最新影响因子将突破2.5分，这本肿瘤学SCI期刊诚邀投稿

撰文丨王聪

编辑丨王多鱼

排版丨水成文

Clinical Medicine Insights: Oncology是Sage出版社旗下的一本国际化、同行评议的开放获取期刊（Open Access Journal）。

该期刊发表有关癌症研究和治疗所有方面的文章，包括但不限于分子生物学、遗传学、病理生理学、流行病学、临床干预、对照试验、癌症患者的诊断和治疗、治疗学、药理学和药物递送，以及癌症手术技术等主题。该期刊欢迎多种类型的稿件，包括 original research、review、systematic review、meta-analysis、study protocols 以及 Letters to the Editor，original research 稿件可涵盖实验室、动物或人类/临床研究的各个阶段。

该期刊目前影响因子（IF）为1.9，根据实时影响因子预测，该期刊将在今年 6 月份更新的影响因子中达到2.5分。

该期刊现在中国诚邀投稿，出版社官方特别推出 投稿福利：如您近期有适合的稿件投稿，欢迎扫描下方二维码填写信息 ，申请获取 APC9折优惠码及投稿链接等。

今天，我们分享Clinical Medicine Insights: Oncology期刊发表的几项研究，包括最新上线的临床研究论文、高阅读量论文及高被引论文。

阿特珠单抗+贝伐珠单抗治疗肝癌的有效性和安全性

这项最新临床研究论文发表于 2026 年 1 月 20 日，来自陆军军医大学西南医院，论文题为：Effectiveness and Safety of Atezolizumab Plus Bevacizumab in Unresectable Hepatocellular Carcinoma: A Multicenter, Retrospective Real-World Study in China 的临床研究论文。

该研究纳入了48 名不可切除的肝细胞癌（uHCC）患者，中位年龄为 58 岁，其中 35 名和 13 名患者分别接受阿特珠单抗（Atezolizumab，抗 PD-L1 单抗）联合贝伐珠单抗（bevacizumab，抗 VEGF 单抗）作为一线和二线治疗。

根据 RECIST 1.1 标准，客观缓解率（ORR）和疾病控制率（DCR）分别为 39.6% 和 70.8%；根据 mRECIST 标准，分别为 60.4% 和 75.0%。中位随访时间为 14.5 个月，其中，一线治疗组的中位无进展生存期（PFS）为 8.5 个月，二线治疗组为 5.1 个月。中位总生存期（OS）尚未达到。75% 的患者（n = 36）出现了不良事件，最常见的不良事件为血小板减少（27.1%）、淋巴细胞减少（25%）和肝功能异常（14.6%）。

这项研究证实了阿特珠单抗联合贝伐珠单抗在真实世界中国不可切除肝细胞癌患者中作为一线和二线治疗的实际疗效和安全，有必要开展进一步的研究来验证这些发现并优化治疗策略。

AI 在结直肠癌治疗中的应用

这篇高被引论文发表于 2024 年 1 月 5 日，来自四川大学华西医院，论文题为：Artificial Intelligence Applications in the Treatment of Colorectal Cancer: A Narrative Review。

结直肠癌（CRC）是全球第三大常见癌症，其治疗一直是临床难题。除了传统的手术治疗和化疗，新发现的分子机制为结直肠癌的治疗提供了更多途径。然而，在精准医疗时代，如何在多种治疗方案中为患者选择个性化治疗方案又成了新的挑战。近年来，人工智能（AI）在结直肠癌治疗中的应用研究日益增多。该综述主要讨论了 AI 在结直肠癌患者治疗中的应用。通过在 MEDLINE、EMBASE 和 Web of Science 数据库中进行全面的文献检索，共纳入 49 篇相关论文。结果表明，基于不同类别的数据，AI 能够预测治疗结果以及传统和新型疗法的关键指导信息，从而为结直肠癌患者实现个体化治疗策略的选择。一些常用的机器学习算法和深度学习框架也被用于结直肠癌患者的长期预后预测。总体而言，AI 在结直肠癌患者的治疗策略选择和预后评估方面显示出令人鼓舞的结果。

整合多组学方法在癌症临床研究中的应用

这篇高阅读论文发表于 2025 年 10 月 21 日 ，来自意大利佛罗伦萨大学，论文题为：Navigating Cancer Complexity: Integrative Multi-Omics Methodologies for Clinical Insights。

癌症多组学领域的最新进展通过整合基因组学、转录组学、蛋白质组学和代谢组学，彻底改变了我们对癌症生物学的理解。这些综合方法已促使新型生物标志物和治疗靶点的发现，为包括乳腺癌、肺癌、胃癌、胰腺癌和胶质母细胞瘤在内的多种癌症的分子复杂性提供了更深入的见解。尽管取得了这些进展，但诸如不同数据类型的整合以及复杂生物相互作用的解读等挑战依然存在。不过，蛋白质基因组学和质谱技术的发展增强了分子特征与临床特征之间的关联，从而提高了对治疗反应预测的准确性。

未来癌症药物研发有望从多组学方法中获益，提高个性化治疗的精准度和疗效。通过开发基于综合网络的模型，研究人员旨在解决与异质性、可重复性和数据解读相关的挑战。多组学数据整合的标准化框架有可能彻底改变癌症研究，优化新型药物靶点的识别，并增进我们对癌症生物学的理解。这种全面的方法有望通过全面描绘癌症的分子图谱来推进个性化治疗，最终通过更有效和更具针对性的治疗策略改善患者预后。该综述强调了多组学方法在通过更精准和有效的治疗来变革癌症研究和改善患者预后方面的潜力。