研究纳入了 672 名患者，他们可接受激素治疗或化疗作为新疗法或辅助疗法，以及一线化疗治疗晚期疾病。患者接受瑞博西尼与他莫昔芬或芳香化酶抑制剂（来曲唑或阿那曲唑）和戈舍瑞林联合治疗，或对照组单独接受激素治疗。主要终点是 PFS，瑞博西尼组的中位 PFS 为 23.8 个月，而安慰剂组为 13 个月（HR 0.55；95% CI 0.44–0.69；p < 0.0001）。MONALEESA-7 研究中关于将瑞博西尼添加到激素治疗中的首批数据显示，与激素治疗相比，OS 显著增加
新闻稿 Datopotamab Deruxtecan 相对于化疗可改善既往接受过治疗的非小细胞肺癌患者的无进展生存期
总体试验人群 Datopotamab Deruxtecan (n=299) 多西他赛 (n=305) 中位 PFS (月) i (95% CI) 4.4 个月 (4.2-5.6) 3.7 个月 (2.9-4.2) 风险比 (95% CI) 0.75 (0.62-0.91) p 值 ii p=0.004 中位 OS (月) (95% CI) iii 12.4 个月 (10.8-14.8) 11.0 个月 (9.8-12.5) 风险比 (95% CI) 0.90 (0.72-1.13) ORR (已确认)，% (95% CI) i, iv 26.4% (21.5-31.8) 12.8% (9.3-17.1) CR 率， % 1.3% 0% PR 率，% 25.1% 12.8% 中位 DoR（月）i (95% CI) 7.1 个月 (5.6-10.9) 5.6 个月 (5.4-8.1) 非鳞状组织学 Datopotamab Deruxtecan (n=229) 多西他赛 (n=232) 中位 PFS（月）i (95% CI) 5.6 个月 (4.4-7.0) 3.7 个月 (2.9-4.2) 风险比 (95% CI) 0.63 (0.51-0.78) OS 风险比 (95% CI) 0.77 (0.59-1.01) ORR（已确认），% i, iv 31.2% 12.8% 中位 DoR（月）i 7.7 个月5.6 个月 鳞状组织学 Datopotamab Deruxtecan (n=70) 多西他赛 (n=73) 中位 PFS (月) i 2.8 个月 (1.9-4.0) 3.9 个月 (2.8-4.5) 风险比 (95% CI) 1.38 (0.94-2.02) OS 风险比 (95% CI) 1.32 (0.87-2.00) ORR (%) i, iv 9.2% 12.7%
根据转录组学与转移性实体肿瘤患者生存期的相关性识别关键预后基因的中心网络枢纽
摘要背景：癌症中失调的通路可能对枢纽依赖。识别这些失调的网络并加以靶向可能会带来新的治疗选择。目标：考虑到中心枢纽与致死率增加相关的假设，识别中心网络中的关键枢纽靶标可能有助于开发出对晚期转移性实体瘤疗效更高的新型药物。设计：探索 WINTHER 试验（N = 101 名患有各种转移性癌症的患者）的转录组数据（22,000 种基因产物），其中肿瘤和正常器官匹配的组织均可用。方法：对转录组中的所有基因进行回顾性计算机模拟分析，以识别肿瘤和正常组织之间表达不同的基因（配对 t 检验），并使用生存分析（Cox 比例风险回归算法）确定它们与生存结果的关联。根据已识别基因的生物学相关性，然后确定中心网络内感兴趣的枢纽靶标。根据这些基因的表达水平对患者进行分组（ K 均值聚类），并检查这些组与生存期的关联（Cox 比例风险回归算法、森林图和 Kaplan-Meier 图）。结果：我们确定了四个关键的中心枢纽基因 - PLOD3、ARHGAP11A、RNF216 和 CDCA8，与类似的正常组织相比，它们在肿瘤组织中的高表达与较差的结果具有最显著的相关性。这种相关性与肿瘤或治疗类型无关。这四种基因的组合显示出最高的显著性和与较差结果的相关性：总体生存率（风险比（95% 置信区间 (CI)）= 10.5（3.43–31.9）p = 9.12E-07 在 Cox 比例风险回归模型中的对数秩检验）。在独立队列中验证了结果。结论：PLOD3、ARHGAP11A、RNF216 和 CDCA8 的表达结合起来可构成一种预后工具，与肿瘤类型和既往治疗无关。这些基因是拦截各种癌症中枢网络的潜在靶点，为新型治疗干预提供了途径。