INTRODUCTION•✦研究介绍✦•研究背景Background       肺癌是癌症里面发病率和死亡率排名靠前的种类，世界范围内大约85%的肺癌都是非小细胞肺癌。肺叶切除术目前主要是微创技术，与开放手术相比，微创技术具有较少的术后并发症，较短的住院时间，较少的术后相关疼痛。       在一些回顾性的研究里面，机器人辅助肺叶切除术(RAL)和视频辅助肺叶切除术(VAL)在可切除的非小细胞肺癌(NSCLC)中的长期生存率和围手术期结果没有明显的统计学差异。研究目的Objectives本实验是第一个比较可切除的NSCLC的RAL和VAL两种术式的随机临床试验（RCT），并且证明相对于VAL, RAL对于可切除的NSCLC在总体生存期（OS）上是否有差异。METHODS•✦研究方法✦•研究亮点1这是第一个比较RAL和VAL两种术式的RCT实验。2与VAL相比，RAL对于可切除的NSCLC的患者在OS和上没有统计学上的差异。3可以作为支持RAL在临床上广泛应用的证据之一。1.研究设计和研究人群这项研究是一项前瞻性的，单中心，随机的比较RAL和VAL对于可切除的NSCLC患者OS的临床试验。排除标准包括：术前有手术病理证实的其他肺部肿瘤而非小细胞肺癌；其他恶性肿瘤病史；或曾接非小细胞肺癌术前受过任何治疗的患者。2.随机化和遮蔽符合条件的患者按1:1的比例随机分配分为RAL组和VAL组。简单随机是用计算机生成的随机数字表。3.终点事件其中一个主要终点事件是3年的生存期。3年期OS被定义为随机分组后3年仍然存活。第二个终点事件包括3年无病生存期(DFS)。4.统计分析统计分析主要采用的是在R语言，版本3.4-0 (R Foundation for statstical Computing)和IBM SPSS Statistics (version22)。FINDINGS•✦研究发现✦•基本信息描述1患者按照入选标准和排除标准分为机器人手术组（RAL）（181人）和视频辅助手术组（VAL）（182人）。2机器人手术组RAL的死亡人数为13人，主要死亡原因为肺癌，视频辅助手术组的死亡人数为20人，主要死亡原因为肺癌，两者并没有统计学上的差异。3OS的中位随访时间为61.0个月，RAL组和VAL组相比在OS和DFS上并没有统计学的差异。1.研究分组和入选标准363名患者按照入选标准和排除标准分为机器人（RAL）（181人）和视频辅助手术组（VAL）（182人）。（图1）图12.患者的基本信息机器人手术组（RAL）和视频辅助手术组（VAL）的基本信息如下（图2）图23.患者死亡人数与原因机器人手术组（RAL）的死亡人数为13人，主要死亡原因为肺癌，视频辅助手术组（VAL）的死亡人数为20人，主要死亡原因为肺癌，两者并没有统计学上的差异（图3）。图34.OS和DFSOS的中位随访时间为61.0个月，RAL组和VAL组相比在OS上并没有统计学的差异，两者在DFS上也没有统计学的差异。图4DISCUSSION•✦研究讨论✦•研究局限性1该文章计算样本时大小，显著性水平为单侧5%，但是实际上是5%的双边显著性水平研究方案。2这是一个单中心的实验研究，没有多中心的实验研究有说服力，而且医生的手术水平也需要考虑进去。3招募的病人主要是I期的，不能代表其他II期和III期的病人。参考文献[1] Zhenyi Niu, Yuqin Cao,Mingyuan Du,Siying Sun, Yan Yan,Yuyan Zheng, Yichao Han et al. Robotic-assisted versus video-assisted lobectomy for resectable non-small-cell lung cancer: the RVlob randomized controlled trial. eClinicalMedicine 2024;74:102707. doi.org/10.1016/j.eclinm.2024.102707.END文案 | 许唯伟排版 | 许唯伟审核 | 姜笑南发布｜姜笑南世界生命科学大会RECRUIT关注我们，获取生命科学学界前沿｜促进更多的学术交流与合作业界前沿｜促进更快的产品创新与应用政策前沿｜促进更好的治理实践与发展

INTRODUCTION•✦研究介绍✦•研究背景Background肿瘤边界的高精度成像一直是临床肿瘤切除手术中的关键难题。 传统方法如视觉检查或术前影像学评估往往难以准确判断肿瘤边界，导致切除不彻底或过度切除，从而影响患者预后。近年来，荧光成像技术因其非侵入性、高灵敏度、实时性和高空间分辨率等优势，成为肿瘤边界成像的有力工具。然而，传统的荧光探针在肿瘤诊断中存在局限性，例如：缺乏特异性： 一些肿瘤标志物在正常组织中也有表达，导致假阳性信号，难以准确区分肿瘤和正常组织。信躁比低： 荧光信号易受正常组织代谢的影响，难以在体内获得清晰的肿瘤图像。为了克服这些挑战，本文报道了一种基于肿瘤“攻防系统”的“攻防一体化”（ODI）策略，用于设计可激活的荧光探针，实现肿瘤边界的高精度成像。肿瘤的生存和发展需要“攻”和“防”两种机制共同发挥作用，攻： 肿瘤需要“进攻者”支持其侵袭性，例如肿瘤侵袭性肽酶，如氨基肽酶N（APN）。防： 肿瘤需要“防御者”抵抗缺氧、药物刺激和免疫系统识别，例如硫化氢（H2S）、硝基还原酶（NTR）和NAD(P)H：醌氧化还原酶1（hNQO1）。研究目的Objectives通过结合肿瘤“攻防系统”的多维特征，提高探针的特异性和信号背景比，设计可激活的荧光探针，实现肿瘤边界的高精度成像， 即准确区分肿瘤组织和正常组织，为临床肿瘤切除手术提供实时辅助。CONTENTS•✦研究内容✦•研究亮点1、探针设计合成一系列基于ODI策略的荧光探针ANX（ANR、ANS、ANQ，FANQ），其中ANR响应hNQO1/APN、ANS响应NTR/APN，ANQ和FANQ响应H2S/APN。并合成对照探针ANP（无防御识别位点）和AN（基于肿瘤单侧特征的APN探针）。（图1）2、体外验证通过荧光光谱、高效液相色谱和质谱分析等方法，验证探针的响应机制和特异性。（图2）3、细胞和体内成像利用共聚焦显微镜观察探针在肿瘤细胞和正常细胞中的荧光信号，评估探针的细胞水平特异性。通过静脉注射探针，在小动物活体成像系统辅助下，评估探针在健康小鼠和荷瘤小鼠体内的成像性能。4、临床样本应用将探针应用于临床肝细胞癌（HCC）样本，评估探针在区分肿瘤组织和正常组织方面的性能。图1 荧光探针的设计策略图2 探针的体外光谱响应结果RESULTS•✦研究结果✦•基本信息描述1. ODI策略有效提高探针特异性与传统的基于肿瘤单侧特征的荧光探针相比，ODI策略探针在区分肿瘤细胞和正常细胞方面表现出更高的特异性。这是因为ODI策略探针需要同时识别肿瘤“攻防系统”的多个特征，才能被激活并发出荧光信号，有效降低了来自肝脏和肾脏等代谢活跃器官的假阳性信号。（图3）2. FANQ探针具有更高的信号背景比FANQ探针在肿瘤微环境中表现出更高的去质子化倾向，从而提高了信号背景比。实验结果表明，FANQ探针在荷瘤小鼠和临床HCC样本中均表现出更高的信号背景比。例如，在荷瘤小鼠模型中，FANQ探针的肿瘤与正常组织之间的信号强度比（T/N）高达3.29，而传统探针FAN的T/N仅为1.65。（图4）3. FANQ探针实现肿瘤边界的高精度成像荷瘤小鼠中，FANQ探针实现了高特异性和高分辨率成像，清晰地勾勒出肿瘤边界，为临床肿瘤切除手术提供实时辅助。（图4）临床HCC样本中，FANQ探针能够清晰地勾勒出肿瘤边界，并将其与周围正常组织区分开来。例如，FANQ探针在HCC肿瘤组织中的荧光强度比周围正常组织高3倍以上，且荧光边界清晰可见。（图5）上述结果与传统的病理学检查结果一致，表明FANQ探针在临床应用中具有良好的准确性和可靠性。4. ODI策略探针的应用潜力ODI策略探针不仅能够用于肿瘤成像，还可以用于肿瘤诊断、治疗监测和药物筛选等领域。首先，ODI策略探针可以用于检测肿瘤组织中特定的标志物，从而辅助肿瘤诊断和分类。例如，ANQ探针可以用于检测肿瘤组织中hNQO1和APN的表达水平，从而辅助HCC的诊断和分类。其次，ODI策略探针还可用于监测肿瘤治疗过程中的变化，例如肿瘤体积的变化、肿瘤血管生成的情况等，从而评估治疗效果。例如，FANQ探针可以用于监测HCC肿瘤体积的变化，从而评估治疗效果。此外，ODI策略探针还可以用于筛选具有肿瘤靶向性的药物，从而提高肿瘤治疗的疗效和安全性。例如，ODI策略探针可以用于筛选能够抑制肿瘤“攻防系统”的药物，从而提高肿瘤治疗的疗效。图3 FANQ探针能降低肝脏和肾脏等代谢活跃器官的假阳性信号图4 FANQ探针在荷瘤小鼠中实现高特异性和高分辨率成像            图5 FANQ探针在临床HCC样本中清晰地勾勒出肿瘤边界DISCUSSION•✦研究讨论✦•研究局限性虽然ODI策略探针在肿瘤成像方面展现出巨大的潜力，但仍存在一些局限性需要进一步研究。首先，目前对ODI策略探针在体内的代谢途径了解有限，需要进一步研究其代谢产物、代谢途径以及潜在的毒性作用。这有助于评估探针在临床应用中的安全性，并为优化探针结构提供理论依据。其次，ODI策略的普适性需要在不同类型肿瘤中进行验证。例如，需要研究ODI策略探针在乳腺癌、肺癌等不同类型肿瘤中的成像性能，并探索针对其他肿瘤标志物的ODI策略探针设计。再者，ODI策略探针的制备工艺相对复杂，成本较高，限制了其大规模生产和临床应用。需要进一步优化制备工艺，降低成本，使其更具市场竞争力。参考文献[1] Yang Shen, Wei Li, Zhixuan Zhou, Junchao Xu, Yuhang Li, Haiyan Li, Xudong Zheng, Sulai Liu, Xiao-Bing Zhang，Lin Yuan, Dual-Locked Fluorescent Probes Activated by Aminopeptidase N and the Tumor Redox Environment for High-Precision Imaging of  Tumor Boundaries，Angew. Chem. Int. Ed. 2024, e202406332.END文案 | 陆细刚排版 | 陆细刚审核 | 陆细刚发布｜姜笑南世界生命科学大会RECRUIT关注我们，获取生命科学学界前沿｜促进更多的学术交流与合作业界前沿｜促进更快的产品创新与应用政策前沿｜促进更好的治理实践与发展

行业动态前言临床与健康指标采用与2024年泰士高等教育世界大学排名相同的可信且严格的绩效指标，但该研究方法已重新调整以适合各个学科领域。该排名显示了在医药、齿科和其它健康学科领域中处于领先地位。聚焦今年的排名包括1059所高校，多于去年的1001所。点击查看2024年泰晤士高等教育临床与健康研究排名研究方法牛津大学连续第13年位居榜首。但数量居于前10位的美国院校中，共5所：第2位的哈佛大学；第5位的斯坦福大学；第11位而今年第6位的约翰霍普金斯大学；第8位的耶鲁大学和从第15位上升至第10位的宾夕法尼亚大学。中国清华大学去年招生5次，今年招生恢复9次。英国伦敦政治经济学院去年招生10次，今年招生恢复至13次。在新进入排名的中，位于第301-400位区间的意大利罗马生物医学大学是排名最高的大学。以下为临床与健康研究前100详细排名，如需了解更多请关注公众号回复001获取全部信息。top100来源：泰晤士高等教育学科排名END文案 | 王东旭排版 | 王东旭审核 | 王东旭发布｜姜笑南世界生命科学大会RECRUIT关注我们，获取生命科学学界前沿｜促进更多的学术交流与合作业界前沿｜促进更快的产品创新与应用政策前沿｜促进更好的治理实践与发展

中科院 2 区文献独家解读一个预测术后恢复的模型Field Introduction•✦领域导读✦•临床预测模型是医学版的“算命”。患者、医生都是模型构建者。患者自我评估越来越重要。临床预测模型就是一种统计模型，可以是传统的统计学，也可以是人工智能（包括机器学习）。无论哪种模型，本质是根据一系列患者特征估算某种临床结果的概率，在临床实践中可用于对疾病严重程度进行分层，并描述疾病风险或疾病预后。除了临床和生物数据，患者自我评估相关数据已成为重要角色，也主导着一些临床预测模型（如本文）。在缺乏优质数据的现实环境下，该文献亮点是借用了既往的随机对照临床试验（RCT）数据，并充分利用了数据特征带来的优势，进行了规范的建模。下面给出解读。Paper Content•✦内容提要✦•摘要（翻译+原文）（点击查看大图）Key Concepts•✦概念清障✦•QoR-40:  Quality of Recovery，恢复质量评分-40。基于患者自我评估，含两大类 40 个问题，评估身体舒适度、情绪状态、身体独立性、心理逻辑支持和疼痛。具有良好的心理测量特性、效度、重测可靠性和内部一致性。患者自主完成问卷只需约 7 分钟。ASA 分级：指的是美国麻醉医师协会（ASA）于麻醉前根据病人体质状况和对手术危险性进行分类，将病人分成的六级。该指标在各医院围手术期均常规采集。是外科建模的利器。HADS: Hospital Anxiety and Depression Scale 医院焦虑和抑郁量表，基于患者主观感受。Take-away Messages•✦关键启示✦•1. 研究亮点：数据来源本文作者“一鱼两吃”，用两个既往随机对照临床试验（RCT）数据开发了模型。是不是为大家提供了新思路呢？这两个麻醉药物的 RCT（编号NCT01441843；NCT01993459）本身并不是用来建立预测模型的，甚至两个研究对象都不同：一个是咪达唑仑，一个是劳拉西泮，但都是苯二氮卓类，也都采集了 QoR-40 问卷。图释：两个 RCT 一个被当作训练集，用于建模；一个被当作验证集，验证模型表现（点击可放大）2. 如何选择和对待患者数据：模型的“变量”处理作者通过评价既往文献，筛选出如下变量以供选择：年龄、性别、既往手术情况、体重指数（BMI）、ASA 分级、手术持续时间、医院焦虑抑郁量表（HADS）和 QoR-40。以上这种通过文献查找循证医学证据的方法，就是基于专家意见 (theory-based) 的变量筛选，这是目前最提倡的首要方法，可见临床建模需要与临床意见全程紧密结合，医生远不只是提供数据。相比之下另一种变量筛选方法是单纯的数据驱动 (data-driven),  是指不考虑真实临床意义，只计算数值上的显著性，更适合样本量大、变量多的情况，常见于机器学习乃至人工智能。基本模型最终选用变量：年龄、性别、至少做过一次手术、体重指数、ASA 评分和手术持续时间，共 6 个。复杂模型最终选用变量：年龄、性别、既往手术、BMI、ASA、手术持续时间、HADS 和术前 QoR-40 评分，共 8 个。特别指出，年龄、性别一般是放之四海皆有用的指标。在对变量的处理上，作者保持数值变量不变，而非转化为等级变量（比如，将某项检验指标数值转变为“高、中、低”这样的等级变量），这种转化是一种最常见的数据处理错误。推荐参考一个科普视频：数据处理最常见的错误（没有之一）（https://www.bilibili.com/video/BV1tDTceqEmJ/）。3. 临床预测模型常见难点/争议点：样本量本研究容易被质疑样本量小。作者给出的解释是，虽然样本少，但因为来自 RCT，所以数据质量好，数据缺失少。最关键的是，按照每个变量最少 10 个事件（Event per variable, EPV. 即：如果 8 个变量，则阳性结局至少需要达到 80 例）的经验法则，开发和外部验证的有效样本量是足够的。图释：除了EPV，其他样本决定因素如图（翻译+原文）（点击可放大）4. 外科天然优势：术前术后对比数据得益于较为严格的流程化诊疗，外科围手术期的指标较为全面，且时效性好。有想法的外科同道可以结合自己的兴趣点，探索课题。5. 提倡：更新模型，而非重建模型前人设计的临床量表（量表本质上就是预测模型）在后人的临床预测模型上体现价值。同样地，本研究的作者也提出，后人可以在此模型基础上更新：“可能有一些（目前未知的）变量会改善当前模型的表现。        因为新的研究（如 Enhanced Recovery After Surgery，ERAS，加速康复外科）指出，术前体力活动、营养状况、微创手术技术或麻醉方案以及术后可能需要入住重症监护室，都是值得关注的预后变量。扩大患者范围将有助于研究这些相关变量，从而更新我们的模型。”再推荐一篇 2022 年发表的高被引文献，解答如何评估并更新模型，也是本公众号文章笔者的偶像 E. W. Steyerberg 作为通讯作者发表的：Methodological guidance for the evaluation and updating of clinical prediction models: a systematic review （参考文献 2）6. 借鉴：“优点和不足”部分本研究从几个常见的角度，即样本量、偏倚、模型普适性（泛化性）等来讨论，可以借鉴。图释：文章“优势和不足”（原文+翻译）（点击可放大）Methodology•✦方法论总结✦•        本研究较严格地遵循了系统化方法：临床模型建立七步骤（见下图）图释：Clinical Prediction Models (书, 作者 Ewout W. Steyerberg) 总结的建模关键步骤清单（点击可放大）然而对于新的模型（如本例），需要在新的时间和应用场景继续验证，这也是大多数临床预测模型研究本身最具独特性之处。对于经受住考验的，可能被写进临床诊疗指南，例如预测深静脉血栓的 Wells 评分，有兴趣的读者可以查看本文参考文献 3。参考文献[1] van Beek, Stefan, et al. "Development and external validation of a clinical prediction model for predicting quality of recovery up to 1 week after surgery." Scientific Reports 14.1 (2024): 387.[2] Binuya, M. A. E., et al. "Methodological guidance for the evaluation and updating of clinical prediction models: a systematic review." BMC Medical Research Methodology 22.1 (2022): 316.[3] Wells, PhilipS, et al. "Accuracy of clinical assessment of deep-vein thrombosis." The Lancet 345.8961 (1995): 1326-1330.[4]  视频：数据处理最常见的错误（没有之一）（https://www.bilibili.com/video/BV1tDTceqEmJ/）END文案 | 孙梦妍排版 | 孙梦妍审核 | 孙梦妍发布｜姜笑南世界生命科学大会RECRUIT关注我们，获取生命科学学界前沿｜促进更多的学术交流与合作业界前沿｜促进更快的产品创新与应用政策前沿｜促进更好的治理实践与发展

INTRODUCTION•✦研究介绍✦•研究背景Background腹腔镜肝切除术(LH)在肝脏恶性肿瘤的治疗中已被证明是有效的。最近Mao B的一项meta分析指出与LH相比，机器人肝切除术(RH)在以下方面的降低发病率，失血，转换率，以及术后停留时间具有一定的优势。但是也有一些其他meta分析关于这两种微创方式术后结果的比较得出了不一样的结果。目前，并没有相关的RCT实验来比较LH和RH两种术式的结果。研究目的Objectives本实验是第一个比较LH和RH两种术式的随机临床试验，并且证明相对于LH, RH对于恶性肿瘤行肝切除术的患者是否具有同样的手术效果。METHODS•✦研究方法✦•研究亮点1这是第一个比较LH和RH两种术式的RCT实验。2与LH相比，RH对于恶性肿瘤行肝切除术的患者在短期预后结果上没有统计学上的差异。3可以作为支持RH在临床上广泛应用的证据之一。1.研究设计和研究人群这项研究是一项前瞻性的，单中心，随机，单盲的比较LH和RH预后结果的临床试验。排除标准包括肝切除术合并血管重建和/或额外肝切除术的病人。进一步排除标准包括美国麻醉医师协会 (ASA) 4级或以上，智力受损或无法完成问卷调查的患者。2.随机化随机化是在研究数据捕获(REDCap)系统采用随机块大小为2和4到的块数表示RH或LH。3.统计分析统计分析主要采用的是在R语言，版本3.6.1 (R Foundation for statstical Computing)和SAS 9.4 (SAS Institute Inc. Cary，NC)FINDINGS•✦研究发现✦•基本信息描述1患者按照入选标准和排除标准分为腹腔镜组（40人）和机器人手术组（41人）。2对于RH组和LH组来说，最常见的不良事件为腹腔积液和外科手术部位感染，以上均没有统计学上的差异。90天死亡率为RH组和 LH组也没有统计学上的差异。3两者的术后恢复时间没有统计学上的差异。1.研究分组和入选标准198名患者按照入选标准和排除标准分为腹腔镜组（40人）和机器人手术组（41人）（图1）图12.患者的基本信息腹腔镜组和机器人手术组的基本信息如下（图2）图23.生活质量分析       对主要终点的进行分析，发现RH组和LH组之间并没有统计学上的差异(mean [SD]，74.3 [23.3] vs . 79.6 [22.3];P = 0.547)（图3）图34.安全性和术后并发症对于RH组和LH组来说，最常见的不良事件为腹腔积液(n = 5.12%对n = 10,.26%，p = 0.157)和外科手术部位感染(n = 3.7% vs n = 4.10%， p = 0.429)。90天死亡率为RH组5% (n = 2)， LH组3% (n = 1)组(p < 0.99)。（图4）图45.术后恢复在功能恢复时间方面，例如术后住院天数和出院后在家天数两组间无显著差异。90天内的再入院率RH和LH分别为2% (n = 1)和13% (n = 5)组(p = 0.102)。（图5）图5DISCUSSION•✦研究讨论✦•研究局限性1本实验是一个单中心的数据，并且手术医师的都是高资历的，因此需要多中心的分析结果。2本实验主要研究对象是肝脏切除术，并不能代表大部分的肝脏手术。3本实验仅研究了短期预后结果，因此需要长期预后结果。参考文献[1] Emrullah Birgin, Marie Heibel, Svetlana Hetjens, Erik Rasbach, Christoph Reissfelder, Patrick Téoule, and Nuh N. Rahbaria. Robotic Versus Laparoscopic Hepatectomy: Robotic versus laparoscopic hepatectomy for liver malignancies (ROC’N’ROLL): a single-centre, randomised, controlled, single-blinded clinical trial. The Lancet Regional Health Europe. 2024 Jul;47(9):2241-2249. doi.org/10.1016/j.lanepe.2024.100972.END文案 | 许唯伟排版 | 许唯伟审核 | 姜笑南发布｜姜笑南世界生命科学大会RECRUIT关注我们，获取生命科学学界前沿｜促进更多的学术交流与合作业界前沿｜促进更快的产品创新与应用政策前沿｜促进更好的治理实践与发展