Derniers articles pour Traitement du cancer

Un aperçu du projet TURBO qui améliore l'efficacité de la thérapie par protons.

Des recherches montrent le potentiel du TLS pour améliorer les résultats des traitements des gliomes.

Une étude compare des modèles pour prédire la production de positrons dans le traitement du cancer.

Une étude révèle des infos sur les métastases osseuses chez les patients atteints de cancer.

L'apprentissage automatique offre de meilleures prévisions pour la récidive du cancer de la vessie, améliorant ainsi les soins aux patients.

Examiner les effets des bêta-bloquants et du salbutamol sur le risque de cancer de la prostate et la survie.

Le nivolumab montre des promesses dans le traitement, mais son rapport coût-efficacité soulève des inquiétudes.

Enquête sur les rôles de TAK1 et PLCE1 dans le carcinome épidermoïde de l'œsophage.

Utiliser l'apprentissage automatique pour personnaliser les traitements des patients atteints de leucémie myéloïde aiguë.

Une étude montre que l'ESPB soulage mieux la douleur que le QLB après une opération.

L'hydroporation améliore la thérapie CAR-T en boostant la viabilité des cellules T et l'efficacité du ciblage.

La planification dynamique améliore la ciblage des tumeurs pendant la radiothérapie robotisée.

Une étude sur l'explicabilité des modèles d'apprentissage automatique pour le traitement du cancer du pancréas.

Les kinases PIM sont super importantes pour des réponses efficaces des cellules T CD8 dans l'immunité et le cancer.

L'IA aide à créer de nouveaux anticorps ciblant le PD-1 pour de meilleures thérapies contre le cancer.

Efforts pour améliorer l'accès des patients aux thérapies d'oncologie de précision dans les zones rurales.

Des chercheurs explorent de nouveaux traitements pour les cellules cancéreuses résistantes à la cisplatine.

Une étude montre comment la planification avancée des soins aide à l'expérience de fin de vie des patients atteints de LMA.

Des recherches montrent que les nanoparticules d'or améliorent l'efficacité de la radiothérapie en influençant les amas d'ionisation.

Une étude révèle des changements lipidiques liés aux effets secondaires douloureux de la chimiothérapie.

UnifyImmun prédit la liaison des antigènes, améliorant l'efficacité de l'immunothérapie contre le cancer.

Améliorer la communication entre les patients atteints de cancer et les professionnels de santé grâce à l'IA.

UPINN améliore notre capacité à modéliser et à prédire les effets des médicaments de chimiothérapie.

Les éléments clés qui influencent les taux de récidive du cancer après une chirurgie sont mis en avant.

Les technologies d'IA améliorent la détection et la précision du traitement du cancer de la thyroïde.

RSTAR-Net réduit les artefacts de traînée dans les images de cancer du poumon, améliorant la précision du traitement.

Enquêter sur comment les taux de dose de radiation influencent la formation de radicaux hydroxyles.

Le design DEMO vise à améliorer la recherche de doses dans les essais oncologiques en utilisant des marqueurs biologiques.

Les experts fixent des critères plus clairs pour diagnostiquer et gérer l'ORNJ.

Enquêter sur comment les cellules cancéreuses modifient leur utilisation d'énergie pour survivre et grandir.

Une nouvelle approche bayésienne améliore l'estimation de la taille d'échantillon dans les essais cliniques.

Nouvelles infos sur comment l'immunothérapie améliore les résultats du cancer du poumon.

MMIST-ccRCC fournit des données complètes pour des soins personnalisés contre le cancer.

L'inférence fédérée bayésienne permet de faire des analyses de survie tout en préservant la vie privée dans la recherche sur le cancer.

Utiliser des hydrogels pour une livraison précise de médicaments améliore les résultats des traitements du cancer.

Une étude explore comment l'IA peut mieux prédire les résultats pour les patients atteints de glioblastome.

Explorer l'importance des interactions des protons avec l'os cortical dans la thérapie du cancer.

Une méthode d'IA améliore les prévisions de dose en radiothérapie en estimant l'incertitude.

Un défi vise à améliorer le contour des tumeurs sur les scans cérébraux pour mieux planifier les traitements.

Le défi BraTS repousse les limites de la segmentation automatisée des méningiomes avec l'apprentissage profond.