{{flagHref}}
Produkte
  • Produkte
  • Kategorien
  • Blog
  • Podcast
  • Anwendung
  • Dokument
|
/ {{languageFlag}}
Sprache auswählen
Stanford Advanced Materials {{item.label}}
Stanford Advanced Materials
Sprache auswählen
Stanford Advanced Materials {{item.label}}
a

Vorhersage der räumlich-zeitlichen Reaktion von rezidivierenden Glioblastomen, die mit Rhenium-186-markierten Nanoliposomen behandelt wurden

Titel Vorhersage der räumlich-zeitlichen Reaktion von rezidivierenden Glioblastomen, die mit Rhenium-186-markierten Nanoliposomen behandelt wurden
Autoren Chase Christenson, Chengyue Wu, David A. Hormuth II, Shiliang Huang, Ande Bao, Andrew Brenner, Thomas E. Yankeelov
Zeitschrift Multiphysik des Gehirns
Datum 10/29/2023
DOI 10.1016/j.brain.2023.100084
Einführung Die Anwendung der mit Rhenium-186 markierten Nanoliposomen (RNL) stellt einen vielversprechenden Fortschritt bei der Behandlung des rezidivierenden Glioblastoms dar, da sie eine gezielte Strahlenabgabe ermöglicht. Um die Wirksamkeit der RNL-Verabreichung zu verbessern, haben wir einen Vorhersagerahmen mit bildgesteuerten mathematischen Modellen entwickelt, die auf einzelne Patienten zugeschnitten sind. Dazu wurden Reaktions-Diffusions-Modelle mit Bilddaten von zehn Patienten kalibriert, um die Tumordynamik vorherzusagen. Mithilfe von MRT- und SPECT-Daten bewerteten wir die Tumorlast und die lokale RNL-Aktivität. Das von uns gewählte Modell erreichte eine hohe Korrelation mit den gemessenen Daten und bewies seine Vorhersagekraft sowohl durch patientenspezifische als auch durch leave-one-out-Analysen. Diese Ergebnisse unterstreichen das Potenzial von Computermodellen bei der Vorhersage des Ansprechens von Glioblastomen auf eine Radionuklidtherapie und verdeutlichen die Bedeutung von Bildgebungsstudien, die sich auf lokale Immun- und Gefäßreaktionen auf hochdosierte Strahlung konzentrieren.
Zitat Chase Christenson, Chengyue Wu und David A. Hormuth et al. Predicting the spatio-temporal response of recurrent glioblastoma treated with rhenium-186 labelled nanoliposomes. Gehirn Multiphysik. 2023. Vol. 5. DOI: 10.1016/j.brain.2023.100084
Materialien Nanokompositen
Industrie Medizinische Geräte
Verwandte Papiere
Laden... Bitte warten Sie...
Veröffentlichen Sie Ihre Forschung und Artikel auf der SAM-Website
Haftungsausschluss
Diese Seite stellt nur die Metadaten akademischer Arbeiten zur Verfügung, um den Nutzern das einfache Auffinden relevanter Informationen zu ermöglichen. Für den vollständigen Zugriff auf die Arbeiten verwenden Sie bitte den DOI, um die Website des ursprünglichen Verlags zu besuchen. Die Daten stammen aus öffentlich zugänglichen wissenschaftlichen Datenbanken und entsprechen den Nutzungsbedingungen dieser Plattformen. Falls Sie Bedenken hinsichtlich des Urheberrechts haben, kontaktieren Sie uns bitte. Wir werden diese umgehend bearbeiten.

Erfolg! Sie sind jetzt abonniert

Sie wurden erfolgreich abonniert! Schauen Sie bald in Ihren Posteingang, um tolle E-Mails von diesem Absender zu erhalten.
Hinterlassen Sie eine Nachricht
Hinterlassen Sie eine Nachricht
* Ihr Name:
* Ihre E-Mail:
* Produkt Name:
* Ihr Telefon:
* Kommentare: