Sci‐Sat AM: Radiation Dosimetry and Practical Therapy Solutions ‐ 02: Dosimetric effects of gold nanoparticle surface coatings
Notice bibliographique
Résumé
Introduction: Gold nanoparticles (GNPs) can enhance radiation therapy within a tumour, increasing local energy deposition under irradiation, but experimental evidence suggests the enhancement is not as large as predicted by dose enhancement alone. Many studies neglect to account for surface coatings that are frequently used to optimize GNP uptake and biological distribution. This study uses Monte Carlo methods to investigate the consequences on local dose enhancement due to including these surface coatings. Methods: Using the PENELOPE Monte Carlo code system, GNP irradiation was simulated both with and without surface coatings of polyethylene glycol (PEG) of various molecular weights. Dose was scored to the gold, coating, and surrounding water, and the dosimetric differences between these scenarios were examined. Results: The simulated PEG coating absorbs a large portion of the energy that would otherwise be deposited in the medium. The mean dose to water was reduced by up to 2.5, 3.5, and 4.5% for GNPs of diameters 50, 20, and 10 nm, respectively. This effect was more pronounced for smaller GNPs, thicker coatings, and low photon source energies where the enhancement due to GNPs is the greatest. The molecular weight of the coating material did not have a significant impact on the dose. Conclusions: The inclusion of a coating material in GNP enhanced radiation may reduce the dose enhancement due to the nanoparticles. Both the composition and size of the coating play a role in the level of this reduction and should be considered carefully.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,006 |
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 ».