55例腮腺粘液表皮样癌临床分析

５５例腮腺粘液表皮样癌临床分析浙江省肿瘤医院（杭州市３１００２２）孟旭莉，郭良，方铣华，刘爱华在腮腺恶性肿瘤中，粘液表皮样癌的发病率最高。１９６３年１０月～１９８９年８月我院头颈外科诊治腮腺粘液表皮样癌５５例，随访５～２９年，随访率１００％。我们根据...     

副鼻窦肿瘤累及前颅底的术式探讨

为了探讨副鼻窦肿瘤累及前颅底的手术入路及颅底修复的方法,分析了７例鼻窦肿瘤累及前颅底而行颅底切除的病例资料。采用单一面部切口者２例,颅面联合入路者５例。颅底缺损２ｃｍ×３ｃｍ至６ｃｍ×５ｃｍ。修复采用开颅时形成的颅骨膜瓣２例、颞肌瓣２例、带蒂前额皮瓣１例,未修复２例。近期发生并发症２例（脑脊液漏和鼻旁切口裂开各１例）,未发生脑膜膨出。全组有５例已存活３～５８个月。结果表明前颅底手术是安全的,前颅底缺损不一定要行骨质的修复。     

乳腺印戒细胞癌和粘液腺癌的临床病理分析

目的 :比较研究乳腺印戒细胞癌和粘液腺癌的临床及病理学特点的差异。方法 :对 11例乳腺印戒细胞癌和 58例乳腺粘液腺癌的临床和病理特征进行对比分析。结果 :乳腺印戒细胞癌 3年生存率 63.63% ,5年生存率 9.0 9% ,粘液腺癌 3年生存率 94 .83% ,5年生存率 81.0 3%。显微镜下二者粘液分布不同 ,肉眼所见大体标本相差甚远。结论 :乳腺印戒细胞癌较粘液腺癌恶性程度高、预后差 ,在临床上有必要从粘液腺癌中独立出来。     

乳腺癌保留乳房治疗的适应证与美容效果

对62例早期乳腺癌患者施行了保留乳房局部治疗和辅助全身治疗,并对其临床资料、手术技术和治疗后美容效果进行了分析。62例患者无局部复发,术后1年美容效果评价良好57例,一般5例,美容效果满意率100%。分析结果表明,掌握早期乳腺癌患者行保留乳房治疗的适应证,注意手术技巧,可取得满意的美容效果。     

应用肿瘤相关寡核苷酸芯片筛选乳癌差异表达基因

目的：应用寡核苷酸芯片技术研究乳癌基因表达谱。方法：根据文献获取目的基因，查询相应基因mRNA序列，通过计算机设计并合成探针，将探针点样于经化学修饰的载玻片上，制备含288种基因的肿瘤相关基因寡核苷酸芯片。提取乳癌与相应正常乳腺组织总RNA，通过逆转录制备荧光标记的cDNA探针并与芯片杂交，经洗片后扫描获取图像，计算机分析比较乳癌组织与正常乳腺组织的差异表达基因。结果:检测16例乳癌组织与正常乳腺组织标本，有10例基因表达存在明显差异，其中表达增高的有6种，表达降低的有4种。结论：乳癌组织与正常乳腺组织存在部分差异表达的基因，乳癌的发生发展与这些基因密切相关；寡核苷酸芯片技术在乳癌相关基因的研究中具有重要意义。     

颅底脑膜瘤的手术治疗

目的 探讨颅底脑膜瘤手术取得成功的关键。方法 分析1996．1－1999．12收治的20例颅底脑膜瘤的临床资料及手术方法。结果 Simpson Ⅰ级切除8例、Ⅱ级切除10例、Ⅲ级切除2例。全组无手术死亡,术后1例发生偏瘫、失语,余均顺利恢复。结论 术中控制出血、在蛛网膜间隙内操作是切除颅底脑膜瘤取得成功的关键;肿瘤侵犯血管时不宜强求全切,残留部分术后放疗。     

γ探测仪结合核素淋巴显像在皮肤恶性黑色素瘤前哨淋巴结检测中的应用

目的：探讨γ探测仪结合核素淋巴显像检测皮肤恶性黑色素瘤前哨淋巴结（sentinel lymph node,SLN）的准确性及其临床价值。方法：27例皮肤恶性黑色素瘤患者,术前1-2h在肿瘤病灶周围3、6、9、12点钟位置皮下注射显像剂^99mTc-硫胶体,用γ探测仪结合核素淋巴显像定位探测SLN,术中切除SLN,随后行淋巴结清除术。对阴性SLN进行连续切片,行S-100和HMB-45免疫组化分析。结果：26例患者检出SLN,检出率为96.2%,SLN阳性为7例,阳性率为26.9%,准确率为100%。结论：γ探测仪结合核素淋巴显像检测恶性黑色素瘤的SLN是准确的,能够反应区域淋巴结转移状态,能很好的协助SLN的定位。     

血清多肽谱预测乳腺癌新辅助化疗疗效的应用

目的 用纳米磁珠结合基质辅助激光解析离子化飞行时间质谱(MALDI-TOF-MS)技术检测乳腺癌新辅助化疗患者治疗前血清蛋白指纹图谱,筛选有疗效预测价值的相关蛋白,并建立疗效预测模型,探讨其在预测新辅助化疗疗效中的应用价值.方法 用MALDI-TOF-MS技术检测50例临床分期Ⅱ～Ⅲ期的浸润性导管癌患者治疗前血清标本,获得血清蛋白指纹图谱,患者行新辅助化疗2～4个周期后,根据RECIST标准评价疗效,分为新辅助化疗有效组(CR+PR,31例)和无效组(SD+PD,19例).用Biomarker Wizard软件分析比较两组间的血清蛋白图谱,找出差异蛋白,分别采用k最近邻分类器(KNN)和支持向量机(SVM)两种分类器对筛选出来的蛋白位点进行分类.建立疗效预测模型,并进行盲法验证.结果 在相对分子质量1000～15000范围内,共检测到145个蛋白峰,化疗有效组与无效组比较,有3个蛋白质峰差异有统计学意义(P＜0.01),m/z分别为2651、3452、2176.使用KNN分类器,由9个蛋白质峰(m/z为:2651、3452、2176、1585、1682、1908、10700、3014、8426)构建的预测模型,在预测疗效的准确率上达到84%,敏感性为100%,特异性为56%.结论 应用MALDI-TOF-MS技术可以筛选出乳腺癌化疗敏感相关的血清蛋白指纹图谱.

Abstract：

Objective To analyze the serum proteomic patterns in the breast cancer patients using matrix-assisted laser desorption/ionization time of flight mass spectrometry (MALDI-TOF-MS) before neoadjuvant chemotherapy, build predictive model and evaluate its clinic significance. Methods Fifty patients with clinical stage Ⅱ -Ⅲ of invasive ductal carcinoma were included in this study. Serum samples were prospectively collected before 2-4 cycles of neoadjuvant chemotherapy, and were analyzed using MAL-DI-TOF-MS. According to the response evaluation criteria in solid tumors ( RECIST), patients were divided into 2 groups: drug susceptible group (31 cases, CR + PR) and drug resistant group ( 19 cases, SD +PD). Biomarker Wizard software was used to detect protein peaks significantly different between these two groups. The rule was built using two different supervised classification algorithms: K-Nearest Neighbor Clustering (KNN) and Support Vector Machines (SVM). The method with the highest accuracy was selected as the optimal predicting algorithm. Results 145 major protein peaks were detected at the molecular range of 1000 to 15 000, and 3 major protein peaks were detected significantly different between drug susceptible group and drug resistant group ( P ＜ 0. 01 ), with Mass/Charge (m/z) values being 2651,3452, 2176 respectively. In the validation set, the supervised classification with the KNN model correctly classified most tumor responses with an accuracy rate of 84%, and sensitivity of 100%, specificity of 56%. The predictive model consisted of 9 protein peaks at Mass/Charge(m/z) 2651,3452, 2176, 1585,1682, 1908, 10 700, 3014, 8426 respectively. Conclusion MALDI-TOF-MS technique could screen related proteomic fingerprints in estimating the therapeutic effect of neoadjuvant chemotherapy.