| 肿瘤相关成纤维细胞在晚期前列腺癌免疫诊疗中的研究进展 |
| 投稿时间：2023-03-29 修订日期：2023-04-03 点此下载全文 |
| 引用本文：谢敏,蒋恩琰,郭晓.肿瘤相关成纤维细胞在晚期前列腺癌免疫诊疗中的研究进展[J].医学研究杂志,2024,53(1):13-15, 20 |
| DOI：
10.11969/j.issn.1673-548X.2024.01.004 |
| 摘要点击次数: 90 |
| 全文下载次数: 120 |
|
| 基金项目:浙江省医药卫生科技计划项目(2023KY1214) |
|
| 中文摘要:晚期前列腺癌存在预后差、易复发、易转移以及耐药等预后不良的情况,其特点为间质结缔组织显著增生。目前,在治疗晚期前列腺癌时,免疫疗法是一种常用的方法,其作用是通过免疫活化来实现。既往研究显示,在肿瘤微环境中,患者的预后与其自身免疫反应相关。肿瘤微环境主要由肿瘤相关成纤维细胞、免疫细胞和细胞外基质组成。其中肿瘤相关成纤维细胞是肿瘤间质的主要成分,不仅具有较强的增殖能力,还可通过与免疫细胞的相互作用来影响免疫细胞的活性,进而影响患者的免疫治疗效果。但是,目前关于前列腺癌组织中的肿瘤相关成纤维细胞的作用机制尚不明确。本文详述了肿瘤相关成纤维细胞对前列腺癌免疫细胞的调节机制,以期推动晚期前列腺癌的免疫治疗策略。 |
| 中文关键词:晚期前列腺癌 肿瘤相关成纤维细胞 免疫细胞 细胞因子 免疫治疗 |
| |
| Study on the Method of Causality Extraction from Chinese Medical Texts by Integrating Relational Label and Location Information |
|
|
| Abstract:Purpose/Significance The relative positions of causality words are utilized to assist deep learning models to improve causality prediction and mine medical text gain information.Method/Process The relative position information of causality words in medical texts is represented as a relational feature layer embedded in a pre-trained language model, and the baseline model is integrated for entity recognition and relationship extraction.Result/Conclusion The F1 value of the model embedded in the relational feature layer is improved by 2.92 percentage points and 6.41 percentage points compared with the baseline models BERT-BiLSTM-CRF and CasRel, respectively, with better causal prediction capacity. |
| keywords:natural language processing causality extraction pre-training model BERT medical text |
| 查看全文 查看/发表评论 下载PDF阅读器 |
