目的:构建一种基于声动力治疗的纳米递送体系，通过诱导细胞焦亡以克服卵巢癌顺铂耐药。
方法:采用逐步浓度梯度诱导法建立人卵巢癌顺铂耐药细胞株（SKOV-3/DDP）。构建以钛酸钡（BaTiO3，简称为BTO）为核、沸石咪唑酯骨架-8（zeolitic imidazolate framework-8，ZIF-8）材料为壳层的复合纳米颗粒BTO/ZIF，并进一步在BTO/ZIF表面包覆磷脂-聚乙二醇-Pt(Ⅳ)[DSPE-PEG1000-Pt(Ⅳ)]和磷脂-聚乙二醇-抗叶酸α受体抗体（DSPE-PEG1000-AF），制备靶向纳米颗粒BTO/ZIF@AF/Pt。然后分别采用透射电子显微镜、扫描电子显微镜和马尔文粒度仪对BTO/ZIF@AF/Pt纳米颗粒的形貌、尺寸、结构、流体力学直径及胶体稳定性（Zeta电位）进行表征。通过紫外分光光度法及活性氧检测试剂盒（DCFH-DA）评估BTO/ZIF复合纳米颗粒产生活性氧的能力；采用激光共聚焦显微镜观察验证SKOV-3/DDP细胞对BTO/ZIF@AF/Pt纳米颗粒的摄取情况。在超声作用下，通过蛋白质免疫印迹实验检测BTO/ZIF@AF/Pt纳米颗粒对细胞焦亡相关蛋白表达以及对顺铂化疗药物敏感度的影响。
结果:本研究成功建立人卵巢癌顺铂耐药细胞株SKOV-3/DDP，并且构建一种以BTO和金属有机骨架（metal-organic framework，MOF）复合材料为载体且携载铂类药物的靶向递送纳米颗粒。该纳米颗粒在超声触发下可有效产生活性氧，诱导卵巢癌顺铂耐药细胞SKOV-3/DDP发生焦亡。
结论:超声触发纳米颗粒BTO/ZIF@AF/Pt产生活性氧，联合Zn2＋释放，可协同促进卵巢癌顺铂耐药细胞发生焦亡，从而有效克服卵巢癌顺铂耐药。
目的:构建一种基于阳离子聚合物载体聚乙基烯胺（polyethylenimine，PEI）的非甲基化胞嘧啶-磷酸-鸟嘌呤寡核苷酸（cytosine-phosphate-guanine，CpG）纳米递送系统（CpG-PEI），评估其促进CpG细胞内递送的效率、增强抗肿瘤免疫治疗的能力以及生物安全性。
方法:采用静电自组装法制备CpG-PEI纳米药物，通过琼脂糖凝胶电泳、场发射扫描电子显微镜及动态光散射（dynamic light scattering，DLS）对其合成、形貌、粒径和电位进行表征。采用流式细胞术与激光扫描共聚焦显微镜检测RAW264.7巨噬细胞对CpG-PEI纳米药物的摄取效率。采用流式细胞术检测RAW264.7巨噬细胞表面M1/M2表型标志物，以评估CpG-PEI纳米药物对巨噬细胞极化的影响。采用CCK-8法和Annexin V-FITC/PI双染法评估CpG-PEI纳米药物的细胞毒性及凋亡诱导作用，以验证其生物安全性。
结果:本研究成功制备粒径为200～400 nm的CpG-PEI纳米药物，其电负性随着合成体系中PEI比例的增加逐渐向正电荷方向转变；CpG-PEI纳米药物能够显著提升CpG在RAW264.7巨噬细胞中的摄取效率，并可有效诱导巨噬细胞向抗肿瘤M1表型极化；通过调控CpG-PEI合成体系中PEI的比例，可在保持高效递送与免疫激活的同时，显著降低CpG-PEI纳米药物的细胞毒性。
结论:本研究成功制备了一种安全且有效的CpG-PEI纳米递送系统，可实现CpG在免疫细胞内的高效递送，并可诱导RAW264.7巨噬细胞向抗肿瘤的M1表型极化，为基于核酸佐剂的肿瘤免疫治疗提供了新的递送策略。
目的:探讨外源性ETS转位变异体2（ETS translocation variant 2，ETV2）基因过表达对人脐静脉内皮细胞（human umbilical vein endothelial cell，HUVEC）成管能力的影响，并构建一个能够适应肿瘤生长的内皮细胞-肿瘤类器官共培养模型。
方法:采用由多西环素诱导的Tet-On质粒系统调控ETV2基因的表达水平，并通过慢病毒载体转染HUVEC细胞，建立ETV2表达水平可由多西环素浓度调控的稳定转染HUVEC细胞系（命名为ETV2-EC）。通过成管实验评估采用不同浓度多西环素诱导后ETV2-EC细胞的成管能力。随后，将ETV2-EC细胞与乳腺癌类器官共培养，通过Calcein-AM染色和CCK-8法确定2者共培养的最佳培养基，并在光学显微镜下观察共培养模型中内皮细胞的存活状态及其与肿瘤类器官的相互作用。最后，通过RNA-seq分析ETV2基因过表达对HUVEC细胞转录组表达谱的影响。
结果:采用10 μmol/L多西环素诱导ETV2-EC细胞可显著提高其成管能力及管状结构稳定性。HUVEC细胞、ETV2-EC细胞和乳腺癌类器官均可在含成纤维细胞生长因子2（fibroblast growth factor 2，FGF2）和肝素的乳腺癌类器官培养基中稳定存活。与对照组HUVEC细胞相比，经10 μmol/L多西环素诱导的ETV2-EC细胞在与乳腺癌类器官共培养时存活时间更长，形成的管状结构面积更大且更加稳定。转录组测序分析结果显示，ETV2基因过表达显著改变了HUVEC细胞的转录组特征，ETV2-EC细胞中发生差异表达的基因主要与内皮细胞的增殖、迁移以及对肿瘤微环境的适应性密切相关。
结论:在成熟内皮细胞中过表达ETV2基因可能通过重新激活被抑制的管腔形成和血管生成相关基因，赋予其更强的成管能力。此外，在与肿瘤类器官共培养条件下，过表达ETV2基因还能够显著增强内皮细胞的存活能力及其对肿瘤微环境的适应性。
目的:探讨血清胆汁酸，尤其是牛磺鹅脱氧胆酸（tauroursodeoxycholic acid，TCDCA），对胆囊癌患者吉西他滨耐药及生存预后的影响。
方法:选取20例胆囊癌患者的新鲜胆囊癌组织构建迷你人源肿瘤异种移植（mini patient derived xenograft，mini-PDX）模型和患者来源类器官，采用mini-PDX药物敏感性测试将这些患者分为吉西他滨敏感组和吉西他滨耐药组。通过超高效液相色谱-串联质谱（high performance liquid chromatography-tandem mass spectrometry，UHPLC-MS/MS）法检测吉西他滨敏感与耐药组胆囊癌患者的血清胆汁酸谱，并比较2组间的差异。应用Kaplan-Meier法与COX比例风险模型评估血清TCDCA水平与胆囊癌患者总生存期的相关性，并根据是否接受吉西他滨治疗对胆囊癌患者进行亚组分析。在胆囊癌GBC-SD细胞系及胆囊癌类器官模型中，分别通过CCK-8细胞毒性实验、克隆形成实验以及类器官药物敏感性检测，评估TCDCA对GBC-SD细胞及胆囊癌类器官吉西他滨耐药性的影响。
结果:与吉西他滨敏感组相比，耐药组胆囊癌患者的血清中存在多种结合型胆汁酸的表达水平升高，其中以TCDCA最为显著（P＝3.3×10−5）。在临床队列中，高TCDCA水平组胆囊癌患者的总生存期显著短于低TCDCA水平组[风险比（hazard ratio，HR）＝1.75，95%置信区间（confidence interval，CI）：1.18～2.59；P＝0.009]。亚组分析结果显示，该不良预后效应主要见于接受吉西他滨化疗的患者（HR＝2.07，95% CI：1.23～3.47；P＝0.005），而未接受吉西他滨化疗的患者未见显著关联（P＝0.338）。体外功能实验结果表明，TCDCA处理可明显提高胆囊癌GBC-SD细胞对吉西他滨的IC50值，并且在吉西他滨化疗条件下TCDCA可显著增强GBC-SD细胞的克隆形成能力；在胆囊癌类器官模型中，TCDCA同样能够显著逆转吉西他滨诱导的生长抑制。
结论:对于接受吉西他滨化疗的胆囊癌患者，血清TCDCA是一个潜在的不良预后生物标志物。TCDCA可直接诱导胆囊癌细胞及胆囊癌类器官对吉西他滨产生耐药性，提示靶向胆汁酸代谢微环境可能为逆转胆囊癌吉西他滨化疗耐药提供一种可行的治疗策略。
肺癌是全球最常见且死亡率最高的恶性肿瘤之一，其显著的肿瘤异质性与耐药性是实现精准医疗的主要障碍。患者来源的肿瘤类器官因能高保真地模拟原发肿瘤的遗传和病理特征，成为连接肿瘤基础研究与临床实践的桥梁，在推动肺癌精准治疗方面展现出巨大潜力。本文系统阐述了肺癌类器官模型的构建策略与技术优势，指出未来该领域发展的关键在于建立标准化培养体系、开展多中心临床验证以及深化多组学数据整合，以期推动肺癌类器官在药物研发和个体化精准治疗中的应用。
目的:基于机器学习算法构建骨髓增生异常综合征（myelodysplastic syndrome，MDS）患者血小板输注效果预测模型，并在患者人群中验证该模型的预测性能及临床实用价值。
方法:选取2021年1月—2024年12月山西医科大学附属运城市中心医院收治的160例MDS患者作为训练集，并根据血小板输注效果将其划分为无效组与有效组。采用最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）回归分析以及logistic回归分析，依次筛选进入MDS患者血小板输注效果预测模型构建的特征变量，再分别采用极端梯度提升（extreme gradient boosting，XGBoost）、决策树、随机森林及logistic回归4种机器学习算法构建预测模型。采用敏感度、特异度、受试者工作特征（receiver operating characteristic，ROC）曲线下面积（area under the curve，AUC）及Youden指数等指标评估各模型的预测性能，并进一步应用决策曲线对预测效果最优模型进行临床实用性评估。另选取2025年1—5月山西医科大学附属运城市中心医院及山西医科大学第二医院收治的73例MDS患者作为时间验证集，评估该最优模型的临床泛化能力。
结果:在训练集160例MDS患者中，血小板输注无效率为34.38%（55/160）。LASSO回归分析显示，血小板输注无效组中发热、脾肿大、血小板抗体阳性、血小板输注次数≥5次的比例以及血清白细胞介素（interleukin，IL）-1β和IL-8水平均高于血小板输注有效组（P均＜0.05）。logistic回归分析进一步显示，脾肿大、血小板抗体阳性、血小板输注次数以及血清IL-1β和IL-8水平均为MDS患者血小板输注无效的独立危险因素（P均＜0.05）。在训练集与验证集中，XGBoost模型的AUC值分别为0.946[95%置信区间（confidence interval，CI）：0.899～0.975]和0.947（95% CI：0.868～0.986），均显著高于随机森林模型[0.871（95% CI：0.809～0.919）和0.830（95% CI：0.723～0.907）]、决策树模型[0.856（95% CI：0.792～0.907）和0.814（95% CI：0.705～0.895）]以及logistic回归模型[0.849（95% CI：0.784～0.901）和0.804（95% CI：0.695～0.888]（P＜0.05）。另外，在训练集与验证集中，XGBoost模型的敏感度分别为90.91%和91.67%，特异度分别为89.52%和91.84%，也均显著高于其他3个预测模型（P均＜0.05）。XGBoost模型将导致MDS患者血小板输注无效风险增加的影响因素按照重要性进行排序，依次是血小板抗体阳性、血小板输注次数、血清IL-8水平、血清IL-1β水平和脾肿大。决策曲线显示，当阈值概率为0.01～0.99时，应用XGBoost模型预测MDS患者血小板输注效果所带来的正确干预的临床获益始终大于误判造成的损失，具有良好的临床实用价值。
结论:MDS患者的血小板输注治疗效果不甚理想。基于血小板抗体阳性、血小板输注次数、血清IL-8水平、血清IL-1β水平和脾肿大5个临床指标构建的XGBoost模型对MDS患者血小板输注效果的综合预测性能最优，具有良好的临床实用价值，可为临床调整与优化治疗方案以及提高血小板输注有效率提供重要依据。
原发性肺淋巴瘤（primary pulmonary lymphoma，PPL）在临床上比较罕见且其影像学与病理学表型缺乏特异性，传统诊断主要依赖于临床医师的个人经验，易导致误诊与漏诊。机器学习（machine learning，ML）作为人工智能（artificial intelligence，AI）的核心技术，为提升PPL的诊断效能提供了新途径。本文综述了ML在PPL诊断中的最新应用进展。在影像组学方面，ML通过挖掘CT及正电子发射体层成像（positron emission tomography，PET）的高通量纹理特征，构建定量模型，显著提升了PPL与肺癌以及机化性肺炎等疾病的鉴别准确率。在病理组学领域，深度学习技术实现了淋巴瘤亚型的自动分类与免疫组织化学分析的客观化。此外，基因组学结合ML有助于解析PPL的分子特征以辅助其精准分型。尽管目前ML在PPL诊断中的应用仍面临样本量少、标准化不足及模型可解释性差等挑战，但是随着多模态数据融合、联邦机器学习以及可解释性AI等技术的不断进步，ML有望推动PPL诊疗向智能化和精准化方向发展。
腹膜后软组织肉瘤（retroperitoneal soft tissue sarcoma，RPSTS）是一种罕见的恶性肿瘤，其诊断与治疗因肿瘤的高异质性而面临巨大挑战。目前，影像学检查如CT和MRI是RPSTS诊断的重要手段，但传统方法在精准评估方面存在局限。近年来，机器学习技术在提升RPSTS的诊断和治疗水平方面展现出显著的潜力。机器学习在RPSTS的病理分型与分级、治疗反应评估及预后预测方面成效显著，例如能有效地区分高分化脂肪肉瘤和去分化脂肪肉瘤等不同亚型，并且能够判定肿瘤分级以及预测治疗反应和远处转移风险等关键指标。尽管现有研究表明机器学习技术在图像数据的处理和模型优化方面已取得了显著进展，但手动感兴趣区（region of interest， ROI）分割的主观性、小样本数据的限制性以及深度学习模型的“黑箱”特性仍然是制约其临床应用的关键瓶颈。未来，通过开展大样本多中心的临床研究、开发自动化分割技术以及提升模型可解释性，机器学习有望逐步转化为可靠的临床决策辅助工具，为RPSTS患者提供更精准的诊断和治疗方案，从而最终造福患者。
作为消化系统恶性肿瘤之一，胰腺癌早期难以发现且无有效治疗手段。目前，人工智能（artificial intelligence，AI）技术快速发展，特别是机器学习、深度学习、计算机视觉和自然语言处理等，为突破胰腺癌诊疗瓶颈提供了新思路。本研究基于PubMed、Web of Science和CNKI等数据库进行文献检索与筛选，初步获得与AI赋能胰腺癌诊疗相关文章128篇，经过深入研读后最终纳入期刊论文及研究报告等38篇，内容涵盖基于AI构建患病风险预测模型、医学影像智能筛查与病理辅助诊断、个体化治疗策略推荐、监测疗效及预测复发等关键环节，系统回顾了AI技术在胰腺癌诊疗全过程中的整合与应用。本文通过对当前AI技术在胰腺癌诊疗中的实践与证据进行荟萃分析，旨在为推动AI技术向胰腺癌临床诊疗实践的有效转化提供学术参考。
