MétaCan
Menu
Retour à la cohorte
Enregistrement W2888942619 · doi:10.3389/fonc.2018.00338

Low-Intensity MR-Guided Focused Ultrasound Mediated Disruption of the Blood-Brain Barrier for Intracranial Metastatic Diseases

2018· review· en· W2888942619 sur OpenAlexaff
Ying Meng, Suganth Suppiah, Shanan Surendrakumar, Luca Bigioni, Nir Lipsman

Notice bibliographique

RevueFrontiers in Oncology · 2018
Typereview
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensSunnybrook Health Science CentreHealth Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésBlood–brain barrierMedicineMicrobubblesFocused ultrasoundDrug deliveryCentral nervous systemBrain metastasisUltrasoundPharmacologyCancerPathologyOncologyInternal medicineMetastasisRadiology

Résumé

récupéré en direct d'OpenAlex

Low-intensity MR-guided focused ultrasound in combination with intravenously injected microbubbles is a promising platform for drug delivery to the central nervous system past the blood-brain barrier. The blood-brain barrier is a key bottleneck for cancer therapeutics via limited inter- and intracellular transport. Further, drugs that cross the blood-brain barrier when delivered in a spatially nonspecific way, result in adverse effects on normal brain tissue, or at high concentrations, result in increasing risks to peripheral organs. As such, various anti-cancer drugs that have been developed or to be developed in the future would benefit from a noninvasive, temporary, and repeatable method of targeted opening of the blood-brain barrier to treat metastatic brain diseases. MR-guided focused ultrasound is a potential solution to these design requirements. The safety, feasibility and preliminary efficacy of MRgFUS aided delivery have been demonstrated in various animal models. In this review, we discuss this preclinical evidence, mechanisms of focused ultrasound mediated blood-brain barrier opening, and translational efforts to neuro-oncology patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,295
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207