严重肝外伤的治疗选择

严重肝外伤的伤情是制定治疗决策的重要依据。对于循环稳定的严重肝外伤,可以采取非手术治疗的方法;但对循环不稳定的严重肝外伤,手术治疗则是最重要而有效的方法。采用血管造影栓塞治疗技术也是近20年来处理严重肝外伤的重要方法之一。     

肝部分切除术后并发症的预防和处理

肝部分切除术主要用于治疗肝脏肿瘤和肝胆管结石等常见疾病。近20年来,肝部分切除技术得到了迅速的普及和提高。特别是近10年来．随着相关医学技术的发展,肝部分切除术式日益增多。其技术日臻完善。但仍存在单位、地区之间发展不平衡的问题,不同单位报道的肝部分切除术后并发症的发生率也不同。同时,针对不同疾病行部分肝切除术,     

永生化肝细胞研究的现状及其进展

细胞永生化（immortalization）是指体外培养的细胞经过自发的或外界因素的影响从增殖危机中逃逸,从而具有无限增殖能力的过程。近年来,生物人工肝（biological artificial liver,BAL）已成为治疗暴发性和急性肝功能衰竭及支持肝移植过渡期的重要手段。肝细胞作为主要成分需要量占成人肝脏的10％～15％。理想的细胞材料应具有正常的表型,成熟肝细胞的代谢解毒合成功能,且易于快速高密度培养。     

肝切除技术的研究进展

肝切除技术已成为治疗各种肝脏良性、恶性肿瘤的最主要方法。文中主要从肝脏切除范围的界定、断肝新技术及腹腔镜肝切除技术这三方面的进展进行综述,从而提高对如何更加完善肝预切除方案和肝脏外科微创化肝脏外科领域里两大研究热点的认识。     

机器学习算法在肝细胞癌微血管侵犯术前预测中的应用价值

目的探讨机器学习算法在肝细胞癌微血管侵犯(MVI)术前预测中的应用价值。方法采用回顾性描述性研究方法。收集2015年5月至2018年12月福建医科大学孟超肝胆医院收治的277例肝细胞癌患者的临床病理资料;男235例,女42例;年龄为(56±10)岁,年龄范围为33~80岁。患者术前均行磁共振成像检查。227例肝细胞癌患者通过计算机产生随机数方法以7∶3比例分为训练集193例和验证集84例。应用逻辑回归列线图,支持向量机(SVM)、随机森林(RF)、人工神经网络(ANN)和轻量级梯度提升机(LightGBM)机器学习算法构建MVI术前预测模型。观察指标:(1)训练集及验证集患者临床病理资料分析。(2)影响训练集患者肿瘤MVI危险因素分析。(3)机器学习算法预测模型构建及其术前预测肿瘤MVI准确性比较。正态分布的计量资料以±s表示,组间比较采用配对t检验。计数资料以绝对数表示,组间比较采用χ2检验。单因素和多因素分析采用Logistic回归模型。结果(1)训练集及验证集患者临床病理资料分析:训练集和验证集患者性别(男,女)分别为157、36例和78、6例,两组比较,差异有统计学意义(χ2=6.028,P<0.05)。(2)影响训练集患者肿瘤MVI危险因素分析:训练集193例患者中,MVI阳性108例,MVI阴性85例。单因素分析结果显示:年龄、肿瘤数目、肿瘤直径、卫星病灶、肿瘤边界、甲胎蛋白(AFP)、碱性磷酸酶(ALP)和纤维蛋白原水平是影响肿瘤MVI的相关因素(比值比=0.971,2.449,1.368,4.050,2.956,4.083,2.532,1.996,95%可信区间为0.943~1.000,1.169~5.130,1.180~1.585,1.316~12.465,1.310~6.670,2.214~7.532,1.016~6.311,1.323~3.012,P<0.05)。多因素分析结果显示:AFP>20μg/L、肿瘤多发、肿瘤直径越大、肿瘤边界不光滑是影响肿瘤MVI的独立危险因素(比值比=3.680,3.100,1.438,3.628,95%可信区间为1.842~7.351,1.334~7.203,1.201~1.721,1.438~9.150,P<0.05),而年龄越大,MVI发生风险越低(比值比=0.958,95%可信区间为0.923~0.994,P<0.05)。(3)机器学习算法预测模型构建及其术前预测肿瘤MVI准确性比较:①应用多因素分析结果筛选指标,包括年龄、AFP、肿瘤数目、肿瘤直径、肿瘤边界,构建逻辑回归列线图,SVM、RF、ANN及LightGBM机器学习算法预测模型,一致性分析结果显示逻辑回归列线图预测模型稳定性较好。逻辑回归列线图、SVM、RF、ANN、LightGBM机器学习算法预测模型训练集和验证集曲线下面积(AUC)分别为0.812、0.794、0.807、0.814、0.810和0.784、0.793、0.783、0.803、0.815,SVM、RF、ANN、LightGBM机器学习算法AUC分别与逻辑回归列线图AUC比较,差异均无统计学意义[(95%可信区间为0.731~0.849,0.744~0.860,0.752~0.867,0.747~0.862,Z=0.995,0.245,0.130,0.102,P>0.05)和(95%可信区间为0.690~0.873,0.679~0.865,0.702~0.882,0.715~0.891,Z=0.325,0.026,0.744,0.803,P>0.05)]。②应用RF、LightGBM机器学习算法自行筛选临床病理因素指标构建预测模型。根据指标对预测模型重要度排序,选择重要度>0.01的指标,包括年龄、肿瘤直径、AFP、白细胞(WBC)、血小板、总胆红素、天冬氨酸氨基转移酶、γ-谷氨酰转移酶、ALP和纤维蛋白原,构建RF机器学习算法预测模型;挑选重要度>5.0的指标,包括年龄、肿瘤直径、AFP、WBC、ALP和纤维蛋白原,构建LightGBM机器学习算法预测模型;由于ANN及SVM机器学习算法不具备筛选指标能力,应用单因素分析结果筛选指标,包括年龄、肿瘤数目、肿瘤直径、卫星病灶、肿瘤边界、AFP、ALP和纤维蛋白原水平,构建SVM、ANN机器学习算法预测模型。SVM、RF、ANN、LightGBM机器学习算法预测模型训练集和验证集AUC分别为0.803、0.838、0.793、0.847和0.810、0.802、0.802、0.836,分别与逻辑回归列线图AUC比较,差异均无统计学意义[(95%可信区间为0.740~0.857,0.779~0.887,0.729~0.848,0.789~0.895,Z=0.421,0.119,0.689,1.517,P>0.05)和(95%可信区间为0.710~0.888,0.700~0.881,0.701~0.881,0.740~0.908,Z=0.856,0.458,0.532,1.306,P>0.05)]。结论机器学习算法可用于术前预测肝细胞癌MVI,但其应用价值尚需多中心大样本数据进一步验证。     

多重逆转录-聚合酶链反应方法半定量检测多药耐药基因mRNA表达

目的:建立多重逆转录-聚合酶链反应(RT-PCR)方法半定量检测肝癌多药耐药(MDR)基因mRNA的表达。方法:在对二重RT-PCR扩增5种MDR基因mRNA动力学观察及建立RT-PCR标准曲线的基础上,建立六重RT-PCR方法。结果:六重RT-PCR与单一或二重RT-PCR扩增体系在特异性和扩增效率等方面相同,实验重复性较好。结论:该方法对于检测肝癌组织和肝癌细胞MDR基因mRNA的表达具有特异、灵敏、简便、快速(6h)、所需标本量小(50mg)及半定量等优点,能快速同时分析大量样本,具有临床应用前景。     

巨大原发性外生型肝癌的临床特点及治疗

目的探讨巨大原发性外生型肝癌的临床特点、诊断和治疗方法。方法回顾性分析我院2001年1月～2007年2月收治的巨大原发性外生型肝癌13例的临床资料。结果全部病例均行手术切除。术后无肝功能衰竭、胆漏、大出血等并发症发生,无围手术期死亡病例。结论巨大原发性外生型肝癌手术切除率高,预后较好。     

高频声像图对诊断乳腺肿块的意义

高频声像图对诊断乳腺肿块的意义林永，林新霖，石铮，陈玲，刘景丰，高美静关键词：高频声像图，乳腺肿块乳腺癌是女性常见的恶性肿瘤，Ｈｅｎｓｏｎ［１］报告１０年无瘤生存率低于３０％，其主要原因是病人延误诊断。为了提高生存率，目前临床上应用各种影像学检查方法...