Modelling novel PDT approaches to target peripheral lung cancers (Conference Presentation)
Notice bibliographique
Résumé
While the prevalence of central bronchial tumours is declining, that of peripheral lung tumours is increasing. Peripheral lung tumours present either as individual index lesion or as field cancerization, requiring for the former targeting of particular confined volumes of lung tissue versus a therapy for an entire lung or particular lobes thereof. Using FullMonte, a Monte Carlo code; the ability to achieve a tumour selective PDT by transbronchial light source placement was simulated for 525, 665 and 808 nm wavelength. Simulations were executed utilizing in silica models with up to 10 generations of the bronchial tree, tissue photosensitizer concentrations taken from literature or measure in preclinical model systems and tissue optical properties measured with alive ex vivo pig and human lungs perfused with either blood or a transparent low cellular (STEEN) fluid. The measured effective attenuation coefficients [cm-1] at the three wavelengths for ventilated lungs with either blood 1.26±1.07, 1.93±0.534, 1.09±0.93 or STEEN fluid 1.01±0.873, 0.901±0.318, 0.641±0.31 used as perfusate. When modelling the PDT dose distribution in the lung’s the bronchial air ducts up to the eight generations perturb the fluence considerably. In all simulations, a dose sufficient to cause necrosis in 98% of the target volume placement of 3 source fibres albeit with various extent of normal lung tumour damage. Full coverage of an entire lung lobe with only three source fibres placed does not provide for effective coverage of the diffuse disease unless a very high selective uptake of the photosensitizer in malignant tissues can be achieved.
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) | 0,001 | 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 ».