MétaCan
Menu
Retour à la cohorte
Enregistrement W4416528152 · doi:10.1016/j.phro.2025.100870

Magnetic resonance imaging-guided linear accelerator arterial spin labelling reveals dynamics of highly perfused non-enhancing glioblastoma during radiotherapy

2025· article· en· W4416528152 sur OpenAlexafffund
Liam Lawrence, Brige Chugh, James Stewart, Mark Ruschin, Aimee Theriault, Jay Detsky, Pejman Maralani, Chia‐Lin Tseng, Hany Soliman, Mary Jane Lim-Fat, Sunit Das, Arjun Sahgal, Angus Lau

Notice bibliographique

RevuePhysics and Imaging in Radiation Oncology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensSt. Michael's HospitalToronto Metropolitan UniversityHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesUNC Department of Radiation OncologyNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésGlioblastomaRadiation therapyDynamics (music)LabellingMagnetic resonance imagingLinear particle acceleratorRadiation tolerancePerfusion

Résumé

récupéré en direct d'OpenAlex

Background and Purpose: Targeting tumour vasculature during radiotherapy is a direction of current investigation for radiotherapy strategies in glioblastoma. Arterial spin labelling (ASL), a perfusion imaging technique that uses arterial water as an endogenous tracer, on magnetic resonance imaging (MRI)-guided linear accelerators (MRI-linacs) could guide adaptation to changes in perfusion. However, since ASL is unavailable as a stock sequence on MRI-linac systems, our objective was to implement the first MRI-linac ASL sequence, characterize its performance, and measure tumour perfusion dynamics. Materials and Methods: Forty-seven glioblastoma patients were imaged using 3D pseudo-continuous ASL on a 1.5 T MRI-linac during treatment. ASL labeling efficiency was measured in two healthy volunteers and three patients on the MRI-linac and a 1.5 T MR-simulation scanner. ASL cerebral blood flow (CBF) values and repeatability were characterized. Regions of high tumour CBF were evaluated for overlap with the gross tumour volume (GTV) and temporal dynamics. Results: The labelling efficiency was lower for the MRI-linac compared to the MR-sim and literature consensus values (0.59 vs. 0.88 vs. 0.85). Corrected grey matter CBF was comparable between the MRI-linac and literature (38 ± 13 ml/100 g/min vs. 36.5 ± 8.2 ml/100 g/min, p = 0.41). The within-subject coefficient of variation was similar to literature values (16 % vs. 11 ± 5 %). Across patients, approximately half of the high-CBF region did not overlap the GTV (median 47 %). The high-CBF region tended to decrease in volume during radiotherapy, from - 24 % at week 3 (p = 0.016) to - 45 % (p = 0.044) by week 5 relative to week 1. Conclusion: MRI-linac ASL could allow targeting and adaptation for highly perfused tumour in future trials for glioblastoma.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,324
Écart entre enseignants0,316 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics and Imaging in Radiation OncologyMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207