撰文丨王聰

編輯丨王多魚

排版丨水成文

Clinical Medicine Insights: Oncology是Sage出版社旗下的一本國際化、同行評議的開放獲取期刊（Open Access Journal）。

該期刊發(fā)表有關癌癥研究和治療所有方面的文章，包括但不限于分子生物學、遺傳學、病理生理學、流行病學、臨床干預、對照試驗、癌癥患者的診斷和治療、治療學、藥理學和藥物遞送，以及癌癥手術技術等主題。該期刊歡迎多種類型的稿件，包括 original research、review、systematic review、meta-analysis、study protocols 以及 Letters to the Editor，original research 稿件可涵蓋實驗室、動物或人類/臨床研究的各個階段。

該期刊目前影響因子（IF）為1.9，根據(jù)實時影響因子預測，該期刊將在今年 6 月份更新的影響因子中達到2.5分。

該期刊現(xiàn)在中國誠邀投稿，出版社官方特別推出 投稿福利：如您近期有適合的稿件投稿，歡迎掃描下方二維碼填寫信息 ，申請獲取 APC9折優(yōu)惠碼及投稿鏈接等。

今天，我們分享Clinical Medicine Insights: Oncology期刊發(fā)表的幾項研究，包括最新上線的臨床研究論文、高閱讀量論文及高被引論文。

阿特珠單抗+貝伐珠單抗治療肝癌的有效性和安全性

這項最新臨床研究論文發(fā)表于 2026 年 1 月 20 日，來自陸軍軍醫(yī)大學西南醫(yī)院，論文題為：Effectiveness and Safety of Atezolizumab Plus Bevacizumab in Unresectable Hepatocellular Carcinoma: A Multicenter, Retrospective Real-World Study in China 的臨床研究論文。

該研究納入了48 名不可切除的肝細胞癌（uHCC）患者，中位年齡為 58 歲，其中 35 名和 13 名患者分別接受阿特珠單抗（Atezolizumab，抗 PD-L1 單抗）聯(lián)合貝伐珠單抗（bevacizumab，抗 VEGF 單抗）作為一線和二線治療。

根據(jù) RECIST 1.1 標準，客觀緩解率（ORR）和疾病控制率（DCR）分別為 39.6% 和 70.8%；根據(jù) mRECIST 標準，分別為 60.4% 和 75.0%。中位隨訪時間為 14.5 個月，其中，一線治療組的中位無進展生存期（PFS）為 8.5 個月，二線治療組為 5.1 個月。中位總生存期（OS）尚未達到。75% 的患者（n = 36）出現(xiàn)了不良事件，最常見的不良事件為血小板減少（27.1%）、淋巴細胞減少（25%）和肝功能異常（14.6%）。

這項研究證實了阿特珠單抗聯(lián)合貝伐珠單抗在真實世界中國不可切除肝細胞癌患者中作為一線和二線治療的實際療效和安全，有必要開展進一步的研究來驗證這些發(fā)現(xiàn)并優(yōu)化治療策略。

AI 在結直腸癌治療中的應用

這篇高被引論文發(fā)表于 2024 年 1 月 5 日，來自四川大學華西醫(yī)院，論文題為：Artificial Intelligence Applications in the Treatment of Colorectal Cancer: A Narrative Review。

結直腸癌（CRC）是全球第三大常見癌癥，其治療一直是臨床難題。除了傳統(tǒng)的手術治療和化療，新發(fā)現(xiàn)的分子機制為結直腸癌的治療提供了更多途徑。然而，在精準醫(yī)療時代，如何在多種治療方案中為患者選擇個性化治療方案又成了新的挑戰(zhàn)。近年來，人工智能（AI）在結直腸癌治療中的應用研究日益增多。該綜述主要討論了 AI 在結直腸癌患者治療中的應用。通過在 MEDLINE、EMBASE 和 Web of Science 數(shù)據(jù)庫中進行全面的文獻檢索，共納入 49 篇相關論文。結果表明，基于不同類別的數(shù)據(jù)，AI 能夠預測治療結果以及傳統(tǒng)和新型療法的關鍵指導信息，從而為結直腸癌患者實現(xiàn)個體化治療策略的選擇。一些常用的機器學習算法和深度學習框架也被用于結直腸癌患者的長期預后預測。總體而言，AI 在結直腸癌患者的治療策略選擇和預后評估方面顯示出令人鼓舞的結果。

整合多組學方法在癌癥臨床研究中的應用

這篇高閱讀論文發(fā)表于 2025 年 10 月 21 日 ，來自意大利佛羅倫薩大學，論文題為：Navigating Cancer Complexity: Integrative Multi-Omics Methodologies for Clinical Insights。

癌癥多組學領域的最新進展通過整合基因組學、轉錄組學、蛋白質組學和代謝組學，徹底改變了我們對癌癥生物學的理解。這些綜合方法已促使新型生物標志物和治療靶點的發(fā)現(xiàn)，為包括乳腺癌、肺癌、胃癌、胰腺癌和膠質母細胞瘤在內(nèi)的多種癌癥的分子復雜性提供了更深入的見解。盡管取得了這些進展，但諸如不同數(shù)據(jù)類型的整合以及復雜生物相互作用的解讀等挑戰(zhàn)依然存在。不過，蛋白質基因組學和質譜技術的發(fā)展增強了分子特征與臨床特征之間的關聯(lián)，從而提高了對治療反應預測的準確性。

未來癌癥藥物研發(fā)有望從多組學方法中獲益，提高個性化治療的精準度和療效。通過開發(fā)基于綜合網(wǎng)絡的模型，研究人員旨在解決與異質性、可重復性和數(shù)據(jù)解讀相關的挑戰(zhàn)。多組學數(shù)據(jù)整合的標準化框架有可能徹底改變癌癥研究，優(yōu)化新型藥物靶點的識別，并增進我們對癌癥生物學的理解。這種全面的方法有望通過全面描繪癌癥的分子圖譜來推進個性化治療，最終通過更有效和更具針對性的治療策略改善患者預后。該綜述強調(diào)了多組學方法在通過更精準和有效的治療來變革癌癥研究和改善患者預后方面的潛力。