调强适形放疗同步吉西他滨治疗36例局部晚期胰腺癌的临床观察

目的:探讨调强适形放疗(IMRT)联合吉西他滨同步治疗晚期胰腺癌的疗效及毒性。方法:36例接受IMRT联合吉西他滨同步放化疗治疗的晚期胰腺癌患者,放疗采用IMRT技术,GTV D95 2Gy/次,总量66Gy～70Gy。同步化疗方案为吉西他滨1 000mg/m2,d1,d8,四周重复与放疗同步,放疗结束后行同方案化疗,共4周期～6周期。结果:所有患者均完成同步放化疗。有效率为88.9%,局部控制率为91.6%,中位生存期为18.6个月,1年生存率为60.8%,2年生存率为22.1%。疼痛缓解率94%(34/36),生活质量明显改善。19例(52.8%)ECOG评分改善。结论:IMRT同步吉西他滨治疗局部晚期胰腺癌近期疗效及患者的耐受良好,生活质量明显改善。

基于异维变异的差分混合粒子群算法

针对粒子群(Particle Swarm Optimization,PSO)算法和差分进化(Differential Evolution,DE)算法存在容易陷入局部极值、进化后期收敛速度慢和收敛精度低的局限性,提出了一种基于异维变异的差分混合粒子群(UDEPSO)算法。首先,为了提高群体多样性,使用熵度量初始化粒子;其次,在粒子迭代的过程中,根据粒子的分布特点,引入异维变异学习策略和维度因子以引导粒子及时跳出局部极值达到最优解;最后,将所提算法在10个典型的测试函数上进行了仿真,其在9个测试函数的收敛精度和标准差上取得了显著的效果,远优于PSO算法、DEPSO算法以及CDEPSO算法。实验结果表明,UDEPSO算法在优化收敛精度和效率上具有较强的优势。

基于自适应变异算子的差分进化算法

针对差分演化算法易于早熟、收敛速度慢和收敛精度低等问题,提出一种基于自适应变异算子的差分进化算法。给出个体向量粒子及维度层定义,并提出了基于维度层加权的异维维度选择策略,首次将加权异维学习策略引入差分演化算法中,有效地提高了种群的多样性;根据种群聚集度的思想,提出一种基于种群聚集度自适应的变异算子,该算子能依据种群个体当前的种群聚集度自适应地调整DE/best/1变异算子和加权异维学习变异算子的变异权重,加快算法收敛速度、提高其收敛精度。通过在20个典型的测试函数上进行测试,与7种具有代表性的算法相比,结果表明提出的算法在求解精度和收敛速度上具有很大优势,并显示出了非常好的鲁棒性。

磷脂酰肌醇3激酶/蛋白激酶B/哺乳动物雷帕霉素靶蛋白信号通路在肝细胞癌中的作用及研究进展

肝细胞癌是全球癌症发病率、死亡率排名较前的癌症之一,现有的针对肝细胞癌的治疗手段并未有效提高5年生存率,肝细胞癌的治疗仍然充满挑战性。进一步深入研究信号通路与肝细胞癌之间的关系并继续探寻肝细胞癌治疗的潜在靶点是目前的研究重点。现概述磷脂酰肌醇3激酶/蛋白激酶B/哺乳动物雷帕霉素靶蛋白通路在肝细胞癌中的作用的最新进展,并着重总结其对肝细胞癌代谢重编程的影响,以及近期针对该信号通路的药物治疗和临床试验的相关情况。