Intra-voxel heterogeneity influences the dose prescription for dose-painting with radiotherapy: a modelling study
Notice bibliographique
Résumé
The purpose of this study was to increase the potential of dose redistribution by incorporating estimates of oxygen heterogeneity within imaging voxels for optimal dose determination. Cellular oxygen tension (pO(2)) distributions were estimated for imaging-size-based voxels by solving oxygen diffusion-consumption equations around capillaries placed at random locations. The linear-quadratic model was used to determine cell survival in the voxels as a function of pO(2) and dose. The dose distribution across the tumour was optimized to yield minimal survival after 30 x 2 Gy fractions by redistributing the dose based on differences in oxygen levels. Eppendorf data of a series of 69 tumours were used as a surrogate of what might be expected from oxygen imaging datasets. Dose optimizations were performed both taking into account cellular heterogeneity in oxygenation within voxels and assuming a homogeneous cellular distribution of oxygen. Our simulations show that dose redistribution based on derived cellular oxygen distributions within voxels result in dose distributions that require less total dose to obtain the same degree of cell kill as dose distributions that were optimized with a model that considered voxels as homogeneous with respect to oxygen. Moderately hypoxic tumours are expected to gain most from dose redistribution. Incorporating cellular-based distributions of radiosensitivity into dose-planning algorithms theoretically improves the potential gains from dose redistribution algorithms.
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 ».