Preclinical dosimetry of magnetic fluid hyperthermia for bladder cancer
Notice bibliographique
Résumé
BACKGROUND: Despite positive efficacy, thermotherapy is not widely used in clinical oncology. Difficulties associated with field penetration and controlling power deposition patterns in heterogeneous tissue have limited its use for heating deep in the body. Heat generation using iron-oxide super-paramagnetic nanoparticles excited with magnetic fields has been demonstrated to overcome some of these limitations. The objective of this preclinical study is to investigate the feasibility of treating bladder cancer with magnetic fluid hyperthermia (MFH) by analyzing the thermal dosimetry of nanoparticle heating in a rat bladder model. METHODS: The bladders of 25 female rats were injected with 0.4 ml of Actium Biosystems magnetite-based nanoparticles (Actium Biosystems, Boulder CO) via catheters inserted in the urethra. To assess the distribution of nanoparticles in the rat after injection we used the 7 T small animal MRI system (Bruker ClinScan, Bruker BioSpin MRI GmbH, Ettlingen, Germany). Heat treatments were performed with a small animal magnetic field applicator (Actium Biosystems, Boulder CO) with a goal of raising bladder temperature to 42°C in <10min and maintaining for 60min. Temperatures were measured throughout the rat with seven fiberoptic temperature probes (OpSens Technologies, Quebec Canada) to characterize our ability to localize heat within the bladder target. RESULTS: The MRI study confirms the effectiveness of the catheterization procedure to homogenously distribute nanoparticles throughout the bladder. Thermal dosimetry data demonstrate our ability to controllably raise temperature of rat bladder ≥1°C/min to a steady-state of 42°C. CONCLUSION: Our data demonstrate that a MFH system provides well-localized heating of rat bladder with effective control of temperature in the bladder and minimal heating of surrounding tissues.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».