Blood-Brain Barrier Disruption in Neuro-Oncology: Strategies, Failures, and Challenges to Overcome
Notice bibliographique
Résumé
The blood-brain barrier (BBB) presents a formidable challenge in the development of effective therapeutics in neuro-oncology. This has fueled several decades of efforts to develop strategies for disrupting the BBB, but progress has not been satisfactory. As such, numerous drug- and device-based methods are currently being investigated in humans. Through a focused assessment of completed, active, and pending clinical trials, our first aim in this review is to outline the scientific foundation, successes, and limitations of the BBBD strategies developed to date. Among 35 registered trials relevant to BBBD in neuro-oncology in the ClinicalTrials.gov database, mannitol was the most common drug-based method, followed by RMP-7 and regadenoson. MR-guided focused ultrasound was the most common device-based method, followed by MR-guided laser ablation, ultrasound, and transcranial magnetic stimulation. While most early-phase studies focusing on safety and tolerability have met stated objectives, advanced-phase studies focusing on survival differences and objective tumor response have been limited by heterogeneous populations and tumors, along with a lack of control arms. Based on shared challenges among all methods, our second objective is to discuss strategies for confirmation of BBBD, choice of systemic agent and drug design, alignment of BBBD method with real-world clinical workflow, and consideration of inadvertent toxicity associated with disrupting an evolutionarily-refined barrier. Finally, we conclude with a strategic proposal to approach future studies assessing BBBD.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».