Feasibility of targeting canine soft tissue sarcoma with MR-guided high-intensity focused ultrasound
Notice bibliographique
Résumé
PURPOSE: Magnetic resonance imaging-guided high-intensity-focused ultrasound (MR-HIFU) is a non-invasive treatment modality that precisely focuses ultrasound energy within a tumour and can be customised to result in a wide range of local bioeffects. The purpose of this study was to determine the feasibility of using MR-HIFU to treat soft tissue sarcoma (STS) in dogs. MATERIALS AND METHODS: Medical records of dogs admitted to the Virginia-Maryland College of Veterinary Medicine from 1 January 2012 to 31 December 2016 were searched for a diagnosis of sarcoma with available cross-sectional imaging of the tumour (MRI or CT). Fifty-three (53) dogs were eligible for inclusion. Tumor tissue (in bone as well as in soft tissue) was considered targetable unless: (1) the ultrasound path was completely obstructed by bone or gas and (2) the MR-HIFU target was within the spinal cord or less than 1 cm from the margin of the spinal cord. Tumors were categorised as <50% targetable, ≥50% targetable or non-targetable. RESULTS: Eighty-one percent of STS (81.1%, 43/53) were targetable. The head/spine tumour sites had the highest proportion of non-targetable tumours (36%, 9/25). The majority of truncal and axillary tumours were ≥50% targetable (88.9%, 16/18) ,and all extremity tumours were considered ≥50% targetable (100%, 5/5). CONCLUSIONS: The majority of STS were targetable. This is the first study to evaluate MR-HIFU targetability of canine STS. HIFU has potential as a therapeutic modality for treating STS in dogs, and this veterinary application is a possible model for treatment of naturally occurring STS in humans.
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 | 0,001 | 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 ».