XiaoMi-AI文件搜索系统
World File Search System放射治疗
从实验室到临床的靶向放射治疗
摘要：靶向放射性核素治疗 (TRT) 的概念是准确有效地将辐射传送到播散性癌症病变，同时最大限度地减少对健康组织和器官的损害。成功开发用于 TRT 的新型放射性药物的关键方面是：i) 识别和表征癌细胞上表达的合适靶点；ii) 选择对癌细胞相关靶点表现出高亲和力和选择性的化学或生物分子；iii) 选择衰变特性与靶向分子特性和临床目的相符的放射性核素。瑞士保罗谢勒研究所的放射性药物科学中心 (CRS) 享有优越的地理位置，靠近独特的放射性核素生产基础设施（高能加速器和中子源），并可使用 C/B 型实验室，包括临床前、核成像设备和瑞士医药认证实验室，用于制备供人类使用的药物样品。这些有利条件允许生产非标准放射性核素，探索其生化和药理学特征以及对肿瘤治疗和诊断的影响，同时研究和表征新的靶向结构并优化这些方面以进行放射性药物的转化研究。通过与瑞士各临床合作伙伴的密切合作，最有前途的候选药物被转化为临床用于“首次人体”研究。本文通过介绍一些选定的项目，概述了 CRS 在 TRT 领域的研究活动。
低充氧对放射治疗的``六rs'''
放射疗法是癌症治疗的重要组成部分，大约50％的癌症患者在疾病过程中接受了放射治疗。尽管如此，实体瘤经常表现出低氧区域，这可能会阻碍疗效，尤其是放射治疗。的确，缺氧会影响控制放疗反应的六个参数，称为“六r辐射生物学”（用于放射敏感性，修复，重新分配，重新分布，重新分布，重氧和反肿瘤免疫反应的重新激活），通过诱导Pleopropic细胞适应性，例如REMED EPER EPER EPER EPER EPER EPER EPER EPER，EPER EPER EPER，EPER EPER，EPER，EPER，EPER，EPER，EPER，EPER，EPER综合综合综合综合综合综合综合综合综合综合综合综合综合症，以弥补疾病综合综合综合综合综合综合综合综合综合综合综合综合综合综合综合症，细胞死亡减弱，并具有显着的临床影响。在这篇综述中，根据六个RS，我们详细介绍了缺氧以及相关的机制和途径如何影响实体瘤的放射疗法反应以及由此产生的临床意义。我们通过关注甲状腺甲状腺癌的焦点在低氧内分泌癌中表达了它。
乳腺癌放射治疗后冠状动脉动脉动脉粥样硬化的早期发育（Baccarat研究）
1 Inserm U 1018，CESP，辐射流行病学团队，法国Villejuif 94800； mkhonaryar@gmail.com（M.K.H.）; Rodrigue.allodji@gustaveroussy.fr（R.A.）; forent.devathaire@gustaveroussy.fr（F.D.V.）2 Gustave Roussy，研究部，94800 Vilejuif，法国3大学 - 巴黎 - 萨克莱大学，94800 Vilejuif，法国4. 4号辐射肿瘤学系（Oncorad），Clineique Pasteur，31076法国图卢兹，法国31076； gjimenez@clinique-pasteur.com 5法国图卢兹（Toulouse）31076 Clinique Pasteur放射科； mlapeyre@rx-infomed.com（M.L. ）; jcamilleri@clinique-pasteur.com（J.C。）6心脏病学部，法国图卢兹31076 Clinique Pasteur； panh.loic@gmail.com 7剂量法，PSE-SANTE/SDOS/LEDI，辐射保护与核安全研究所（IRSN），法国92260 Fontenay-Aux-Roses，法国； David.broggio@irsn.fr 8心脏病学和INSERM UMR 1295，Rangueil University Hospital，31400法国图卢兹； jean.ferrieres@univ-tlse3.fr 9流行病学实验室，PSE-SANTE/SESANE/LEPID，放射防护和核安全研究所（IRSN），92260 Fontenay-Aux-Roses，France，France *通信2 Gustave Roussy，研究部，94800 Vilejuif，法国3大学 - 巴黎 - 萨克莱大学，94800 Vilejuif，法国4. 4号辐射肿瘤学系（Oncorad），Clineique Pasteur，31076法国图卢兹，法国31076； gjimenez@clinique-pasteur.com 5法国图卢兹（Toulouse）31076 Clinique Pasteur放射科； mlapeyre@rx-infomed.com（M.L.）; jcamilleri@clinique-pasteur.com（J.C。）6心脏病学部，法国图卢兹31076 Clinique Pasteur； panh.loic@gmail.com 7剂量法，PSE-SANTE/SDOS/LEDI，辐射保护与核安全研究所（IRSN），法国92260 Fontenay-Aux-Roses，法国； David.broggio@irsn.fr 8心脏病学和INSERM UMR 1295，Rangueil University Hospital，31400法国图卢兹； jean.ferrieres@univ-tlse3.fr 9流行病学实验室，PSE-SANTE/SESANE/LEPID，放射防护和核安全研究所（IRSN），92260 Fontenay-Aux-Roses，France，France *通信
胶质母细胞瘤患者放射治疗的个性化问题的生物学方面
谷氨酰胺是胶质母细胞瘤细胞的必要底物，对肿瘤生长很重要。我们研究了ERN1敲低对EGFR，ERBB2，TOB1和CEBPB基因表达在U87MG胶质母细胞瘤细胞中响应谷氨酰胺缺乏的影响。表明，EGFR和ERBB2基因的表达水平与对照胶质母细胞瘤细胞中的谷氨酰胺缺乏症相关，但ERN1敲低导致上调这些基因表达。此外，在对照和ERN1敲低胶质母细胞瘤细胞中，TOB1和CEBPB基因表达对谷氨酰胺剥夺敏感，但抑制ERN1会显着提高这些基因对谷氨酰胺剥夺的敏感性，尤其是CEBPB基因。这些结果表明，内质网应激的主要信号通路ERN1控制着所有研究的基因对基因特异性方式胶质母细胞瘤细胞中谷氨酰胺剥夺的敏感性，并且以基因特异性方式，并且较低路径。
尼泊尔的放射治疗：现状和未来重点
癌症是全球首要死亡原因，2020 年死亡人数接近 1000 万人 (1) 。在尼泊尔，2020 年新发病例、死亡和患病人数（5 年）分别为 20508 人、13629 人和 36909 人。肺癌（12.2%）、宫颈癌（10.9%）和乳腺癌（9.6%）是三种最常见的癌症部位 (2) 。几乎所有患有这些癌症的患者在治疗期间的某个阶段都需要放射治疗。由于尼泊尔的癌症登记系统不够完善，世卫组织提供的数据可能不准确。2018 年，国家卫生研究委员会启动了基于人口的癌症登记处 (PBCR)，覆盖了尼泊尔约 20% 的总人口。根据 Poudel 等人的研究，从 2003 年到 2013 年，男性和女性的癌症发病率均有所增加 (3) 。发病率的增加将给本已负担过重的辐射设施带来额外压力，使情况更加恶化。
基于放射组学的脑转移瘤患者术后立体定向放射治疗局部控制率预测
摘要背景。手术切除是治疗大型或有症状的脑转移瘤 (BM) 患者的标准方法。尽管辅助立体定向放射治疗后局部控制得到改善，但局部失败 (LF) 的风险仍然存在。因此，我们旨在开发并外部验证一种基于治疗前放射组学的预测工具，以识别高 LF 风险的患者。方法。数据来自 BM 切除腔立体定向放射治疗多中心分析 (AURORA) 回顾性研究（训练队列：来自 2 个中心的 253 名患者；外部测试队列：来自 5 个中心的 99 名患者）。从增强 BM（T1-CE MRI 序列）和周围水肿（T2-FLAIR 序列）中提取放射组学特征。比较了不同的放射组学和临床特征组合。最终模型在整个训练队列上进行训练，使用先前通过内部 5 倍交叉验证确定的最佳参数集，并在外部测试集上进行测试。结果。使用放射学和临床特征组合训练的弹性网络回归模型在外部测试中表现最佳，一致性指数 (CI) 为 0.77，优于任何临床模型（最佳 CI：0.70）。该模型在 Kaplan-Meier 分析中有效地根据 LF 风险对患者进行分层（P < .001），并显示出增量的净临床效益。在 24 个月时，我们发现低风险组和高风险组分别有 9% 和 74% 出现 LF。结论。临床和放射学特征的组合比单独的任何临床特征集更能预测无 LF。LF 高风险患者可能会受益于更严格的随访程序或强化治疗。
放射治疗和肿瘤学
目标：本研究旨在探索多中心数据异质性对深度学习脑转移瘤 (BM) 自动分割性能的影响，并评估增量迁移学习技术，即不遗忘学习 (LWF)，在不共享原始数据的情况下提高模型通用性的有效性。材料和方法：使用了来自埃尔朗根大学医院 (UKER)、苏黎世大学医院 (USZ)、斯坦福大学、加州大学旧金山分校、纽约大学 (NYU) 和 BraTS Challenge 2023 的总共六个 BM 数据集。首先，分别针对单中心专项训练和混合多中心训练建立 DeepMedic 网络的 BM 自动分割性能。随后评估了隐私保护双边协作，其中将预训练模型共享到另一个中心以使用迁移学习 (TL) 进行进一步训练（带或不带 LWF）。结果：对于单中心训练，在各自的单中心测试数据上，BM 检测的平均 F1 分数范围从 0.625（NYU）到 0.876（UKER）。混合多中心训练显著提高了斯坦福大学和纽约大学的 F1 分数，而其他中心的提高可以忽略不计。当将 UKER 预训练模型应用于 USZ 时，在组合 UKER 和 USZ 测试数据上，LWF 获得的平均 F1 分数 (0.839) 高于朴素 TL (0.570) 和单中心训练 (0.688)。朴素 TL 提高了灵敏度和轮廓绘制精度，但损害了精度。相反，LWF 表现出值得称赞的灵敏度、精度和轮廓绘制精度。当应用于斯坦福大学时，观察到了类似的性能。结论：数据异质性（例如，不同中心的转移密度、空间分布和图像空间分辨率的变化）导致 BM 自动分割的性能不同，对模型的通用性提出了挑战。LWF 是一种很有前途的点对点隐私保护模型训练方法。
免疫放射治疗兴趣组
放射治疗是最广泛使用的癌症治疗方法，由于其广泛的临床可用性及其刺激免疫反应的能力，引起了免疫疗法的潜在伴侣的浓厚兴趣。尽管有希望，但将放射疗法与免疫疗法相结合的大量随机临床试验未能证明与任何一种治疗相对于任何一种治疗都具有明显的治疗优势。这凸显了急需在临床前和临床环境中采用更有效的组合策略，这些策略提供了增强的功效，同时保持可管理的毒性概况。传统上，放射疗法主要集中在最大化肿瘤细胞破坏的同时，同时最大程度地减少对周围健康组织的损害，而对辐射的潜在免疫学影响有限。成功的放射治疗 - 免疫疗法组合可能需要对标准放射疗法方案进行修改。辐射剂量和治疗量的调整旨在优化免疫反应，同时最大化肿瘤细胞杀伤，这对于增强抗肿瘤免疫反应并实现有意义的临床结果可能至关重要。
利用深度学习和手工放射组学预测立体定向放射治疗后脑肿瘤的不良放射效应
方法：收集接受 SRT 治疗 BM 的患者的钆增强 T1 加权 MRI 和特征，用于来自不同机构的训练和测试队列（N = 1,404）和验证队列（N = 237）。从训练集中的每个病变中提取放射组学特征并用于训练极端梯度增强 (XGBoost) 模型。在同一队列上训练 DL 模型以进行单独预测并提取最后一层特征。使用 XGBoost 的不同模型仅使用放射组学特征、DL 特征和患者特征或它们的组合构建。使用外部数据集上的受试者工作特征曲线的曲线下面积 (AUC) 进行评估。研究了对个体病变和每个患者发展为 ARE 的预测。