个性化模型用于辐射诱导的肺纤维化
Eleftherios Ioannou1, Myrianthi Hadjicharalambous1, Anastasia Malai2
1Department of Mechanical & Manufacturing Engineering, University of Cyprus, Nicosia, Cyprus.
Journal of the Royal Society, Interface
|November 12, 2024
概括
一个新的in silico模型准确地预测了肺癌患者的辐射诱导性肺纤维化 (RIPF). 这种计算工具有助于个性化风险评估和放射治疗并发症的治疗计划.
科学领域:
- 计算建模计算建模
- 辐射疗法 辐射疗法
- 肺部纤维化 肺部纤维化
背景情况:
- 辐射诱导性肺纤维化 (RIPF) 是肺癌胸部放射治疗 (RT) 的严重并发症.
- RIPF导致不可逆转的肺损伤,功能下降和呼吸系统问题.
- 由于治疗选择有限,预测和管理RT后的RIPF在临床上具有挑战性.
研究的目的:
- 开发一个个性化的in silico模型,用于在放射治疗后预测肺纤维化.
- 将瘤回归,纤维化发展和肺组织重塑整合到一个模拟中.
- 改善接受RT的患者的风险评估和治疗计划.
主要方法:
- 开发了一个基于连续性的计算模型.
- 利用了12名接受RT治疗的肺癌患者的数据.
- 该模型整合了计算机断层扫描 (CT) 和剂量测量数据,以模拟纤维化的演变.
主要成果:
- 在模型准确地捕捉了患者队列中的纤维化程度.
- 模型预测显示,与临床观察的偏差不到1%.
- 提供了空间相似性的定量指标,验证了模型的性能.
结论:
- 开发的in silico模型在预测RIPF方面表现出很高的准确性.
- 这种工具有可能显著提高治疗规划和患者风险分层.
- 可以改善RIPF的个性化管理,从而使患者护理更有效.
