Dự đoán tiên lượng là gì? Các nghiên cứu khoa học liên quan

Dự đoán tiên lượng là quá trình ước tính khả năng tiến triển và kết cục bệnh dựa trên dữ liệu lâm sàng, cận lâm sàng và yếu tố nguy cơ. Đây là công cụ khoa học giúp bác sĩ xác định xác suất sống sót, biến chứng hoặc hồi phục, từ đó định hướng điều trị và chăm sóc y tế.

Khái niệm về dự đoán tiên lượng

Dự đoán tiên lượng là một khái niệm nền tảng trong y học, chỉ quá trình ước tính khả năng tiến triển của bệnh và kết cục sức khỏe của bệnh nhân dựa trên nhiều nguồn thông tin khác nhau. Nó không chỉ bao gồm khả năng sống sót mà còn dự đoán mức độ hồi phục, khả năng tái phát, biến chứng hoặc chất lượng cuộc sống sau điều trị. Các bác sĩ sử dụng tiên lượng như một công cụ khoa học để định hướng can thiệp lâm sàng và truyền đạt thông tin cho bệnh nhân và gia đình.

Khái niệm này bắt nguồn từ nhu cầu trong y học thực hành, khi mà bác sĩ không chỉ chẩn đoán bệnh mà còn cần dự đoán con đường diễn biến. Một chẩn đoán cho biết bệnh nhân đang mắc gì, nhưng tiên lượng cho thấy bệnh nhân có thể sẽ ra sao trong tương lai. Vì thế, tiên lượng luôn gắn liền với ra quyết định y khoa, ảnh hưởng đến lựa chọn phác đồ điều trị, kế hoạch chăm sóc dài hạn, và thậm chí cả việc chuẩn bị tâm lý cho bệnh nhân.

Theo các nguồn học thuật như JAMA, tiên lượng không phải là dự đoán tuyệt đối mà là ước lượng xác suất. Ví dụ, tiên lượng ung thư có thể nói bệnh nhân có 70% cơ hội sống thêm 5 năm sau chẩn đoán. Bản chất xác suất này phản ánh sự không chắc chắn vốn có trong sinh học con người, đồng thời cho phép bác sĩ và bệnh nhân cân nhắc lợi ích – nguy cơ khi lựa chọn can thiệp y tế.

  • Chẩn đoán trả lời câu hỏi “Bệnh nhân mắc bệnh gì?”.
  • Tiên lượng trả lời câu hỏi “Bệnh nhân sẽ diễn tiến như thế nào?”.
  • Tiên lượng là xác suất, không phải khẳng định chắc chắn.

Các yếu tố ảnh hưởng đến tiên lượng

Tiên lượng của một bệnh nhân phụ thuộc vào nhiều yếu tố kết hợp. Yếu tố cá nhân bao gồm tuổi, giới, di truyền và tình trạng sức khỏe tổng quát. Người cao tuổi hoặc có nhiều bệnh mạn tính thường có tiên lượng xấu hơn trong cùng một bệnh lý so với người trẻ khỏe mạnh. Tương tự, yếu tố giới tính hoặc đặc điểm di truyền có thể quyết định khả năng đáp ứng với điều trị.

Bản thân bệnh lý đóng vai trò trung tâm trong tiên lượng. Mức độ nặng, giai đoạn bệnh, và sự hiện diện của biến chứng ảnh hưởng trực tiếp đến kết quả. Ví dụ, bệnh nhân suy tim giai đoạn IV có tỷ lệ sống sót thấp hơn nhiều so với giai đoạn II. Trong ung thư, phân loại TNM (Tumor, Node, Metastasis) là công cụ quan trọng để đánh giá tiên lượng dựa trên kích thước khối u, tình trạng hạch bạch huyết và sự di căn xa.

Yếu tố lối sống và môi trường cũng góp phần quan trọng. Hút thuốc, chế độ ăn nhiều muối, ít vận động hoặc ô nhiễm môi trường đều làm tiên lượng bệnh tim mạch xấu đi. Ngược lại, thay đổi lối sống tích cực có thể cải thiện kết quả dài hạn. Ngoài ra, khả năng tiếp cận dịch vụ y tế, chất lượng chăm sóc và sự tuân thủ điều trị cũng ảnh hưởng mạnh đến tiên lượng.

Nhóm yếu tố Ví dụ cụ thể Tác động lên tiên lượng
Đặc điểm cá nhân Tuổi, giới, gen Người cao tuổi, gen xấu → tiên lượng kém
Bản chất bệnh Giai đoạn ung thư, biến chứng Bệnh giai đoạn nặng → tỷ lệ sống thấp
Lối sống, môi trường Hút thuốc, ăn uống, ô nhiễm Làm tăng nguy cơ tái phát, biến chứng
Yếu tố y tế Khả năng tiếp cận, chất lượng điều trị Điều trị tốt → cải thiện kết quả

Phương pháp dự đoán tiên lượng

Các phương pháp dự đoán tiên lượng phát triển song song với tiến bộ khoa học. Mô hình thống kê truyền thống như hồi quy Cox được sử dụng để phân tích dữ liệu sống còn, cho phép ước tính nguy cơ tử vong hoặc tái phát theo thời gian. Đây là công cụ chuẩn mực trong nhiều nghiên cứu lâm sàng, đặc biệt trong ung thư và tim mạch.

Thang điểm lâm sàng là một cách đơn giản nhưng hiệu quả để lượng hóa tiên lượng trong thực hành. Ví dụ, thang điểm APACHE II trong hồi sức cấp cứu dựa trên nhiều thông số sinh lý và bệnh nền để ước tính nguy cơ tử vong trong bệnh nhân nặng. Những công cụ như vậy dễ áp dụng tại giường bệnh và hỗ trợ bác sĩ trong tình huống khẩn cấp.

Với sự phát triển của khoa học dữ liệu, các phương pháp hiện đại dựa trên trí tuệ nhân tạo (AI) đang ngày càng phổ biến. Các thuật toán học máy và học sâu có khả năng phân tích dữ liệu lớn từ hồ sơ bệnh án điện tử, xét nghiệm hình ảnh và gen học để dự đoán tiên lượng với độ chính xác cao. Theo Nature, AI không chỉ cung cấp dự báo mà còn phát hiện ra các yếu tố tiên lượng mới chưa từng được nhận diện.

  • Mô hình thống kê: chính xác, phổ biến trong nghiên cứu.
  • Thang điểm lâm sàng: dễ dùng, hữu ích trong thực hành.
  • Trí tuệ nhân tạo: mạnh mẽ với dữ liệu lớn, xu hướng tương lai.

Vai trò của dự đoán tiên lượng trong y học

Dự đoán tiên lượng có vai trò then chốt trong thực hành y khoa. Nó giúp bác sĩ quyết định nên điều trị tích cực, điều trị bảo tồn hay chăm sóc giảm nhẹ. Ví dụ, trong bệnh ung thư giai đoạn muộn, tiên lượng kém có thể dẫn đến lựa chọn điều trị tập trung vào cải thiện chất lượng cuộc sống thay vì can thiệp xâm lấn gây nhiều tác dụng phụ.

Đối với bệnh nhân và gia đình, tiên lượng cung cấp cơ sở để chuẩn bị tâm lý và kế hoạch. Thông tin về xác suất hồi phục hoặc nguy cơ biến chứng cho phép họ tham gia tích cực hơn vào quyết định y tế. Điều này gắn liền với khái niệm y học cá thể hóa, trong đó điều trị không chỉ dựa vào bệnh mà còn dựa vào hoàn cảnh và mục tiêu của từng bệnh nhân.

Trong nghiên cứu, tiên lượng là công cụ phân tầng nguy cơ. Các thử nghiệm lâm sàng thường phân nhóm bệnh nhân dựa trên tiên lượng để đánh giá hiệu quả thuốc trong từng mức độ bệnh. Điều này giúp xác định liệu pháp tối ưu cho từng nhóm bệnh nhân, đồng thời tối ưu hóa chi phí nghiên cứu và điều trị.

Bối cảnh Vai trò của tiên lượng
Thực hành lâm sàng Định hướng điều trị, lựa chọn can thiệp phù hợp
Bệnh nhân và gia đình Cung cấp thông tin, hỗ trợ quyết định cá nhân
Nghiên cứu khoa học Phân tầng nguy cơ, tối ưu thử nghiệm lâm sàng

Dự đoán tiên lượng trong ung thư

Trong lĩnh vực ung thư học, tiên lượng là yếu tố trọng tâm quyết định hướng điều trị và tư vấn cho bệnh nhân. Hệ thống phân loại giai đoạn TNM (Tumor, Node, Metastasis) là nền tảng để đánh giá mức độ lan rộng của bệnh. Kích thước khối u nguyên phát, tình trạng xâm lấn hạch bạch huyết và sự xuất hiện di căn xa là ba thành phần chính. Mỗi yếu tố được chấm điểm và khi kết hợp, chúng tạo ra phân loại giai đoạn lâm sàng, từ đó phản ánh tiên lượng sống còn cũng như hiệu quả tiềm năng của các phương pháp điều trị.

Bên cạnh yếu tố mô học và hình thái, các chỉ dấu sinh học đã trở thành công cụ không thể thiếu. Ví dụ, sự biểu hiện quá mức thụ thể HER2 trong ung thư vú liên quan đến tiên lượng xấu, nhưng đồng thời mở ra cơ hội điều trị nhắm trúng đích bằng trastuzumab. Các chỉ số như đột biến EGFR trong ung thư phổi hoặc KRAS trong ung thư đại trực tràng cũng có giá trị tiên lượng và định hướng lựa chọn thuốc nhắm trúng đích.

Các công cụ tiên lượng hiện đại trong ung thư bao gồm cả mô hình dựa trên trí tuệ nhân tạo. Dữ liệu giải trình tự gen và dữ liệu ảnh y học được tích hợp để xây dựng mô hình dự đoán cá nhân hóa. Theo National Cancer Institute, AI giúp xác định bệnh nhân có nguy cơ cao tái phát sớm sau phẫu thuật hoặc hóa trị, từ đó thiết kế phác đồ theo dõi sát sao hơn.

  • Phân loại TNM: cơ sở đánh giá giai đoạn bệnh.
  • Chỉ dấu sinh học: HER2, EGFR, KRAS, BRAF.
  • Mô hình tiên lượng cá nhân hóa: kết hợp gen học và hình ảnh.

Dự đoán tiên lượng trong bệnh tim mạch

Trong tim mạch, tiên lượng giúp bác sĩ phân loại nguy cơ và chọn chiến lược điều trị phù hợp. Các thang điểm như GRACE (Global Registry of Acute Coronary Events) và TIMI (Thrombolysis In Myocardial Infarction) được sử dụng rộng rãi trong hội chứng mạch vành cấp. Chúng dựa trên các yếu tố như tuổi, huyết áp, dấu hiệu suy tim, kết quả điện tâm đồ và men tim để ước tính nguy cơ tử vong trong ngắn hạn và dài hạn.

Đối với suy tim, phân suất tống máu (EF – ejection fraction) là chỉ số tiên lượng quan trọng. Bệnh nhân có EF < 35% có nguy cơ cao bị loạn nhịp thất và tử vong đột ngột. Ngoài ra, sự hiện diện của bệnh đi kèm như đái tháo đường hoặc bệnh thận mạn tính cũng làm tiên lượng xấu hơn. Các nghiên cứu của American Heart Association cho thấy việc phối hợp nhiều yếu tố lâm sàng, hình ảnh và sinh học giúp dự đoán chính xác hơn nguy cơ tử vong trong suy tim.

Trong can thiệp lâm sàng, tiên lượng tim mạch quyết định việc đặt máy khử rung tim (ICD) dự phòng, lựa chọn thuốc ức chế men chuyển hay chẹn beta, và cả chỉ định phẫu thuật ghép tim. Do đó, tiên lượng không chỉ là con số mà còn ảnh hưởng trực tiếp đến chiến lược điều trị.

Bệnh lý tim mạch Công cụ tiên lượng Ứng dụng
Hội chứng mạch vành cấp GRACE, TIMI Xác định nguy cơ tử vong ngắn hạn, chỉ định can thiệp
Suy tim EF, NT-proBNP Dự đoán nguy cơ đột tử, hướng dẫn lựa chọn thiết bị hỗ trợ

Dự đoán tiên lượng trong bệnh truyền nhiễm

Trong bệnh truyền nhiễm, tiên lượng phụ thuộc vào tương tác giữa tác nhân gây bệnh, cơ thể vật chủ và điều kiện chăm sóc y tế. Ví dụ, trong bệnh lao, tiên lượng chịu ảnh hưởng bởi tình trạng miễn dịch, đặc biệt ở bệnh nhân nhiễm HIV. Bệnh nhân lao/HIV đồng nhiễm có tiên lượng xấu hơn do khả năng suy giảm miễn dịch nghiêm trọng.

Trong đại dịch COVID-19, tiên lượng đã trở thành yếu tố sống còn trong phân loại bệnh nhân. Các nghiên cứu đăng tải trên The Lancet cho thấy các yếu tố như tuổi cao, bệnh nền tim mạch, tiểu đường, tăng huyết áp, và các chỉ số sinh học như D-dimer, CRP, ferritin là những yếu tố tiên lượng độc lập cho tử vong. Các mô hình dự đoán nguy cơ đã giúp bệnh viện phân bổ nguồn lực, ưu tiên chăm sóc cho bệnh nhân có tiên lượng xấu.

Ngoài COVID-19, các bệnh nhiễm trùng khác như sốt rét nặng, viêm màng não mủ, hay nhiễm khuẩn huyết đều có thang điểm tiên lượng riêng. Chúng dựa trên các chỉ số lâm sàng như mức độ ý thức, huyết áp, lactate máu và chức năng gan thận. Các thang điểm này không chỉ hỗ trợ bác sĩ điều trị mà còn giúp nghiên cứu so sánh hiệu quả giữa các phác đồ.

Ứng dụng công nghệ trong tiên lượng

Công nghệ dữ liệu lớn và trí tuệ nhân tạo đang thay đổi toàn diện cách dự đoán tiên lượng. Các hệ thống hỗ trợ quyết định lâm sàng (CDSS) tích hợp dữ liệu bệnh án điện tử, xét nghiệm, hình ảnh y học và dữ liệu gen để đưa ra dự báo chính xác và nhanh chóng. Theo New England Journal of Medicine, những hệ thống này giúp giảm sai sót trong dự đoán, tăng khả năng cá nhân hóa chăm sóc.

Học sâu (deep learning) đặc biệt được ứng dụng trong phân tích hình ảnh y khoa. Các mô hình có thể nhận diện tổn thương nhỏ trong ảnh CT hoặc MRI, từ đó dự đoán khả năng tái phát hoặc di căn sớm. Ngoài ra, công nghệ giải trình tự toàn bộ bộ gen (WGS) cung cấp thông tin về đột biến di truyền liên quan đến tiên lượng nhiều bệnh mạn tính.

Sự kết hợp giữa AI và thiết bị đeo (wearable devices) cũng mở ra hướng đi mới. Các thiết bị theo dõi nhịp tim, huyết áp, độ bão hòa oxy cung cấp dữ liệu liên tục, cho phép hệ thống dự đoán nguy cơ biến cố cấp tính như nhồi máu cơ tim hoặc suy hô hấp trước khi chúng xảy ra.

  • CDSS: hỗ trợ quyết định lâm sàng, tích hợp dữ liệu đa nguồn.
  • Học sâu: phân tích hình ảnh y khoa để dự đoán biến cố.
  • Thiết bị đeo: theo dõi liên tục, cảnh báo sớm nguy cơ.

Thách thức và hạn chế trong dự đoán tiên lượng

Dù có nhiều tiến bộ, dự đoán tiên lượng vẫn đối diện với những thách thức đáng kể. Sai số trong dữ liệu là một vấn đề lớn, nhất là khi dữ liệu đầu vào không đồng nhất giữa các cơ sở y tế. Sự khác biệt về đặc điểm dân số cũng làm giảm tính khái quát của mô hình tiên lượng. Ví dụ, một thang điểm phát triển ở châu Âu có thể không phù hợp hoàn toàn với bệnh nhân ở châu Á.

Tính không chắc chắn vốn có của y học khiến tiên lượng chỉ mang tính xác suất chứ không tuyệt đối. Các yếu tố ngẫu nhiên như biến chứng bất ngờ, phản ứng cá thể với thuốc, hoặc điều kiện chăm sóc không dự đoán trước đều ảnh hưởng đến kết quả. Điều này đòi hỏi bác sĩ không chỉ dựa vào mô hình mà phải kết hợp với đánh giá lâm sàng toàn diện.

Vấn đề đạo đức và truyền đạt tiên lượng cũng là một thách thức. Bệnh nhân và gia đình có thể phản ứng khác nhau khi nhận thông tin tiên lượng. Một số người muốn biết chi tiết để chuẩn bị, trong khi những người khác có thể bị lo âu, suy sụp tinh thần. Việc truyền đạt tiên lượng cần được thực hiện khéo léo, vừa đảm bảo trung thực khoa học, vừa hỗ trợ tâm lý cho bệnh nhân.

Kết luận

Dự đoán tiên lượng là công cụ khoa học và lâm sàng quan trọng, ảnh hưởng đến chăm sóc bệnh nhân, định hướng nghiên cứu và tối ưu hóa sử dụng nguồn lực y tế. Với sự phát triển của công nghệ dữ liệu lớn và AI, tiên lượng ngày càng chính xác và cá nhân hóa hơn. Tuy nhiên, nó không thể thay thế hoàn toàn kinh nghiệm và đánh giá lâm sàng của bác sĩ. Kết hợp giữa khoa học dữ liệu và thực hành lâm sàng vẫn là chìa khóa để mang lại lợi ích tối đa cho bệnh nhân.

Tài liệu tham khảo

  • JAMA Network. JAMA.
  • Nature Publishing Group. Nature.
  • National Cancer Institute. NCI.
  • American Heart Association. AHA Journals.
  • The Lancet. The Lancet.
  • New England Journal of Medicine. NEJM.
  • International Agency for Research on Cancer. IARC.

Các bài báo, nghiên cứu, công bố khoa học về chủ đề dự đoán tiên lượng:

Dự đoán tiên lượng trong ung thư tế bào gan sau phẫu thuật điều trị tận gốc với các tham số lâm sàng và bệnh lý phổ biến Dịch bởi AI
BMC Cancer - - 2009
Tóm tắt Nền Phẫu thuật cắt bỏ là một trong những phương pháp điều trị tận gốc quan trọng cho ung thư tế bào gan (HCC), nhưng tiên lượng sau phẫu thuật thường khác biệt lớn và sự khác biệt này chủ yếu chưa có lời giải thích. Một cuộc tổng quan tài liệu cho thấy một số tham số lâm sàng và bệnh lý c...... hiện toàn bộ
Dự đoán diễn tiến và kết quả của rối loạn lưỡng cực: Một bài tổng quan Dịch bởi AI
European Psychiatry - Tập 25 Số 6 - Trang 328-333 - 2010
Tóm tắtMặc dù có nhiều tiến bộ trong điều trị bằng thuốc và không dùng thuốc, rối loạn lưỡng cực thường đi kèm với nhiều lần tái phát và suy giảm chức năng tâm lý. Mức độ mà các phương pháp điều trị hiện đại ảnh hưởng đến diễn tiến tự nhiên của rối loạn tâm thần vẫn chưa rõ ràng. Việc dự đoán diễn biến và kết quả của rối loạn lưỡng cực tiếp tục là một thách thức, m...... hiện toàn bộ
Giá trị dự đoán tiên lượng của các thành phần của khoảng PR ở bệnh nhân suy tim nhập viện Dịch bởi AI
BMC Cardiovascular Disorders -
Tóm tắt Mục tiêu Các báo cáo trước đây về dịch tễ học, các yếu tố ảnh hưởng và giá trị tiên lượng của các thành phần khoảng PR ở bệnh nhân suy tim nhập viện còn hạn chế. Phương pháp Nghiên c...... hiện toàn bộ
Xây dựng và xác thực mô hình dự đoán tiên lượng cùng các đặc điểm lâm sàng cho ung thư buồng trứng mô nội mạc: một nghiên cứu theo nhóm dựa trên SEER Dịch bởi AI
Journal of Cancer Research and Clinical Oncology - Tập 149 Số 15 - Trang 13607-13618 - 2023
Tóm tắt Đặt vấn đề Ung thư buồng trứng mô nội mạc (OEC) là loại u ác tính mô biểu mô buồng trứng thường gặp thứ hai, nhưng các yếu tố tiên lượng liên quan vẫn chưa rõ ràng. Nghiên cứu này nhằm phân tích các yếu tố tiên lượng độc lập cho bệnh nhân mắc OEC và phát triển, xác thực một mô hình nomogram ...... hiện toàn bộ
#Ung thư buồng trứng #mô nội mạc #yếu tố tiên lượng #mô hình nomogram #SEER.
Chữ ký lncRNA liên quan đến cuproptosis dự đoán tiên lượng và phản ứng miễn dịch của ung thư biểu mô phổi tuyến Dịch bởi AI
World Journal of Surgical Oncology - Tập 20 - Trang 1-16 - 2022
Ung thư biểu mô phổi tuyến (LUAD) chiếm 50% trường hợp ung thư phổi, với tỷ lệ tử vong cao và tiên lượng kém. RNA không mã hóa dài (lncRNA) đóng một vai trò quan trọng trong quá trình tiến triển của các khối u. Cuproptosis là một dạng chết tế bào mới được phát hiện và đang được nghiên cứu rất nhiều. Do đó, trong nghiên cứu hiện tại, chúng tôi đặt mục tiêu điều tra vai trò của chữ ký lncRNA liên qu...... hiện toàn bộ
#lung adenocarcinoma #cuproptosis #long non-coding RNA #prognosis #immunotherapy #drug sensitivity
RNA không mã hóa dài LINC01296 là một dấu ấn sinh học tiềm năng trong dự đoán tiên lượng ở bệnh nhân ung thư đại trực tràng Dịch bởi AI
Tumor Biology - Tập 36 - Trang 7175-7183 - 2015
Ung thư đại trực tràng (CRC), một trong những loại ung thư ác tính nhất, hiện đang là nguyên nhân gây tử vong vì ung thư đứng thứ tư trên toàn thế giới. Các nghiên cứu gần đây đã chỉ ra rằng RNA không mã hóa dài (lncRNAs) có thể là những dấu ấn sinh học phân tích tiên lượng mạnh mẽ, có khả năng cải thiện hệ thống giai đoạn khối u-nút-di căn thông thường để dự đoán kết quả cho bệnh nhân CRC. Trong ...... hiện toàn bộ
#ung thư đại trực tràng #RNA không mã hóa dài #LINC01296 #dấu ấn sinh học #tiên lượng
Độ chính xác chẩn đoán ung thư đại trực tràng của xét nghiệm miễn dịch hóa học phân định lượng ở bệnh nhân có triệu chứng trong chăm sóc sức khỏe ban đầu: một đề cương nghiên cứu Dịch bởi AI
Diagnostic and Prognostic Research - Tập 6 - Trang 1-8 - 2022
Có ngày càng nhiều bằng chứng hỗ trợ việc sử dụng các xét nghiệm miễn dịch hóa học phân (FIT) ở những bệnh nhân báo cáo triệu chứng liên quan đến ung thư đại trực tràng (CRC), nhưng hầu hết các nghiên cứu cho đến nay đã tập trung vào các đối tượng được lựa chọn đã được giới thiệu để điều tra. Do đó, chúng tôi đặt ra mục tiêu xác định độ chính xác và giá trị dự đoán của FIT trong một quần thể care ...... hiện toàn bộ
#ung thư đại trực tràng #xét nghiệm miễn dịch hóa học phân #chẩn đoán #chăm sóc sức khỏe ban đầu #độ chính xác #giá trị dự đoán
Một phương pháp cải tiến để dự đoán số lượng sinh viên dựa trên chuỗi thời gian mờ và tối ưu bầy đàn Dịch bởi AI
Expert Systems with Applications - Tập 36 - Trang 6108 - 2009
Nhiều mô hình dự đoán dựa trên khái niệm chuỗi thời gian mờ đã được đề xuất trong vài thập kỷ qua. Hai yếu tố chính, đó là độ dài của các khoảng và nội dung của các quy tắc dự đoán, có ảnh hưởng đến độ chính xác dự đoán của các mô hình. Việc tìm ra nội dung phù hợp của các yếu tố chính để cải thiện độ chính xác dự đoán đã trở thành một chủ đề nghiên cứu thú vị. Một số mô hình dự đoán kết hợp các p...... hiện toàn bộ
#Chuỗi thời gian mờ #Dự đoán #Tối ưu bầy đàn
Sự tương quan của p53 với các đặc điểm lâm sàng - bệnh lý và tiên lượng của adenocarcinoma đại trực tràng Dịch bởi AI
The Japanese journal of surgery - Tập 24 - Trang 85-87 - 1994
Việc nhuộm miễn dịch hóa học p53 được thực hiện bằng cách sử dụng kháng thể đơn dòng chuột kháng p53, Pab1801, trên 67 mẫu adenocarcinoma đại trực tràng để xác định giá trị tiên lượng của p53 ở bệnh nhân ung thư đại trực tràng. Trong tổng số 67 khối u được kiểm tra, p53 được phát hiện trong 34 khối u, nhưng tỷ lệ nhuộm dương tính đối với p53 không tương quan với giai đoạn lâm sàng của bệnh. Ở 59 b...... hiện toàn bộ
#p53 #adenocarcinoma đại trực tràng #dự đoán tiên lượng #nhuộm miễn dịch hóa học.
Mức CA125 huyết thanh dự đoán tiên lượng ở bệnh nhân có di căn não nhiều từ ung thư phổi không tế bào nhỏ trước và sau điều trị xạ trị não toàn bộ Dịch bởi AI
Medical Oncology - Tập 31 - Trang 1-5 - 2014
Nghiên cứu này nhằm đánh giá ảnh hưởng của mức CA125 huyết thanh đến tiên lượng của bệnh nhân có di căn não nhiều từ ung thư phổi không tế bào nhỏ trước và sau điều trị xạ trị não toàn bộ. Chúng tôi đã xem xét hồi cứu 66 bệnh nhân có di căn não nhiều từ ung thư phổi không tế bào nhỏ trước và sau điều trị xạ trị. Xạ trị được thực hiện cho toàn bộ não bằng cách sử dụng chùm tia bên 6MV đối diện với ...... hiện toàn bộ
#CA125 #ung thư phổi không tế bào nhỏ #di căn não nhiều #tiên lượng #xạ trị não toàn bộ
Tổng số: 52   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6