Abstract Background Retroperitoneal liposarcoma (RLPS) constitutes the majority of retroperitoneal sarcomas. While surgical resection remains the sole curative approach, determining the optimal surgical strategy for RLPS remains elusive. This study addresses the ongoing debate surrounding the optimal surgical strategy for RLPS. Methods We recruited 77 patients with RLPS who underwent aggressive surgical policies. Patients were categorized into three surgical subtypes: suprapancreatic RLPS, pancreatic RLPS, and subpancreatic RLPS. Our standardized surgical strategy involved resecting macroscopically uninvolved adjacent organs according to surgical subtypes. We collected clinical, pathological and prognostic data for analyses. Results The median follow-up was 45.5 months. Overall survival (OS) and recurrence-free survival (RFS) were significantly correlated with multifocal RLPS, pathological subtype, recurrent RLPS and histological grade (P for OS = 0.011, 0.004, 0.010, and < 0.001, P for RFS = 0.004, 0.001, < 0.001, and < 0.001, respectively). The 5-Year Estimate OS of well-differentiated liposarcoma (WDLPS), G1 RLPS, de novo RLPS and unifocal RLPS were 100%, 89.4%, 75.3% and 69.1%, respectively. The distant metastasis rate was 1.4%. The morbidity rates (≥ grade III) for suprapancreatic, pancreatic, and subpancreatic RLPS were 26.7%, 15.6%, and 13.3%, respectively. The perioperative mortality rate is 2.6%. Conclusions Standardized aggressive surgical policies demonstrated prognostic benefits for RLPS, particularly for G1 RLPS, WDLPS, unifocal RLPS, and de novo RLPS. This approach effectively balanced considerations of adequate exposure, surgical safety, and thorough removal of all fat tissue. G1 RLPS, WDLPS, unifocal RLPS, and de novo RLPS could be potential indications for aggressive surgical policies.

Pancreatic ductal adenocarcinoma (PDAC) is a highly mortal cancer with surgical resection the only potentially curative treatment. The accurate intraoperative assessment of PDAC surgical margins is significant in guaranteeing resection adequacy and improving the patient9s survival. However, the commonly used frozen-section pancreatic biopsy is limited by its strict requirement of practitioners and lack of objectivity. Here, we developed the multi-instance cytology with learned Raman embedding (MICLEAR), a label-free cytology based on chemical information reflected by Raman spectra. First, 4085 cells collected from 41 patients were imaged with stimulated Raman scattering (SRS) microscopy. Then, a contrastive learning (CL)-based cell embedding model was obtained to represent each cell with a concise vector that contained its morphological and componential information. Finally, a multi-instance learning (MIL)-based diagnosis model using cell vectors predicted the probability that the margin was positive. MICLEAR reached 80% sensitivity, 94.1% specificity, and 0.86 AUC on the pancreatic neck margin (PNM) samples from 27 patients. It holds promise for rapid and accurate assessment of PDAC surgical margins.

Background: Retroperitoneal liposarcoma (RLPS) typically shows limited response to standard chemotherapy, presenting a challenge in treating advanced or metastatic RLPS. Objective: This study aimed to evaluate the potential advantages of a combined therapeutic strategy utilizing eribulin, anlotinib, and camrelizumab. Design: Between December 2020 and March 2023, this retrospective study enrolled patients with advanced or metastatic RLPS who received treatment at Peking University Cancer Hospital Sarcoma Center. The treatment regimen involved eribulin plus anlotinib and camrelizumab administered every 3 weeks (Q3W). Methods: Efficacy was assessed following the Response Evaluation Criteria in Solid Tumors version 1.1, while safety was evaluated using the Common Terminology Criteria for Adverse Events version 5.0. Results: The study included 47 patients with RLPS with a median age of 55.5 years. Patients received a median of 4.5 (range, 2–21) cycles of treatment. Notably, partial response was observed in 8 patients (18.2%), while 25 (56.8%) exhibited stable disease. The objective response rate (ORR) and disease control rate were 18.2% and 75%, respectively. Significant differences in ORR were observed among histological subtypes (well-differentiated vs de-differentiated vs myxoid: 0 vs 17.9% vs 50%; p = 0.039). Six patients underwent surgery before disease progression, and one patient with myxoid liposarcoma (MLPS) had a pathological complete response. With a median follow-up of 21.8 (range, 2.7–30.7) months, the median progression-free survival (mPFS) was 6.9 (95% confidence interval (CI), 4.7–9.1) months, and the 6-month PFS rate was 60.5%. Based on various histological subtypes, the mPFS was 8.4 (95% CI, 4.1–12.7) months with well-differentiated liposarcoma, 5.8 (95% CI, 3.3–8.3) months with de-differentiated liposarcoma and not reached with MLPS, respectively. Treatment-related adverse events (TRAEs) of any grade occurred in 36 (76.6%) patients, with grade 3 or higher TRAEs in 21 (44.7%) patients. The most common TRAEs were neutropenia (53.2%), proteinuria (21.3%), and anorexia (21.3%). Conclusion: The combined treatment strategy involving eribulin, anlotinib, and camrelizumab showed promising efficacy and manageable safety in patients with advanced or metastatic RLPS, particularly in those with MLPS.

The retroperitoneal liposarcoma (RLPS) is a rare malignancy whose only curative therapy is surgical resection. However, well-differentiated liposarcomas (WDLPSs), one of its most common types, can hardly be distinguished from normal fat during operation without an effective margin assessment method, jeopardizing the prognosis severely with a high recurrence risk. Here, we combined dual label-free nonlinear optical modalities, stimulated Raman scattering (SRS) microscopy and second harmonic generation (SHG) microscopy, to image two predominant tissue biomolecules, lipids and collagen fibers, in 35 RLPSs and 34 normal fat samples collected from 35 patients. The produced dual-modal tissue images were used for RLPS diagnosis based on deep learning. Dramatically decreasing lipids and increasing collagen fibers during tumor progression were reflected. A ResNeXt101-based model achieved 94.7% overall accuracy and 0.987 mean area under the ROC curve (AUC) in differentiating among normal fat, WDLPSs, and dedifferentiated liposarcomas (DDLPSs). In particular, WDLPSs were detected with 94.1% precision and 84.6% sensitivity superior to existing methods. The ablation experiment showed that such performance was attributed to both SRS and SHG microscopies, which increased the sensitivity of recognizing WDLPS by 16.0 and 3.6%, respectively. Furthermore, we utilized this model on RLPS margins to identify the tumor infiltration. Our method holds great potential for accurate intraoperative liposarcoma detection.