Exploring radiation-induced fibrosis: biological mechanisms and new frontiers in research and therapeutics
Notice bibliographique
Résumé
PURPOSE: Radiation-induced fibrosis (RIF) is a significant long-term complication of radiotherapy, affecting many cancer patients months to years after treatment. Characterized by progressive tissue stiffening, loss of elasticity, and impaired organ function, RIF can deleteriously impact a patient's quality of life. Commonly affected sites include the skin, lung, heart, and kidney. Advances in radiotherapy techniques, such as intensity-modulated radiation therapy (IMRT), stereotactic body radiotherapy (SBRT), and image-guided radiotherapy (IGRT), have improved the precision of radiation delivery, reducing acute damage to healthy tissues; RIF however, remains a prevalent complication despite these technological advancements. This review explores the underlying cellular and molecular mechanisms of RIF, emphasizing fibroblast proliferation, myofibroblast activation, and excessive extracellular matrix (ECM) deposition in its progression. Additionally, this review highlights in vitro and in vivo models that are instrumental in studying RIF and evaluates current therapeutic strategies aimed at mitigating RIF. CONCLUSION: inhibitors, and molecular interventions aimed at ECM regulation, offer promising avenues for mitigating or reversing RIF. Additionally, integrating computational models into clinical practice could enhance personalized treatment planning, enabling better prediction and prevention of RIF in patients. Addressing these challenges is critical for improving the quality of life of patients affected by RIF and improving their outcomes, particularly with the growing population of long-term cancer survivors in the world.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 ».