Computational modeling of thermal combination therapies by magneto-ultrasonic heating to enhance drug delivery to solid tumors
Notice bibliographique
Résumé
For the first time, inspired by magnetic resonance imaging-guidance high intensity focused ultrasound (MR-HIFU) technology, i.e., medication therapy and thermal ablation in one session, in a preclinical setting based on a developed mathematical model, the performance of doxorubicin (Dox) and its encapsulation have been investigated in this study. Five different treatment methods, that combine medication therapy with mild hyperthermia by MRI contrast ([Formula: see text]) and thermal ablation via HIFU, are investigated in detail. A comparison between classical chemotherapy and thermochemistry shows that temperature can improve the therapeutic outcome by stimulating biological properties. On the other hand, the intravascular release of ThermoDox increases the concentration of free drug by 2.6 times compared to classical chemotherapy. The transport of drug in interstitium relies mainly on the diffusion mechanism to be able to penetrate deeper and reach the cancer cells in the inner regions of the tumor. Due to the low drug penetration into the tumor center, thermal ablation has been used for necrosis of the central areas before thermochemotherapy and ThermoDox therapy. Perfusion of the region around the necrotic zone is found to be damaged, while cells in the region are alive and not affected by medication therapy; so, there is a risk of tumor recurrence. Therefore, it is recommended that ablation be performed after the medication therapy. Our model describes a comprehensive assessment of MR-HIFU technology, taking into account many effective details, which can be a reliable guide towards the optimal use of drug delivery systems.
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 ».