Ultrasound‐mediated nano‐sized drug delivery systems for cancer treatment: Multi‐scale and multi‐physics computational modeling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Computational modeling enables researchers to study and understand various complex biological phenomena in anticancer drug delivery systems (DDSs), especially nano-sized DDSs (NSDDSs). The combination of NSDDSs and therapeutic ultrasound (TUS), that is, focused ultrasound and low-intensity pulsed ultrasound, has made significant progress in recent years, opening many opportunities for cancer treatment. Multiple parameters require tuning and optimization to develop effective DDSs, such as NSDDSs, in which mathematical modeling can prove advantageous. In silico computational modeling of ultrasound-responsive DDS typically involves a complex framework of acoustic interactions, heat transfer, drug release from nanoparticles, fluid flow, mass transport, and pharmacodynamic governing equations. Owing to the rapid development of computational tools, modeling the different phenomena in multi-scale complex problems involved in drug delivery to tumors has become possible. In the present study, we present an in-depth review of recent advances in the mathematical modeling of TUS-mediated DDSs for cancer treatment. A detailed discussion is also provided on applying these computational models to improve the clinical translation for applications in cancer treatment. This article is categorized under: Nanotechnology Approaches to Biology > Nanoscale Systems in Biology Therapeutic Approaches and Drug Discovery > Nanomedicine for Oncologic Disease.
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.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle