Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Cancer Survival Analysis01:21

Cancer Survival Analysis

645
Cancer survival analysis focuses on quantifying and interpreting the time from a key starting point, such as diagnosis or the initiation of treatment, to a specific endpoint, such as remission or death. This analysis provides critical insights into treatment effectiveness and factors that influence patient outcomes, helping to shape clinical decisions and guide prognostic evaluations. A cornerstone of oncology research, survival analysis tackles the challenges of skewed, non-normally...
645

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

3D Printing a Clinically Available Solution From Plaster-Based Positives in Superficial Radiation Therapy.

Journal of medical radiation sciences·2026
Same author

Radiomic correlates with overall survival in glioblastoma: amide proton transfer (APT) imaging-based feature analysis and integration of clinical factors.

Physical and engineering sciences in medicine·2026
Same author

A component-wise commissioning and validation framework for non-transit electronic portal imaging device patient-specific quality assurance.

Physics and imaging in radiation oncology·2026
Same author

PSA persistence in the PSMA PET era: reassessing a risk factor after radical prostatectomy.

Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology·2026
Same author

Emerging Outcome Trends From Proton Therapy for Pediatric CNS Tumors: A Systematic Review.

International journal of particle therapy·2026
Same author

Local Salvage Therapy Alone for Local Recurrence of Prostate Cancer After Radiotherapy: A Systematic Review and Meta-Analysis.

JAMA oncology·2026

関連する実験動画

Updated: Jan 15, 2026

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
06:46

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery

Published on: September 27, 2024

640

前立腺がんの再発予測におけるアトラスベース腫瘍制御確率モデルの応用

Kazi Ridita Mahtaba1, Martin A Ebert2,3,4, Jeremy Booth1,5

  • 1Institute of Medical Physics, School of Physics, The University of Sydney, Camperdown, New South Wales, Australia.

Medical physics
|January 14, 2026
PubMed
まとめ

本研究では、放射線療法後の前立腺がん再発を予測するため、アトラスベースのモデルを開発した。強化モデルは高リスク領域を正確に特定し、毒性を増加させることなく再発を減らすための個別化治療を可能にする可能性がある。

キーワード:
前立腺がん再発放射線感受性パラメータ腫瘍制御確率

さらに関連する動画

Author Spotlight: Advancing Prostate Cancer Research Through Improved Tissue Sampling and Biobanking
07:34

Author Spotlight: Advancing Prostate Cancer Research Through Improved Tissue Sampling and Biobanking

Published on: November 17, 2023

1.1K
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

485

関連する実験動画

Last Updated: Jan 15, 2026

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
06:46

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery

Published on: September 27, 2024

640
Author Spotlight: Advancing Prostate Cancer Research Through Improved Tissue Sampling and Biobanking
07:34

Author Spotlight: Advancing Prostate Cancer Research Through Improved Tissue Sampling and Biobanking

Published on: November 17, 2023

1.1K
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

485

科学分野:

  • 腫瘍学
  • 放射線腫瘍学
  • 医学物理学

背景:

  • 放射線療法（RT）後の前立腺がん（PCa）の再発は、臨床的に重要な課題です。
  • RTの線量増加は腫瘍制御を改善しますが、毒性を増加させます。
  • 放射線抵抗性のサブボリュームを特定することは、治療失敗のリスクを低減するための個別化RTを可能にする可能性があります。

主な方法:

  • 確定RT後の生検で確認された局所再発を有する9人の患者のデータを使用しました。
  • 人口ベースのCDアトラスとTPアトラスを患者の前立腺輪郭に非剛体登録しました。
  • 病理組織学に基づいてアトラスをセグメント化し、放射線感受性パラメータ（α/β比）を導出し、3つの調整アプローチを評価しました。

結論:

  • 病理組織学的データで強化されたアトラスベースのTCPモデルは、PCaの再発予測に有望です。
  • このアプローチは、再発リスクを最小限に抑えるために線量分布を最適化することにより、個別化RTを導く可能性があります。
  • 導出されたα/β比は、PCaの確立された値と一致しています。