Investigating spatial fractionation and radiation induced bystander effects: a mathematical modelling approach
Notice bibliographique
Résumé
Abstract Radiation induced bystander effects (RIBEs) have been shown to cause death in cells receiving little or no physical dose. In standard radiotherapy, where uniform fields are delivered and all cells are directly exposed to radiation, this phenomenon can be neglected. However, the role of RIBEs may become more influential when heterogeneous fields are considered. Mathematical modelling can be used to determine how these heterogeneous fields might influence cell survival, but most established techniques account only for the direct effects of radiation. To gain a full appreciation of how non-uniform fields impact cell survival, it is also necessary to consider the indirect effects of radiation. In this work, we utilise a mathematical model that accounts for both the direct effects of radiation on cells and RIBEs. This model is used to investigate how spatially fractionated radiotherapy plans impact cell survival in vitro . These predictions were compared to survival in normal and cancerous cells following exposure to spatially fractionated plans using a clinical linac. The model is also used to explore how spatially fractionated radiotherapy will impact tumour control in vivo . Results suggest that spatially fractionated plans are associated with higher equivalent uniform doses than conventional uniform plans at clinically relevant doses. The model predicted only small changes changes in normal tissue complication probability, compared to the larger protection seen clinically. This contradicts a central paradigm of radiotherapy where uniform fields are assumed to maximise cell kill and may be important for future radiotherapy optimisation.
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 | 0,001 |
| 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 ».