Shifting the Spotlight to Low-Dose Rate Radiobiology in Radiopharmaceutical Therapies: Mathematical Modeling, Challenges, and Future Directions
Notice bibliographique
Résumé
Radiopharmaceutical therapy (RPT) is an established treatment modality and is of increasing interest for different cancer types. A key unmet need, both in the wider adoption of RPT and in the improvement of outcomes with existing RPTs, is in treatment planning and optimization. Research efforts have been hindered by the incomplete understanding of the radiobiology RPTs. Modeling in RPT often mirrors external beam radiotherapy (EBRT), despite key differences. The dose rate (DR) is notably distinct between the two, influencing radiation responses. In EBRT, radiation is acutely delivered in discrete transient fractions of relatively short duration, with a near-constant DR. In RPT, by contrast, exposure is gradual, protracted, and characterized by temporal nonuniformities arising from organ-specific radio-pharmacokinetics. As a result, low-DR (LDR) radiobiology adapted for RPT (LDR-RPT) has emerged as a vibrant area of research. In this review, we discuss the state-of-the-art understanding of the etiological mechanisms underlying cellular and tissue-level dose responses in LDR-RPT, with a focus on how this radiobiological knowledge is codified in mathematical and computational models. We also describe current feasibility and future prospects for utilizing such quantitative radiobiological models to perform personalized RPT planning and highlight research directions that should be prioritized to accelerate clinical adoption.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».