Longitudinal PET Imaging to Monitor Treatment Efficacy by Liposomal Irinotecan in Orthotopic Patient-Derived Pancreatic Tumor Models of High and Low Hypoxia
Notice bibliographique
Résumé
Abstract Purpose Hypoxia is linked to aggressiveness, resistance to therapy, and poor prognosis of pancreatic tumors. Liposomal irinotecan (nal-IRI, ONIVYDE®) has shown potential in reducing hypoxia in the HT29 colorectal cancer model, and here, we investigate its therapeutic activity and ability to modulate hypoxia in patient-derived orthotopic tumor models of pancreatic cancer. Procedures Mice were randomized into nal-IRI treated and untreated controls. Magnetic resonance imaging was used for monitoring treatment efficacy, positron emission tomography (PET) imaging with F-18-labelled fluoroazomycinarabinoside ([ 18 F]FAZA) for tumor hypoxia quantification, and F-18-labelled fluorothymidine ([ 18 F]FLT) for tumor cell proliferation. Results The highly hypoxic OCIP51 tumors showed significant response following nal-IRI treatment compared with the less hypoxic OCIP19 tumors. [ 18 F]FAZA-PET detected significant hypoxia reduction in treated OCIP51 tumors, 8 days before significant changes in tumor volume. OCIP19 tumors also responded to therapy, although tumor volume control was not accompanied by any reduction in [ 18 F]FAZA uptake. In both models, no differences were observable in [ 18 F]FLT uptake in treated tumors compared with control mice. Conclusions Hypoxia modulation may play a role in nal-IRI’s mechanism of action. Nal-IRI demonstrated greater anti-tumor activity in the more aggressive and hypoxic tumor model. Furthermore, hypoxia imaging provided early prediction of treatment response.
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) | 0,000 | 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 ».