WE-E-BRA-03: MR Functional Imaging to Guide Radiotherapy: Opportunities and Challenges in the Clinic
Notice bibliographique
Résumé
Human tumors are characterized by an abnormal vascular network that develops because of unregulated angiogenesis. This contributes to abnormalities of the tumor microenvironment like hypoxia, acidosis and high interstitial fluid pressure that influence treatment response and patient survival. There is an important clinical need to develop new minimally invasive tools for characterizing the tumor microenvironment at diagnosis, and monitoring changes during treatment with radiotherapy, chemotherapy or new biologically targeted drugs. MR-based imaging approaches offer exciting possibilities that have yet to be fully exploited. Dynamic contrast enhanced (DCE) MR allows the functional characteristics of the tumor vasculature to be interrogated serially over time. Studies in human cancers have shown substantial differences in DCE MR parameters between tumor and normal muscle in keeping with higher blood flow and vascular permeability. DCE MR has been shown to correlate with response to radiotherapy or drugs that specifically target the tumor vasculature. However, despite important advances, MR functional imaging has not been adopted in routine clinical practice, in part because of a lack of consensus on optimal imaging techniques, analysis methods and reporting metrics. Further refinement and standardization is required founded on interdisciplinary collaboration among clinicians, medical imagers, biologists, physicists and mathematicians to make these techniques robust and clinically applicable. LEARNING OBJECTIVES: 1. Discuss the clinical use of MR functional imaging in patients receiving radiotherapy and the challenges to wide-spread clinical utilization. 2. Discuss the value of MR functional imaging as a predictor of clinical outcome in patients receiving radiotherapy, and a means of monitoring biologic response over a course of fractionated treatment. 3. Understand the role of MR functional imaging in the evaluation of new treatment strategies comprised of radiotherapy and drugs that specifically target the tumor vasculature.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,031 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».