慢性腎臟疾病（CKD）和癌症是現今很重要的健康議題，越來越多人受到這兩種疾病的影響。癌症治療可能對腎臟造成損害，尤其對於有CKD和其他健康問題的病患。對這些病患做出適當的治療和劑量管理是相當具挑戰性的。本篇評論討論了各種癌症治療對腎臟的副作用，並提供了監測病患、調整治療和劑量的建議，特別是對於晚期CKD的病患。腎功能下降的病患容易出現電解質失衡，因此定期監測至關重要。目前對接受腎臟替代治療的病患進行癌症治療的研究有限。因此，需要腫瘤學家、腎臟科醫師和其他專家的多學科合作，才能做出適當的治療決策。腫瘤腎病學是一個新興領域，致力於有效治療有腎臟問題的癌症病患。 PubMed DOI

新研究介紹了GPT-RadPlan，使用GPT-4Vision的自動化治療計劃框架，改善放射治療。GPT-RadPlan在攝護腺和頭頸癌症治療中表現優異，比臨床計劃更有效。這種自動化系統可簡化治療計劃流程，無需額外培訓。 PubMed DOI

這篇系統性回顧探討了減少抗癌治療心臟毒性的策略，特別強調運動和藥物的作用。研究分析了多項隨機對照試驗，結果顯示運動能顯著改善乳腺癌患者的左心室射血分數（LVEF），並預防心臟毒性。藥物方面，candesartan和carvedilol對減輕多柔比星引起的心臟毒性效果顯著，candesartan的效果更佳。此外，lisinopril和bisoprolol的組合也有效保護LVEF。整體而言，這篇回顧強調運動和藥物在保護癌症患者心臟功能上的潛力，能改善他們的照護品質。 PubMed DOI

大型語言模型（LLMs），如OpenAI的GPT系列，在醫學領域展現潛力，特別是在腫瘤學中。研究評估了LLM在分類化療引起的主觀毒性方面的能力，結果顯示LLM在一般毒性類別的準確率為85.7%，但在特定類別的準確率僅為64.6%。雖然LLM的表現與腫瘤科醫生相當，但特定類別的準確性仍需改進。未來研究應聚焦於真實病人的驗證及即時互動能力，並考量數據準確性和隱私等倫理問題。總體而言，LLMs有潛力提升病人護理質量與效率。 PubMed DOI

這篇評論探討了線上醫療資源和人工智慧工具在放射腫瘤學中的影響。經過系統性搜尋，從2161篇手稿中納入70篇研究。結果顯示，網路臨床決策工具能有效應用於劑量計算和分期等領域，並且有35篇論文強調其教育效益。此外，35篇文章探討數位和AI工具在治療計畫及診斷中的應用，特別針對乳腺癌和頭頸癌進行研究。整體來看，這些工具在個性化癌症治療上展現出顯著潛力。 PubMed DOI

這項研究評估立體定向體部放射治療（SBRT）對局部前列腺癌患者的效果，與傳統放射治療相比是否不劣。874名T1或T2期前列腺癌男性參與，隨機分配接受SBRT或對照治療。結果顯示，SBRT組的5年失敗自由率為95.8%，對照組為94.6%，證實SBRT的非劣性。不過，SBRT組的泌尿生殖系統毒性較高，達26.9%。總體而言，SBRT對低至中等風險的前列腺癌患者是一個可行的治療選擇。 PubMed DOI

PEACE-1 研究針對新診斷的轉移性去勢敏感性前列腺癌患者，探討雄激素剝奪療法（ADT）與多西他賽和阿比特龍結合的效果。這項第三期臨床試驗在歐洲77家醫院進行，招募1173名男性，隨機分為四組。結果顯示，對於低病灶量患者，加入放射治療可改善放射影像學無進展生存期，但對整體生存期無顯著影響。放射治療未增加嚴重不良事件，顯示可納入標準護理中。 PubMed DOI

癌症治療相關心臟功能障礙（CTRCD）越來越受到重視，因為某些有效的癌症治療（如蒽環類藥物和trastuzumab）可能引發心血管副作用。雖然這些治療能提高存活率，但也可能導致心衰竭和心律不整。CTRCD的成因包括氧化壓力和線粒體功能障礙等。近期的進展使得透過心臟生物標記物和影像技術能早期檢測CTRCD，並且使用心臟保護劑有助於降低其發生率。這篇綜述強調腫瘤科與心臟科醫生合作的重要性，以改善病患的整體健康。 PubMed DOI

癌症治療相關的心血管毒性（CTR-CVT）逐漸增加，亟需更有效的預防和管理策略。近期研究顯示，鈉-葡萄糖共轉運蛋白2抑制劑（SGLT2i）在心臟保護方面具有潛力。回顧截至2024年10月的研究，發現44項已發表或預印的研究及3項隨機對照試驗探討SGLT2i在癌症治療中的心臟保護效果。大多數研究在動物模型中進行，顯示SGLT2i能預防射血分數下降及改善心臟功能，但缺乏針對CTR-CVT的前瞻性研究，未來需進一步探討其在此領域的角色。 PubMed DOI

本研究旨在透過GPT-Plan自動化系統提升放射治療計畫，利用GPT-4大型語言模型優化治療計畫，平衡腫瘤控制與周圍器官保護。研究中，GPT-Plan模擬劑量學家與物理學家的合作，並在12例肺癌及5例子宮頸癌病例中測試其性能。結果顯示，GPT-Plan在肺癌計畫中優於ECHO，且在子宮頸癌計畫中與資深物理學家相當。歷史計畫檢索顯著減少優化次數，顯示LLM驅動的代理在複雜治療決策中的潛力。 PubMed DOI