Computational Nuclear Oncology Toward Precision Radiopharmaceutical Therapies: Ethical, Regulatory, and Socioeconomic Dimensions of Theranostic Digital Twins
Notice bibliographique
Résumé
Computational nuclear oncology for precision radiopharmaceutical therapy (RPT) is a new frontier for theranostic treatment personalization. A key strategy relies on the possibility to incorporate clinical, biomarker, image-based, and dosimetric information in theranostic digital twins (TDTs) of patients to move beyond a one-size-fits-all approach. The TDT framework enables treatment optimization by real-time monitoring of the real-world system, simulation of different treatment scenarios, and prediction of resulting treatment outcomes, as well as facilitating collaboration and knowledge sharing among health care professionals adopting a harmonized TDT. To this aim, the major social, ethical, and regulatory challenges related to TDT implementation and adoption have been analyzed. Methods: The artificial intelligence–dosimetry working group of the Society of Nuclear Medicine and Molecular Imaging is actively proposing, motivating, and developing the field of computational nuclear oncology, a unified set of scientific principles and mathematic models that describe the hierarchy of etiologic mechanisms involved in RPT dose response. The major social, ethical, and regulatory challenges to realize TDTs have been highlighted from the literature and discussed within the working group, and possible solutions have been identified. Results: This technology demands the implementation of advanced computational tools, harmonized and standardized collection of large real-time data, and modeling protocols to enable interoperability across institutions. However, current legislations limit data sharing despite TDTs’ benefiting from such data. Although anonymizing data is often sufficient, ethical concerns may prevent sharing without patient consent. Approaches such as seeking ethical approval, adopting federated learning, and following guidelines can address this issue. Accurate and updated data input is crucial for reliable TDT output. Lack of reimbursement for data processing in treatment planning and verification poses an economic barrier. Ownership of TDTs, especially in interconnected systems, requires clear contracts to allocate liability. Complex contracts may hinder TDT implementation. Robust security measures are necessary to protect against data breaches. Cross-border data sharing complicates risk management without a global framework. Conclusion: A mechanism-based TDT framework can guide the community toward personalized dosimetry-driven RPT by facilitating the information exchange necessary to identify robust prognostic or predictive dosimetry and biomarkers. Although the future is bright, we caution that care must be taken to ensure that TDT technology is implemented in a socially responsible manner.
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 | 0,019 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».