A Novel Minimally Invasive Technique to Create a Rabbit VX2 Lung Tumor Model for Nano-Sized Image Contrast and Interventional Studies
Notice bibliographique
Résumé
BACKGROUND: The rabbit VX2 lung cancer model is a large animal model useful for preclinical lung cancer imaging and interventional studies. However, previously reported models had issues in terms of invasiveness of tumor inoculation, control of tumor aggressiveness and incidence of complications. PURPOSE: We aimed to develop a minimally invasive rabbit VX2 lung cancer model suitable for imaging and transbronchial interventional studies. METHODS: New Zealand white rabbits and VX2 tumors were used in the study. An ultra-thin bronchoscope was inserted through a miniature laryngeal mask airway into the bronchus. Different numbers of VX2 tumor cells were selectively inoculated into the lung parenchyma or subcarinal mediastinum to create a uniform tumor with low incidence of complications. The model was characterized by CT, FDG-PET, and endobronchial ultrasound (EBUS). Liposomal dual-modality contrast agent was used to evaluate liposome drug delivery system in this model. RESULTS: Both peripheral and mediastinal lung tumor models were created. The tumor making success rate was 75.8% (25/33) in the peripheral lung tumor model and 60% (3/5) in the mediastinal tumor model. The group of 1.0×10(6) of VX2 tumor cells inoculation showed a linear growth curve with less incidence of complications. Radial probe EBUS visualized the internal structure of the tumor and the size measurement correlated well with CT measurements (r(2) = 0.98). Over 7 days of continuous enhancement of the lung tumor by liposomal contrast in the lung tumor was confirmed both CT and fluorescence imaging. CONCLUSION: Our minimally invasive bronchoscopic rabbit VX2 lung cancer model is an ideal platform for lung cancer imaging and preclinical bronchoscopic interventional studies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».