Focused ultrasound for brain metastases
Notice bibliographique
Résumé
Brain metastases (BMs) increasingly represent a significant cause of morbidity and mortality in cancer patients. The efficacy of systemic therapies for BMs, in contrast to extracranial metastases (EMs), remains limited secondary to a host of challenges. These include insufficient drug delivery due to the blood-brain barrier and blood-tumor barrier, the unique immunological milieu in the tumor microenvironment and cerebrospinal fluid, the diversity of immunogenomic landscapes in BMs across genetically distinct malignancies, the branching evolution of BM from EMs, and the challenges in longitudinally obtaining information regarding clinically actionable genetic alterations in BMs for precision oncology. These complex, long-standing challenges require treatment strategies that address multiple problems concurrently, as represented by the potential of focused ultrasound (FUS) for enhancing effectiveness of several existing BM-specific management strategies. Beyond historically investigated applications of FUS for BMs, including thermoablation and histotripsy, new frontiers include enhanced drug delivery of systemic therapies, plasma sono-liquid biopsy of BM-derived factors, radiosensitization, and immunomodulation. These applications, as discussed here, enable multiple combinatorial opportunities of FUS with targeted- and/or immunotherapies for BMs. With multiple ultrasound delivery platforms (including MR-guided, neuro-navigation-guided, and implantable devices) being investigated in neuro-oncology trials worldwide, this review provides strategies for designing and optimizing future research efforts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».