Evolving concepts in margin strategies and adaptive radiotherapy for glioblastoma: A new future is on the horizon
Notice bibliographique
Résumé
Chemoradiotherapy is the standard treatment after maximal safe resection for glioblastoma (GBM). Despite advances in molecular profiling, surgical techniques, and neuro-imaging, there have been no major breakthroughs in radiotherapy (RT) volumes in decades. Although the majority of recurrences occur within the original gross tumor volume (GTV), treatment of a clinical target volume (CTV) ranging from 1.5 to 3.0 cm beyond the GTV remains the standard of care. Over the past 15 years, the incorporation of standard and functional MRI sequences into the treatment workflow has become a routine practice with increasing adoption of MR simulators, and new integrated MR-Linac technologies allowing for daily pre-, intra- and post-treatment MR imaging. There is now unprecedented ability to understand the tumor dynamics and biology of GBM during RT, and safe CTV margin reduction is being investigated with the goal of improving the therapeutic ratio. The purpose of this review is to discuss margin strategies and the potential for adaptive RT for GBM, with a focus on the challenges and opportunities associated with both online and offline adaptive workflows. Lastly, opportunities to biologically guide adaptive RT using non-invasive imaging biomarkers and the potential to define appropriate volumes for dose modification will be discussed.
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) | 0,002 | 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 | 0,001 |
| 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 ».