Detection of Non-Melanoma Skin Cancer by in vivo Fluorescence Imaging with Fluorocoxib A
Notice bibliographique
Résumé
Non-melanoma skin cancer (NMSC) is the most common form of cancer in the US and its incidence is increasing. The current standard of care is visual inspection by physicians and/or dermatologists, followed by skin biopsy and pathologic confirmation. We have investigated the use of in vivo fluorescence imaging using fluorocoxib A as a molecular probe for early detection and assessment of skin tumors in mouse models of NMSC. Fluorocoxib A targets the cyclooxygenase-2 (COX-2) enzyme that is preferentially expressed by inflamed and tumor tissue, and therefore has potential to be an effective broadly active molecular biomarker for cancer detection. We tested the sensitivity of fluorocoxib A in a BCC allograft SCID hairless mouse model using a wide-field fluorescence imaging system. Subcutaneous allografts comprised of 1000 BCC cells were detectable above background. These BCC allograft mice were imaged over time and a linear correlation (R(2) = 0.8) between tumor volume and fluorocoxib A signal levels was observed. We also tested fluorocoxib A in a genetically engineered spontaneous BCC mouse model (Ptch1(+/-) K14-Cre-ER2 p53(fl/fl)), where sequential imaging of the same animals over time demonstrated that early, microscopic lesions (100 μm size) developed into visible macroscopic tumor masses over 11 to 17 days. Overall, for macroscopic tumors, the sensitivity was 88% and the specificity was 100%. For microscopic tumors, the sensitivity was 85% and specificity was 56%. These results demonstrate the potential of fluorocoxib A as an in vivo imaging agent for early detection, margin delineation and guided biopsies of NMSCs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».