低级别的上皮增生(dysplasia)与Barrett食管的进展风险增加有关。然而，对低级别上皮增生的诊断受到了显著的观察者间变异的限制。多项研究表明，一种客观的组织系统病理学测试(TissueCypher Barrett's Esophagus Assay, TSP-9)可以有效预测Barrett食管患者的肿瘤进展。本研究旨在比较TSP-9测试与普通病理学和专家病理学的风险分层能力。 在一项随机对照试验的筛查队列中，对社区低级别上皮增生的Barrett食管患者进行了一项盲目队列研究。来自第一次内窥镜检查的低级别上皮增生组织经过TSP-9测试评估，并按照标准流程由来自五个国家的30名病理学家进行独立评估。比较了测试结果的准确性和诊断对高级别上皮增生(high-grade dysplasia, HGD)和食管腺癌(esophageal adenocarcinoma, EAC)的预测能力。 共研究了154例Barrett食管患者(122例男性)，平均年龄为60.9+/-9.8岁。在5年内，24名患者出现了HGD/EAC进展(中位进展时间为1.7年)，而130名患者在5年内未出现HGD/EAC进展(中位7.8年随访时间)。TSP-9测试在检测进展患者方面表现出较高的敏感性(71% vs. 平均63%，30名病理学家范围为33-88%)，高于病理学评估(P=0.01186)。 TSP-9测试在风险分层Barrett食管低级别上皮增生患者方面优于病理学家的表现。该测试指导下的管理可为高进展风险患者提供有效的治疗干预，改善健康结果，并减少低风险患者的不必要干预。 版权所有 ©2023 AGA Institute. 由Elsevier Inc.出版，保留所有权利。

为了在超快速筛查MRI中开发一种基于深度学习的增强对比度乳腺病变检测方法，本研究纳入了连续病人的488个乳腺MRI检查中的837个病例。在每个乳腺的最大强度投影（MIP）图像中独立标注了病灶的位置，该图像来自每个乳腺的最后时间分布自发性运动轨迹（TWIST）序列，结果包括了163个乳腺（133名女性）的265个病灶（190个良性，75个恶性）。使用包含具有和不具有病灶的相同数量的MIP图像的训练集 fine-tune了YOLOv5模型。采用长短期记忆（LSTM）网络帮助减少假阳性预测。然后，在富含未涉及乳房的测试集上进行交叉验证评估，以模拟筛查情景下的性能。在五折交叉验证中，YOLOv5x模型显示了0.95、0.97、0.98和0.99的敏感性，以及0.125、0.25、0.5和1的假正例率（每乳房一个）。LSTM网络从YOLO模型中减少了15.5%的假阳性预测，并使阳性预测值从0.22增加到0.25。经过fine-tune的YOLOv5x模型能够在超快速MRI上对乳腺病变进行高敏感度的检测，模型的输出可以通过LSTM网络进一步优化，以降低假阳性预测的数量。所提出的综合系统可以通过帮助放射科医师对可疑检查进行优先处理和支持诊断工作来提高超快速MRI筛查过程的效果。• 深度卷积神经网络可用于自动定位筛查MRI中的乳腺病变，具有高敏感度。• 当将检测模型测试在高度不平衡的测试集上时，假阳性预测显著增加。• 长短期记忆网络学到的乳腺病变在对比剂流入过程中的动态增强模式有助于降低假阳性预测。© 2023. 作者。

全生物监测研究参与者的血液中都检测到全氟辛酸（PFOA）。评估与血液中PFOA水平相关的健康风险具有挑战性，因为暴露指导值（EGVs）通常是以外部剂量表示的。与EGVs一致的生物监测等值（BEs）可以促进基于健康的解释。为了i）为美国环境保护署（U.S. EPA）、毒物与疾病登记局（ATSDR）和加拿大卫生部的非癌症EGVs推导出与血清/血浆PFOA相对应的BEs，并ii）与全国生物监测调查中的PFOA浓度进行比较。从EGV的起点出发，我们使用药代动力学数据/模型和不确定性因素。以妊娠啮齿动物为起点（美国环境保护署2016年，ATSDR），我们使用动物妊娠/哺乳药代动力学模型将其转化为胎儿和仔鼠的血清浓度，并使用人体妊娠/哺乳模型将等效的人类胎儿和儿童浓度转化为母体血清中的BE。成年啮齿动物的起点（加拿大卫生部）通过实验数据转化为BE。对于基于流行病学的EGVs（美国环境保护署2023年草案），BE直接基于流行病学数据或使用人体妊娠/哺乳药代动力学模型推导而来。BE与加拿大/美国的生物监测数据进行了比较。非癌症BEs（ng/mL）为684（加拿大卫生部，2018年），或在15至29（美国环境保护署2016年），6-10（ATSDR 2021）和0.2-0.8（美国环境保护署2023年草案）之间变动。加拿大健康措施调查（CHMS）2018-2019年的血清水平的95分位数略低于ATSDR的BE，而几何平均值超过了美国环境保护署（2023年草案）的非癌症BE。非癌症BE涵盖了三个数量级。加拿大/美国国家调查中的浓度高于或接近最近的非癌症EGVs的BE。版权所有 © 2023作者。由爱思唯尔有限公司出版。保留所有权利。

肿瘤治疗场（TTFields）是一种电场，它破坏了癌细胞生存所必需的过程，导致免疫原性细胞死亡和增强的抗肿瘤免疫应答。在非小细胞肺癌的临床前模型中，TTFields增强了化疗和免疫检查点抑制剂的效果。我们报告了TTFields治疗在转移性非小细胞肺癌中的关键研究的初步结果。该随机、开放标签、关键III期研究在19个国家的130个研究机构招募了患者。参与者年龄在22岁或以上，患有进展中的转移性非小细胞肺癌，之前使用的铂类治疗已无效，组织学为鳞状细胞或非鳞状细胞，ECOG病情状态分级为2或以下。之前需要使用过铂类治疗，但对以前的系统治疗线数或类型没有限制。参与者随机分配（1：1）接受TTFields治疗和标准的系统治疗（研究者选择的免疫检查点抑制剂[nivolumab、pembrolizumab或atezolizumab]或多西他赛），或者仅接受标准治疗。随机化使用可变块随机化和互动语音-网络响应系统在中央执行，并按肿瘤组织学、治疗和地区分层。根据当地指南，给予系统治疗。TTFields治疗（150kHz）连续地传递到胸部区域，并推荐平均每天至少使用设备18小时。主要终点是总生存分析意图治疗人群。安全人群包括接受任何研究治疗的所有患者，并根据实际接受的治疗进行分析。该研究已在ClinicalTrials.gov注册，NCT02973789.在2017年2月13日至2021年11月19日期间，共有276名患者被招募并随机分配接受TTFields治疗与标准治疗（n=137）或仅标准治疗（n=139）。年龄中位数为64岁（IQR 59-70），其中178名患者（64%）为男性，98名（36%）为女性，156名（57%）患有非鳞状非小细胞肺癌，87名（32%）之前曾接受免疫检查抑制剂治疗。TTFields治疗与标准治疗的患者中位随访时间分别为10.6个月（IQR 6.1-33.7）和9.5个月（0.1-32.1）。TTFields治疗与标准治疗组的整体生存期明显优于仅标准治疗组（中位生存期为13.2个月[95%CI 10.3-15.5] vs 9.9个月[8.1-11.5]；风险比[HR]为0.74 [95%CI 0.56-0.98]；p=0.035）。在安全人群（n=267）中，133名接受TTFields治疗加标准治疗的患者中报告了70例（53%）任何原因的严重不良事件，而134名仅接受标准治疗的患者中报告了51例（38%）。 最常见的3-4级不良事件是白细胞减少（267例中的37例[14%]）、肺炎（28例[10%]）和贫血（21例[8%]）。133名患者中报告了与TTFields治疗相关的不良事件，其中大多数（81例[85%]）为1-2级皮肤和皮下组织障碍。有三名与标准治疗相关的死亡病例（两例因感染，一例因肺出血），没有与TTFields治疗相关的死亡病例。TTFields治疗加标准治疗相比仅标准治疗显著改善了转移性非小细胞肺癌患者的总生存期，而未加重全身毒性反应。这些数据表明，在这种情况下，TTFields治疗对转移性非小细胞肺癌是有效的，并应被考虑为治疗选择的一个选项。Novocure.版权所有©2023 Elsevier Ltd. 保留所有权利。

临床研究中关于癌症关键结果（如治疗反应和疾病进展）的纵向数据在标准癌症登记报告中没有收录。从非结构化的电子健康记录中手动提取此类结果是一项耗时和资源密集型的工作。自然语言处理（NLP）方法可以加速结果注释，但需要大量的标记数据。基于语言建模的迁移学习，特别是使用Transformer架构，已经在NLP性能上取得了提升。然而，在从非结构化文本中提取癌症结果方面，尚未进行系统性评估NLP模型训练策略。我们评估了九个NLP模型在单个学术中心的非小细胞肺癌患者的影像报告中识别癌症反应和癌症进展的表现。我们根据不同条件训练了分类模型，包括训练样本大小、分类架构和语言模型预训练。训练涉及到一组有标签的包含14,218份影像报告的数据集，涵盖1112名肺癌患者。其中的一部分模型基于预训练的语言模型DFCI-ImagingBERT，该模型是使用包含662,579份来自我们中心的27,483名患者的无标签数据集对BERT模型进行进一步预训练而创建的。基于我们的DFCI-ImagingBERT模型的分类器，在超过200名患者上训练获得了大部分实验中最好的结果；但这些结果与简单的“词袋”或卷积神经网络模型相比，成果略为突出。在开发用于临床癌症研究的从影像报告中提取结果的AI模型时，如果计算资源丰富而标记训练数据有限，可以使用大型语言模型进行零或少次训练以达到合理的性能。当计算资源较有限但有充足的已标记训练数据时，即使是简单的机器学习架构也能为此类任务取得良好的性能。© 2023. BioMed Central Ltd., part of Springer Nature.

我们病例-对照研究的目标是：1）开发一个自动化的三维卷积神经网络（CNN）用于诊断CT图像上胰腺导管腺瘤（PDA）的检测；2）在多机构的公共数据集上评估其普适性；3）作为一个潜在的筛查工具在高先验概率的模拟队列中的实用性；以及4）在预诊断CT图像上检测视觉隐藏的癌前病变的能力。 我们训练了一个三维CNN分类系统，使用算法生成的边界框和胰腺掩模，对一个精选数据集进行训练，该数据集包含696例含有PDA的门脉期诊断CT图像和1080例非肿瘤胰腺的对照病例。模型在以下方面进行了评估：（a）在院内保留的测试子集上（409例含有PDA的CT图像和829例对照图像）；（b）一个模拟队列，其中病例和对照的分布与糖尿病新发病例中PDA的风险和END-PAC评分≥3的患者类似；（c）多机构的公共数据集（194例含有PDA的CT图像和80例对照图像）；以及（d）一个包含100例预诊断CT图像（即在PDA临床诊断之前3-36个月偶然扫描获取的CT图像）且无局灶性肿块，以及134例对照图像。 院内测试子集中的大多数CT图像（n=798，64%）来自医院外部。该模型正确地对360例PDA的CT图像进行了分类（准确率为88%），对783例对照图像进行了分类（准确率为94%）[准确率（均值；95% CI）为0.92（0.91-0.94）；AUROC为0.97（0.96-0.98），敏感性为0.88（0.85-0.91），特异性为0.95（0.93-0.96）]。热图上的激活区域与大多数CT图像中的肿瘤重叠（350/360例CT图像，97%）。该模型的性能在不同肿瘤分期（敏感性分别为0.80、0.87、0.95和1.0，对应于T1至T4期）之间表现良好，对于低密度与等密度肿瘤的识别效果相当（敏感性：0.90 vs. 0.82），对于不同年龄、性别、CT切片厚度和供应商的CT图像也具有普适性（所有p >0.05）。模型在模拟队列[准确率0.95（0.94-0.95），AUROC 0.97（0.94-0.99）]和公共数据集[准确率0.86（0.82-0.90），AUROC 0.90（0.86-0.95）]上的表现也很好。尽管该模型仅在带有大肿瘤的诊断CT图像上进行了训练，但它能够在预诊断CT图像上检测到隐藏的PDA [准确率0.84（0.79-0.88），AUROC 0.91（0.86-0.94），敏感性0.75（0.67-0.84），特异性0.90（0.85-0.95）]，且在临床诊断前的中位数475天（范围：93-1082）。 该基于大规模多样化数据集训练的自动化人工智能模型在诊断CT图像上检测PDA以及预诊断CT图像上的隐藏PDA方面具有高准确率和普适性表现。需要进行基于血液生物标志物的前瞻性验证，以评估其在高风险人群中早期检测散发性PDA的潜力。 版权所有 © 2023 AGA Institute。Elsevier Inc.发表。保留所有权利。

诸多测评研究表明，闪血双面锄(Polygonum cuspidatum Sieb. et Zucc.) 是一种多年生草本植物，属于蓼科，可以产生生物功能性的类脊酚和醌类物质。中医传统上常用该植物的干燥根和根茎来治疗炎症性疾病、糖尿病、痛风、癌症等疾病。本研究旨在探究闪血双面锄提取物(P. cuspidatum extracts, PCE) 对与脓毒症相关的急性肾损伤(sepsis-associated acute kidney injury, SA-AKI) 的保护作用及其潜在机制。通过网络药理学，初步预测了 PCE 改善 SA-AKI 的潜在机制。利用冷冻干燥法获得 PCE 的干粉。通过腹腔注射脂多糖(lipopolysaccharide, LPS) 建立 SA-AKI 小鼠模型，并利用病理学和生化学方法研究 PCE 在体内对 SA-AKI 的保护作用。利用 LPS 刺激 HK-2 细胞进行体外评估，并进行了 qPCR 和免疫印迹等实验验证涉及的机制。网络药理学结果表明，大黄素(emodin, Emo) 和虫草素(polydatin, PD) 是闪血双面锄改善 SA-AKI 的潜在活性成分。实验结果表明，PCE 可以改善 SA-AKI 小鼠的肾功能指标（肌酐、尿素氮和尿蛋白）。从机制上看，PCE 在体内通过减轻氧化应激、调节炎症性肽酶源性蛋白的表达水平以及通过失活核因子 κB (nuclear factor-kappa B, NF-κB) 信号通路来抑制炎性因子的产生，起到抑制作用。在 LPS 刺激 HK-2 细胞时加入 Emo 或 PD，也观察到了类似的结果。我们的研究结果表明，PCE 以及 PCE 中的活性成分 Emo 和 PD 可以通过抑制氧化应激、炎症反应和炎症性疾病，改善 SA-AKI。版权所有 © 2023. 由 Elsevier B.V. 发表。

微卫星稳定性转移性结直肠癌（MSS mCRC）很大程度上对免疫检查点抑制疗法具有耐药性。我们假设，在肿瘤内用TLR9激动剂进行联合治疗，包括放射外科手术和PD-1与CTLA-4的双重抑制，将会引起免疫刺激的局部集中，激发全身性免疫反应.在这个单机构I期研究中，我们采用s.c vidutolimod预先剂量，结合nivolumab和ipilimumab，对MSS mCRC患者进行肿瘤内注射vidutolimod和放射外科手术的治疗。基线和7（±2）周时测定了细胞因子水平。患者分为4个连续队列：（1）没有放射外科手术的安全预研究，（2）放射外科手术在肿瘤内治疗之前，（3）放射外科手术在肿瘤内治疗之前及治疗时间压缩，（4）在肿瘤内治疗完成后对肝外病灶进行放射外科手术。共有19例患者入组。中位年龄为59岁（范围40-71岁），68%为男性，先前系统治疗的中位次数为3次（范围2-5次）。除了一个与高肿瘤突变负荷相关的患者外，患者中没有出现有效反应。1到4组的级别3肝毒性分别报告为0％，0％，75％和17％。CXCL10和IL-10的全身水平增加，中位数分别为407与78 pg/mL（P = 0.01），以及66与40 pg/mL（P = 0.03）。肿瘤内注射vidutolimod、放射外科手术、nivolumab和ipilimumab的联合治疗并未发现对MSS mCRC伴肝转移具有疗效。肝脏照射和肿瘤内vidutolimod注射的并置与高肝毒性相关。© 2023 Elsevier Inc. 保留所有权利。

铁死亡是一种以铁依赖性磷脂过氧化和活性氧物质过量产生为特征的细胞死亡类型。铁死亡引发免疫原性细胞死亡，并诱导抗肿瘤免疫反应，在癌症免疫治疗中扮演重要角色。铁死亡在癌细胞中的抑制削弱了其免疫治疗的功效。为了克服这个问题，铁死亡诱导剂（FINs）已经与其他癌症治疗方法结合，以创建抗肿瘤的免疫微环境。然而，铁死亡基于免疫和肿瘤细胞之间的相互作用非常复杂，因为铁死亡的肿瘤细胞释放的氧化产物损害了抗肿瘤免疫细胞的功能，导致免疫治疗的抵抗性。在本文中，我们回顾了肿瘤和免疫细胞中的铁死亡，并总结了铁死亡肿瘤细胞与免疫微环境之间的相互作用。根据现有文献，我们进一步讨论了将铁死亡靶向治疗与癌症免疫治疗结合的未来展望。版权所有©2023 Elsevier Ltd.发表

细胞发育、分化和凋亡，转化生长因子（TGF）这一细胞因子在乳腺癌中起到了至关重要的作用。TGF-β的失调会促进或抑制肿瘤的发展，它是乳腺癌扩散中的一个关键信号通路。最近发现的一类非编码RNA家族被称为长链非编码RNA（lncRNA），在许多细胞过程中起到了重要的调控作用，包括基因转录、染色质重塑、细胞周期进展和转录后加工。此外，TGF-β信号通路和lncRNA都作为乳腺癌诊断和预后的重要早期生物标志物，并在乳腺癌药物抵抗中发挥了重要作用。根据最近的研究，lncRNA可以通过调节TGF-β的辅因子在乳腺癌中调控TGF-β。然而，lncRNA和TGF-β信号通路在控制乳腺癌进展中的具体功能尚不明确。本综述探讨了lncRNA在调节基因中的肿瘤抑制基因和致癌基因方面的功能特性，着重关注失调的TGF-β信号通路。此外，我们强调了lncRNA和TGF-β通路在乳腺癌进展中的功能角色，以发现新的治疗策略并更好地理解基本的细胞通路。Copyright © 2023 The Author(s). Published by Elsevier Ltd. All rights reserved.