"ID";"Original Titel";"Titel Deutsch";"Zusammenfassung";"Kontakte";"Zitation";"URL Fachartikel";"weitere Quellen";"Keywords deutsch";"Forschungsgebiete";"Methode/Modell";"Jahr der Veröffentlichung";"Monat der Veröffentlichung";"Eingestellt am"; "1473";"A patient-derived organoid-based radiosensitivity model for the prediction of radiation responses in patients with rectal cancer";"Patienten-spezifisches Organoid-Modell zur Ermittlung der Bestrahlungssensitivität";"In dieser Studie wurden von Patienten stammende Tumororganoide verwendet, um die Korrelation zwischen der Reaktion auf eine Bestrahlung einzelner von Patienten stammender Enddarmkrebs-Organoide und den Ergebnissen der tatsächlichen Strahlentherapie der in die Studie eingeschlossenen 33 Patienten zu bestimmen. Histologie und Next-Generation-Sequencing-Analyse bestätigten, dass von Patienten stammende Tumororganoide sowohl pathophysiologisch als auch genetisch den ursprünglichen Tumoren entsprechen. Basierend auf einem maschinellen Lernalgorithmus und unter Verwendung klinischer und experimenteller Daten zur Reaktion auf die Strahlenbehandlung wurde ein Vorhersagemodell entwickelt. Die Bestrahlungsreaktionen der Patienten korrelierten positiv mit denen der von Patienten stammenden Tumororganoide. Es wurde gezeigt, dass das auf maschinellem Lernen basierende Vorhersagemodell für Strahlentherapieergebnisse eine Vorhersagegenauigkeit von mehr als 89 % aufweist.";"Younjoo Kim, Korea Institute of Radiological and Medical Sciences, , Südkorea, Ui Sup Shin, Korea Institute of Radiological and Medical Sciences, , Südkorea";"Misun Park et al. Cancers 2021";"https://www.mdpi.com/2072-6694/13/15/3760";"";"maschinelles Lernen, Bestrahlung, personalisierte Medizin, Tumororganoide, Darmkrebs";"Gastroenterologie, Hepatologie, Methodenentwicklung, Onkologie";"In silico, Künstliche Intelligenz, Zellkultur, Gewebemodelle, Organoide, Spheroide";"2021";"06";"2022-06-23 14:56:26";