Use of Protoporphyrin Fluorescence to Determine Clinical Target Volume for Non-melanotic Skin Cancers Treated with Primary Radiotherapy
Notice bibliographique
Résumé
PURPOSE: Non-melanotic skin cancers remain the most commonly diagnosed cancers. Radiotherapy and surgery are the most common treatment options. Radiotherapy has a recurrence rate of up to 20% for basal or squamous cell cancers. One of the difficulties is to determine the extent of disease for poorly demarcated tumors. This study utilizes protoporphyrin (PpIX) fluorescence to provide information on the extent of subclinical disease for poorly demarcated tumors treated with radiotherapy. MATERIALS AND METHODS: For 33 patients, PpIX photo-delineation was used to determine the clinical target volume (CTV2), which was compared to current conventional margins used to account for microscopic disease. RESULTS: The use of PpIX photo-delineation demonstrated a significantly larger CTV of 15 mm compared to the conventional 10 mm (p = 0.03) for poorly demarcated lesions. A larger CTV was also demonstrated with PpIX photo-delineation for all basal cell carcinomas (13 mm, p = 0.03) as well as for non-nasal lesions (14 mm, p = 0.04). A trend towards an increased CTV was also noted for squamous cell carcinomas (16 mm, p = 0.19) and nasal primary sites (14 mm, p = 0.11). Nasal primary malignancies had multifocal PpIX uptake in 94% of cases. There was one case of local recurrence and one case of distant recurrence, with an average follow-up time of 22 months. CONCLUSIONS: The margins currently used to account for subclinical disease may underestimate the extent of microscopic spread for poorly demarcated tumors. Longer follow-up with larger pools of patients are necessary to determine if using PpIX photo-delineation translates into significantly improved clinical outcomes.
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) | 0,001 | 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 ».