MétaCan
Menu
Retour à la cohorte
Enregistrement W4404600197 · doi:10.34133/bmef.0080

Recent Advances and Future Directions in Sonodynamic Therapy for Cancer Treatment

2024· article· en· W4404600197 sur OpenAlexaff
Priyankan Datta, Sreejesh Moolayadukkam, Dhrubajyoti Chowdhury, Adnan Rayes, Nan Sook Lee, Rakesh P. Sahu, Qifa Zhou, Ishwar K. Puri

Notice bibliographique

RevueBME Frontiers · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSonodynamic therapyCancer therapyMedicineIntensive care medicineCancerAlternative medicineInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Deep-tissue solid cancer treatment has a poor prognosis, resulting in a very low 5-year patient survival rate. The primary challenges facing solid tumor therapies are accessibility, incomplete surgical removal of tumor tissue, the resistance of the hypoxic and heterogeneous tumor microenvironment to chemotherapy and radiation, and suffering caused by off-target toxicities. Here, sonodynamic therapy (SDT) is an evolving therapeutic approach that uses low-intensity ultrasound to target deep-tissue solid tumors. The ability of ultrasound to deliver energy safely and precisely into small deep-tissue (>10 cm) volumes makes SDT more effective than conventional photodynamic therapy. While SDT is currently in phase 1/2 clinical trials for glioblastoma multiforme, its use for other solid cancer treatments, such as breast, pancreatic, liver, and prostate cancer, is still in the preclinical stage, with further investigation required to improve its therapeutic efficacy. This review, therefore, focuses on recent advances in SDT cancer treatments. We describe the interaction between ultrasound and sonosensitizer molecules and the associated energy transfer mechanism to malignant cells, which plays a central role in SDT-mediated cell death. Different sensitizers used in clinical and preclinical trials of various cancer treatments are listed, and the critical ultrasound parameters for SDT are reviewed. We also discuss approaches to improve the efficacies of these sonosensitizers, the role of the 3-dimensional spheroid in vitro investigations, ultrasound-controlled CAR-T cell and SDT-based multimodal therapy, and machine learning for sonosensitizer optimization, which could facilitate clinical translation of SDT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,244
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBME FrontiersMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207