腫瘍

Multi tool use | この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。(2015年7月)
|
腫瘍(しゅよう、Tumor)とは、組織、細胞が生体内の制御に反して自律的に過剰に増殖することによってできる組織塊のこと。腫瘍ができたことにより、身体に影響を及ぼすことがある。
病理学的には、新生物(しんせいぶつ、Neoplasm)と同義である。なお、Neoplasmはギリシャ語のNeoplasia(新形成)からできた単語である。
語源
もとはラテン語で単に「腫れ上がる」という意味であった。
概念
「自律的な増殖をするようになった細胞の集団」を意味する。異常な細胞増殖であっても、他律的に起こるものは過形成として区別される。
腫瘍細胞は、環境さえ許せば(例えば人工的な培地で培養されるなど)無限に増殖する能力を持つ、不死化した細胞である。
分類
細胞動態による分類
良性腫瘍(Benign tumor)
- 一般に増殖が緩やかで宿主に悪影響を起こさないもの。
悪性腫瘍(Malignant tumor、Cancer)
- 近傍の組織に進入し、遠隔転移し、宿主の体を破壊しながら宿主が死ぬまで増え続けてゆくもの。一般に「がん」と呼ばれるが組織学的分類により癌腫と肉腫に大別される。
組織学的分類
病理組織学的に上皮系と間葉系を分類する場合、発生学的分類とはいささか異なっている。病理組織学的に上皮系とは成熟個体の上皮を形成する組織のことである。
特徴
細胞
多くの腫瘍細胞は正常組織細胞と比較して異型性が認められている。
染色体
多くの腫瘍細胞は正常染色体と比較して欠失や転座などが認められている。
良性腫瘍と悪性腫瘍の比較
| 良性腫瘍 | 悪性腫瘍
|
---|
発育形式
| 圧排性、膨張性、連続的 | 浸潤性、破壊性、不連続
|
---|
被包(境界)
| 完全被包(明瞭) | 不完全被包(不明瞭)
|
---|
発育速度
| 遅い | 速い
|
---|
転移
| なし | あり
|
---|
再発
| 少ない | 多い
|
---|
異型性
| 軽度 | 重度
|
---|
細胞の分化度
| 成熟 | 未熟
|
---|
壊死、出血
| 少ない | 多い
|
---|
全身への影響
| 軽度 | 重度
|
---|
関連項目
- 腫瘍学
- 病理学
WHO分類 - 世界保健機関(WHO)の下部組織であるIARCが定めた腫瘍分類
- 機能性腫瘍
- 転移
腎・泌尿器系の疾患
|
---|
疾患
|
---|
糸球体病変 | - 急性糸球体腎炎
- IgA腎症
- 急速進行性糸球体腎炎
- 慢性糸球体腎炎
| ネフローゼ症候群 |
原発性 | - 微小変化群
- 巣状糸球体硬化症
- 膜性腎症
- 膜性増殖性糸球体腎炎
|
| 遺伝性腎炎 |
アルポート症候群 良性家族性血尿
| 尿細管機能障害 |
ファンコーニ症候群 バーター症候群 ギッテルマン症候群 リドル症候群 尿細管性アシドーシス 腎性糖尿 尿細管間質性腎炎
| 続発性腎障害 |
膠原病 | - 全身性エリテマトーデス
- 全身性強皮症
- シェーグレン症候群
|
糖尿病性腎症 痛風腎 クリオグロブリン血症 アミロイドーシス 溶血性尿毒症症候群
|
| 腎循環障害 |
| 泌尿器疾患 |
機能障害 | | 先天異常 |
多発性嚢胞腎
- 尿管異所開口
- 重複腎盂尿管
- ポッター症候群
| 感染症 |
腎盂腎炎 腎膿瘍 膀胱炎 腎結核
| 尿路結石 |
膀胱結石
| 腫瘍 |
腎細胞癌 腎盂腫瘍 尿管腫瘍 前立腺肥大症 前立腺癌 精巣腫瘍 陰茎癌 腎芽腫
| 性器の疾患 |
前立腺炎 停留精巣 精巣捻転 包茎 勃起不全
|
|
|
|
病態・症状
|
---|
腎不全 |
| 尿所見異常 |
乏尿 無尿 多尿 頻尿 血尿 タンパク尿 尿円柱 尿閉 陰嚢腫大
|
|
|
検査
|
---|
腎機能検査 | - 糸球体濾過量
- クレアチニンクリアランス
- ナトリウムクリアランス
- 尿中ナトリウム排泄率
- 腎不全指数
|
腹部X線写真 腎盂造影 レノグラム 腎生検
|
|
|
|
呼吸器疾患(ICD-10 J00〜99)
|
---|
疾患
|
---|
閉塞性肺疾患 |
慢性閉塞性肺疾患 | 気管支喘息 | 慢性気管支炎 | 肺気腫 | びまん性汎細気管支炎
|
| 拘束性肺疾患 |
特発性 | IPF | NSIP | COP | AIP | DIP | RB-ILD | LIP
| 続発性 | 塵肺 | 放射線肺炎 | 薬剤性肺炎
| 無気肺 | 気胸 | 血胸
|
| 形態異常 | 気管支拡張症 | 肺分画症 | 肺嚢胞症
| 腫瘍 |
良性腫瘍 | 肺過誤腫 | 硬化性肺胞上皮腫
| 悪性腫瘍 | 低悪性度肺腫瘍 | 原発性肺癌 | 転移性肺癌 | 中皮腫
|
| アレルギー |
気管支喘息 | アスピリン喘息
| 好酸球性肺炎 | Löffler症候群 | 急性好酸球性肺炎 | 慢性酸球性肺炎 | 好酸球増加症候群
| 過敏性肺臓炎 | サルコイドーシス | グッドパスチャー症候群
|
| 肺循環障害 | 肺血栓塞栓症 | 肺性心 | 新生児呼吸窮迫症候群 | 急性呼吸窮迫症候群
| 肺代謝異常 | 肺胞蛋白症 | 肺胞微石症
| 機能的障害 | 過換気症候群 | 睡眠時無呼吸症候群
| 感染性疾患 |
気道感染
|
---|
上気道 |
風邪 | - ライノウイルス
- アデノウイルス
- パラインフルエンザウイルス
- RSウイルス
- コロナウイルス
- エコーウイルス
- エンテロウイルス
| 鼻炎 |
急性鼻炎 慢性鼻炎 アレルギー性鼻炎
| 扁桃炎
| 喉頭炎 | | 咽頭炎
|
| 下気道 |
| 肺炎 |
原因 |
定型肺炎 |
グラム陽性 | | グラム陰性 |
肺炎桿菌 インフルエンザ菌 モラクセラ 大腸菌 緑膿菌
|
| 非定型肺炎 |
ウイルス性 | - RSウイルス
- インフルエンザ肺炎
- 重症急性呼吸器症候群
| 肺真菌症 |
ニューモシスチス肺炎 クリプトコッカス症 アスペルギルス症
|
レジオネラ菌 マイコプラズマ クラミジア肺炎 オウム病
|
| 抗酸菌症 |
結核 非結核性抗酸菌症
|
| 機序 |
市中肺炎 院内肺炎 誤嚥性肺炎
| 病態 |
|
| 胸壁 | 膿胸
|
|
|
|
症候・徴候
|
---|
異常呼吸 | 過呼吸 | 頻呼吸 | 徐呼吸 | 低呼吸 | 多呼吸 | 少呼吸 | 起坐呼吸 | 奇異性呼吸 | クスマウル呼吸 | チェーンストークス呼吸 | ビオー呼吸
| 咳嗽 | 痰 | 呼吸困難 | 胸痛 | 胸水 | ばち指 | チアノーゼ
|
|
|
所見・検査
|
---|
聴診 | 胸部X線写真 | 胸部X線CT | 気管支鏡 | 胸腔鏡 | 血液検査 | 胸腔ドレナージ
|
|
呼吸器系の正常構造・生理
|
---|
気道系 |
解剖学的構造 |
上気道 |
鼻 | 鼻孔 | 鼻腔 | 鼻甲介 | 副鼻腔
| 口 | 口腔前庭 | 口腔 | 口蓋
| 咽頭 - 喉頭
|
| 下気道 |
気管
| 気管支 | 主気管支 - 葉気管支 - 区域気管支 - 亜区域気管支
| 細気管支 | 小気管支 - 細気管支 - 終末細気管支
| 呼吸細気管支
|
| ガス交換器 | 肺 - 肺胞管 - 肺胞嚢 - 肺胞
| 顕微解剖学 | I型肺胞上皮細胞 | II型肺胞上皮細胞 | 杯細胞 | クララ細胞 | 気管軟骨輪
|
| 生理学・生化学
|
生理学 | 肺気量 | 肺活量 | %肺活量 | 残気量 | 死腔 | 1回換気量 | 1秒率 | 肺サーファクタント | SP-A
| 生化学 | PaCO2 | PaO2 | AaDO2 | FiO2 | SpO2 | 呼吸係数および酸素化係数
|
|
| 血管系 |
肺循環系 | (右心室 -) 肺動脈 - 毛細血管 - 肺静脈 (- 左心房)
| 気管支循環系 | (胸部大動脈 -) 気管支動脈 - 毛細血管 - 気管支静脈 (- 奇静脈/副反奇静脈)
|
| 運動器系 |
骨格 | 肋骨 | 胸骨
| 呼吸筋 | 横隔膜 | 内肋間筋 | 外肋間筋 | 胸鎖乳突筋 | 前斜角筋 | 中斜角筋 | 後斜角筋 | 腹直筋 | 内腹斜筋 | 外腹斜筋 | 腹横筋
|
| 神経系 |
中枢神経系 | 呼吸中枢 | 呼吸調節中枢 | 前頭葉
| 末梢神経系 | 横隔神経 | 肋間神経
|
|
|
|
 | この項目は、医学に関連した書きかけの項目です。この項目を加筆・訂正などしてくださる協力者を求めています(プロジェクト:医学/Portal:医学と医療)。 |
x fplwiD4CSf WZxNl1nd8mfMwUw11f,nM2,ZK PU bf5Jr67n
Popular posts from this blog
Ramiro Burr's New Blog - to go back: www.ramiroburr.com From Latin rock to reggaeton, boleros to blues,Tex-Mex to Tejano, conjunto to corridos and beyond, Ramiro Burr has it covered. If you have a new CD release, a trivia question or are looking for tour info, post a message here or e-mail Ramiro directly at: musicreporter@gmail.com Top Tejano songwriter Luis Silva dead of heart attack at 64 By Ramiro Burr on October 23, 2008 8:40 AM | Permalink | Comments (12) | TrackBacks (0) UPDATE: Luis Silva Funeral Service details released Visitation 4-9 p.m. Saturday, Rosary service 6 p.m. Saturday at Porter Loring, 1101 McCullough Ave Funeral Service 10:30 a.m. Monday St. Anthony De Padua Catholic Church, Burial Service at Chapel Hills, 7735 Gibbs Sprawl Road. Porter Loring (210) 227-8221 Related New Flash: Irma Laura Lopez: long time record promoter killed in accident NewsFlash: 9:02 a.m. (New comments below) Luis Silva , one of the most well-known ...
1 I having trouble getting my ResourceDictionary.MergedDictionaries to load from app.xaml. My WPF app has a static class with a Main defined and startup object set to it. Within Main I created an instance of App and run it. The override OnStartup fires and the mainwindow.cs InitializeComponent gives the error "Message "Cannot find resource named 'MaterialDesignFloatingActionMiniAccentButton'. If I put the resources in the mainwindow.xaml everything is fine, but I wanted them to load at the app level so I they are not in each page. Any help appreciated. public partial class App protected override void OnStartup(StartupEventArgs e) base.OnStartup(e); var app = new MainWindow(); var context = new MainWindowViewModel(); app.DataContext = context; app.Show(); from the Main.. var app = new App(); app.Run(); app.xaml.. <Application x:Class="GS.Server.App" xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:...
up vote 2 down vote favorite There is a clear pattern that show for two separate subsets (set of columns); If one value is missing in a column, values of other columns in the same subset are missing for any row. Here is a visualization of missing data My tries up until now, I used ycimpute library to learn from other values, and applied Iterforest. I noted, score of Logistic regression is so weak (0.6) and thought Iterforest might not learn enough or anyway, except from outer subset which might not be enough? for example the subset with 11 columns might learn from the other columns but not from within it's members, and the same goes for the subset with four columns. This bar plot show better quantity of missings So of course, dealing with missings is better than dropping rows because It would affect my prediction which does contain the same missings quantity relatively. Any better way to deal with these ? [EDIT] The nullity pattern is confirmed: machine-learning cor...