Image-Based Modeling of Drug Delivery during Intraperitoneal Chemotherapy in a Heterogeneous Tumor Nodule
Notice bibliographique
Résumé
Intraperitoneal (IP) chemotherapy is a promising treatment approach for patients diagnosed with peritoneal carcinomatosis, allowing the direct delivery of therapeutic agents to the tumor site within the abdominal cavity. Nevertheless, limited drug penetration into the tumor remains a primary drawback of this method. The process of delivering drugs to the tumor entails numerous complications, primarily stemming from the specific pathophysiology of the tumor. Investigating drug delivery during IP chemotherapy and studying the parameters affecting it are challenging due to the limitations of experimental studies. In contrast, mathematical modeling, with its capabilities such as enabling single-parameter studies, and cost and time efficiency, emerges as a potent tool for this purpose. In this study, we developed a numerical model to investigate IP chemotherapy by incorporating an actual image of a tumor with heterogeneous vasculature. The tumor’s geometry is reconstructed using image processing techniques. The model also incorporates drug binding and uptake by cancer cells. After 60 min of IP treatment with Doxorubicin, the area under the curve (AUC) of the average free drug concentration versus time curve, serving as an indicator of drug availability to the tumor, reached 295.18 mol·m−3·s−1. Additionally, the half-width parameter W1/2, which reflects drug penetration into the tumor, ranged from 0.11 to 0.14 mm. Furthermore, the treatment resulted in a fraction of killed cells reaching 20.4% by the end of the procedure. Analyzing the spatial distribution of interstitial fluid velocity, pressure, and drug concentration in the tumor revealed that the heterogeneous distribution of tumor vasculature influences the drug delivery process. Our findings underscore the significance of considering the specific vascular network of a tumor when modeling intraperitoneal chemotherapy. The proposed methodology holds promise for application in patient-specific studies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».