Personalized metronomic radiopharmaceutical therapy through injection profile optimization via physiologically based pharmacokinetic (PBPK) modeling
Notice bibliographique
Résumé
Each treatment cycle of radiopharmaceutical therapy (RPT) is administered as a single dose. We aimed to investigate a personalized metronomic RPT paradigm, employing multiple lower-dose administrations, to evaluate its effect on delivering radiopharmaceuticals to tumors. We developed a physiologically-based pharmacokinetic (PBPK) model applied to metastatic castration-resistant prostate cancer patients to analyze the impact of metronomic framework and various infusion durations (1–4 h) on absorbed doses (ADs) in tumors and organ-at-risk (OAR). We designed a treatment algorithm to select optimal regimens with high AD, while investigating what we term radiopharmaceutical delivery payload (RDP). This metric evaluates the efficiency of radiopharmaceutical delivery by quantifying the proportion of the administered dose that successfully reaches the target tissue. The goal is to optimize trade-offs between RDP and tumors-AD among injection profiles, amongst varying radioactivity (1-22GBq), total radiopharmaceutical mass (2 5 -2 10 nmol), number of injections (2–6), and time intervals (12–36 h) between injections. Our framework applied to five patients led to increased AD between 2 and 358 Gy (between 2 and 146%) higher than normally administered to patients, safeguarding OARs. Using single-dose scenarios to match ADs in metronomic approach, led to significant increase in injected activities, requiring injection of 0 to 9GBq additional activity (reducing RDP by 3–75%). Maintaining total administered radioactivity within clinically therapeutic levels, increasing frequency, time interval, and infusion duration increases tumors and OARs AD by 0.05-73%, while it decreased tumors-to-OARs AD ratios by 0.1–30%. Based on the PBPK modeling approach, metronomic RPT appears to improve efficacy (RDP) in delivered doses to tumors for a given total injected radioactivity.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».