MRI biomarkers identify the differential response of glioblastoma multiforme to anti-angiogenic therapy
Notice bibliographique
Résumé
BACKGROUND: Although anti-angiogenic therapy (AATx) holds great promise for treatment of malignant gliomas, its therapeutic efficacy is not well understood and can potentially increase the aggressive recurrence of gliomas. It is essential to establish sensitive, noninvasive biomarkers that can detect failure of AATx and tumor recurrence early so that timely adaptive therapy can be instituted. We investigated the efficacy of MRI biomarkers that can detect response to different classes of AATxs used alone or in combination with radiation. METHODS: Murine intracranial glioma xenografts (NOD/SCID) were treated with sunitinib, VEGF-trap or B20 (a bevacizumab equivalent) alone or in combination with radiation. MRI images were acquired longitudinally before and after treatment, and various MRI parameters (apparent diffusion coefficient, T1w + contrast, dynamic contrast-enhanced [DCE], initial area under the contrast enhancement curve, and cerebral blood flow) were correlated to tumor cell proliferation, overall tumor growth, and tumor vascularity. RESULTS: Combinatorial therapies reduced tumor growth rate more efficiently than monotherapies. Apparent diffusion coefficient was an accurate measure of tumor cell density. Vascular endothelial growth factor (VEGF)-trap or B20, but not sunitinib, resulted in significant reduction or complete loss of contrast enhancement. This reduction was not due to a reduction in tumor growth or microvascular density, but rather was explained by a reduction in vessel permeability and perfusion. We established that contrast enhancement does not accurately reflect tumor volume or vascular density; however, DCE-derived parameters can be used as efficient noninvasive biomarkers of response to AATx. CONCLUSIONS: MRI parameters following therapy vary based on class of AATx. Validation of clinically relevant MRI parameters for individual AATx agents is necessary before incorporation into routine practice.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».