دوره 26، شماره 4 - ( دو ماهنامه طب جنوب 1402 )
جلد 26 شماره 4 صفحات 247-236 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Taghipour H, Motevalli S M, Taherparvar P. Microdosimetric Evaluation of Physical and Biological Quantities due to Linear Energy Transfer in Proton Therapy Using Monte Carlo Simulation. Iran South Med J 2024; 26 (4) :236-247
URL: http://ismj.bpums.ac.ir/article-1-1859-fa.html
URL: http://ismj.bpums.ac.ir/article-1-1859-fa.html
تقی‌پور حسین، متولی سیدمحمد، طاهرپرور پیوند. ارزیابی میکرودٌزیمتری کمیت‌های فیزیکی و بیولوژیکی حاصل از انتقال انرژی خطی در پروتون‌درمانی با استفاده از شبیه‌سازی مونت کارلو. مجله طب جنوب. 1402; 26 (4) :236-247
حسین تقی‌پور1 
، سیدمحمد متولی* 2، پیوند طاهرپرور3
، سیدمحمد متولی* 2، پیوند طاهرپرور3
1- گروه فیزیک هسته‌ای، دانشکده علوم پایه، دانشگاه مازندران، بابلسر، ایران
2- گروه فیزیک هسته‌ای، دانشکده علوم پایه، دانشگاه مازندران، بابلسر، ایران ،motavali@umz.ac.ir
3- گروه فیزیک، دانشکده علوم پایه، دانشگاه گیلان، رشت، ایران
2- گروه فیزیک هسته‌ای، دانشکده علوم پایه، دانشگاه مازندران، بابلسر، ایران ،
3- گروه فیزیک، دانشکده علوم پایه، دانشگاه گیلان، رشت، ایران
چکیده: (492 مشاهده)
زمینه: در پروتون¬درمانی، نه تنها توزیع دُز جذب شده فیزیکی، بلکه توزیع دُز بیوژیکی نیز باید در نظر گرفته شود. در این راستا، مدل¬های پدیدارشناسی و مدل¬های بیوفیزیکی همچون مدل جنبشی میکرودُزیمتری برای محاسبات دُز بیولوژیکی توسعه پیدا کرده¬اند.
مواد و روش‌ها: در این مطالعه مقایسه‌هایی بین بخش خطی منحنی بقای سلولی (α) و پارامتر دُز به ازای 10 درصد کسر بقای سلولی (D10)، محاسبه شده با استفاده از مدل‌های پدیدارشناسی و مدل بیوفیزیکی بر حسب تابعی از انتقال انرژی خطی (LET) و انرژی جنبشی پرتو پروتونی همچنین داده‌های آزمایشگاهی منتشر شده، به منظور تعیین دقیق‌ترین مدل برای رده سلولی همستر چینی V79، انجام گرفته است. علاوه بر این، دُز بیوژیکی محاسبه شده با استفاده از چندین مدل پدیدارشناسی و مدل جنبشی میکرودُزیمتری بر حسب تابعی از عمق در فانتوم آبی نشان داده شده است.
یافته‌ها: نتایج نشان می¬دهد که مقادیر پارامتر¬های α و D10 پرتوهای پروتونی محاسبه شده با استفاده از مدل جنبشی میکرودُزیمتری نسبت به مقادیر محاسبه شده با استفاده از مدل‌های پدیدارشناسی در انطباق بهتری با نتایج بیولوژیکی تابش قرار دارند. ازسوی دیگر؛ از میان مدل‌های پدیدارشناسی، نتایج محاسباتی مدل مک‌نامارا نسبت به سایر مدل‌های پدیدارشناسی در توافق بهتری با نتایج تجربی قرار دارد.
نتیجه‌گیری: از آنجایی که مدل جنبشی میکرودُزیمتری می‌تواند به خوبی توزیع دُز بیولوژیکی پرتوهای پروتونی را با نوآوری و تغییرات مستمر پیش‌بینی کند، اهمیت به کارگیری مدل صحیح در سیستم طراحی درمان نمایان می‌گردد.
مواد و روش‌ها: در این مطالعه مقایسه‌هایی بین بخش خطی منحنی بقای سلولی (α) و پارامتر دُز به ازای 10 درصد کسر بقای سلولی (D10)، محاسبه شده با استفاده از مدل‌های پدیدارشناسی و مدل بیوفیزیکی بر حسب تابعی از انتقال انرژی خطی (LET) و انرژی جنبشی پرتو پروتونی همچنین داده‌های آزمایشگاهی منتشر شده، به منظور تعیین دقیق‌ترین مدل برای رده سلولی همستر چینی V79، انجام گرفته است. علاوه بر این، دُز بیوژیکی محاسبه شده با استفاده از چندین مدل پدیدارشناسی و مدل جنبشی میکرودُزیمتری بر حسب تابعی از عمق در فانتوم آبی نشان داده شده است.
یافته‌ها: نتایج نشان می¬دهد که مقادیر پارامتر¬های α و D10 پرتوهای پروتونی محاسبه شده با استفاده از مدل جنبشی میکرودُزیمتری نسبت به مقادیر محاسبه شده با استفاده از مدل‌های پدیدارشناسی در انطباق بهتری با نتایج بیولوژیکی تابش قرار دارند. ازسوی دیگر؛ از میان مدل‌های پدیدارشناسی، نتایج محاسباتی مدل مک‌نامارا نسبت به سایر مدل‌های پدیدارشناسی در توافق بهتری با نتایج تجربی قرار دارد.
نتیجه‌گیری: از آنجایی که مدل جنبشی میکرودُزیمتری می‌تواند به خوبی توزیع دُز بیولوژیکی پرتوهای پروتونی را با نوآوری و تغییرات مستمر پیش‌بینی کند، اهمیت به کارگیری مدل صحیح در سیستم طراحی درمان نمایان می‌گردد.
واژه‌های کلیدی: پروتون‌درمانی، مدل‌های پدیدارشناسی، مدل‌های بیوفیزیکی، سیستم طراحی درمان، دُز بیولوژیکی
نوع مطالعه: پژوهشي |
موضوع مقاله:
پزشکی هسته ای
دریافت: 1402/8/20 | پذیرش: 1402/11/7 | انتشار: 1402/12/13
دریافت: 1402/8/20 | پذیرش: 1402/11/7 | انتشار: 1402/12/13
فهرست منابع
1. Motevalli SM, Mowlavi AA, Rahmani MA. Monte Carlo Simulation of proton therapy for breast cancer in compressed breast phantom. Iran South Med J 2015; 18(2): 288-295. (Persian) [Article]
2. Pourfallah T, Ahmadi A, Seifi Makrani D, et al. Analysis of hip joint dose in prostate cancer radiation therapy: A dosimetric comparison of treatment plans. J Mazandaran Univ Med Sci 2021; 31(197): 123-131. (Persian) [DOI]
3. Mirzaie M, Mowlavi AA, Mohammadi S, et al. Absorbed dose calculation from beta and gamma rays of 131I in ellipsoidal thyroid and other organs of neck with MCNPX code. Iran South Med J 2012; 15(3): 201-208. (Persian) [Article]
4. Kase Y, Yamashita W, Matsufuji N, et al. Microdosimetric calculation of relative biological effectiveness for design of therapeutic proton beams. J Radiat Res 2013; 54(3): 485-493. [DOI]
5. Salim R, Taherparvar P. A Monte Carlo study on the effects of a static uniform magnetic field on micro-scale dosimetry of Auger-emitters using Geant4-DNA. Radiat Phys Chem 2022; 195: 110063. [DOI]
6. Ahmadi M, Motevalli SM, Taherparvar P. Carbon therapy of brain tumors and the effect of phantom compositions on dose calculations using Monte Carlo simulations. J Nucl Sci Technol 2022; 42(4): 64-71. (Persian) [DOI]
7. Taghipour H, Taherparvar P. Comparison of different model predictions on RBE in the proton therapy technique using the GATE code. Iran J Radiat Saf Meas 2020; 9(4): 15-24. (Persian) [Article]
8. Inaniwa T, Kanematsu N, Matsufuji N, et al. Reformulation of a clinical-dose system for carbon-ion radiotherapy treatment planning at the National Institute of Radiological Sciences, Japan. Phys Med Biol 2015; 60(8): 3271-3286. [DOI]
9. Bertolet A, Cortes-Giraldo MA, Carabe-Fernandez A. Implementation of the microdosimetric kinetic model using analytical microdosimetry in a treatment planning system for proton therapy. Phys Med 2021; 81: 69-76. [DOI]
10. Wilkens JJ, Oelfke U. A phenomenological model for the relative biological effectiveness in therapeutic proton beams. Phys Med Biol 2004; 49(13): 2811-2825. [DOI]
11. Wedenberg M, Lind BK, Hardemark B. A model for the relative biological effectiveness of protons: the tissue specific parameter α/β of photons is a predictor for the sensitivity to LET changes. Acta Oncol 2013; 52(3): 580-588. [DOI]
12. Carabe-Fernandez A, Dale RG, Jones B. The incorporation of the concept of minimum RBE (RBE min) into the linear-quadratic model and the potential for improved radiobiological analysis of high-LET treatments. Int J Radiat Biol 2007; 83(1): 27-39. [DOI]
13. McNamara AL, Schuemann J, Paganetti H. A phenomenological relative biological effectiveness (RBE) model for proton therapy based on all published in vitro cell survival data. Phys Med Biol 2015; 60(21): 8399-8416. [DOI]
14. Inaniwa T, Furukawa T, Kase Y, et al. Treatment planning for a scanned carbon beam with a modified microdosimetric kinetic model. Phys Med Biol 2010; 55(22): 6721-6737. [DOI]
15. Hawkins RB. A microdosimetric-kinetic model for the effect of non-Poisson distribution of lethal lesions on the variation of RBE with LET. Radiat Res 2003; 160(1): 61-69. [DOI]
16. Hawkins RB. A statistical theory of cell killing by radiation of varying linear energy transfer. Radiat Res 1994; 140(3): 366-374. [PubMed]
17. Kase Y, Kanai T, Matsumoto Y, et al. Microdosimetric measurements and estimation of human cell survival for heavy-ion beams. Radiat Res 2006; 166(4): 629-638. [DOI]
18. Chen Y, Li J, Li C, et al. A modified microdosimetric kinetic model for relative biological effectiveness calculation. Phys Med Biol 2017; 63(1): 015008. [DOI]
19. Dahle TJ, Magro G, Ytre-Hauge KS, et al. Sensitivity study of the microdosimetric kinetic model parameters for carbon ion radiotherapy. Phys Med Biol 2018; 63(22): 225016. [DOI]
20. Magro G, Dahle TJ, Molinelli S, et al. The FLUKA Monte Carlo code coupled with the NIRS approach for clinical dose calculations in carbon ion therapy. Phys Med Biol 2017; 62(9): 3814-3827. [DOI]
21. Folkard M, Prise KM, Vojnovic B, et al. Inactivation of V79 cells by low-energy protons, deuterons and helium-3 ions. Int J Radiat Biol 1996; 69(6): 729-738. [DOI]
22. Belli M, Cera F, Cherubini R, et al. Inactivation and mutation induction in V79 cells by low energy protons: re-evaluation of the results at the LNL facility. Int J Radiat Biol 1993; 63(3): 331-337. [DOI]
23. Bortfeld T. An analytical approximation of the Bragg curve for therapeutic proton beams. Med Phys 1997; 24(12): 2024-2033. [DOI]
24. Kase Y, Kanai T, Matsufuji N, et al. Biophysical calculation of cell survival probabilities using amorphous track structure models for heavy-ion irradiation. Phys Med Biol 2008; 53(1): 37-59. [DOI]
25. Inaniwa T, Kanematsu N. Adaptation of stochastic microdosimetric kinetic model for charged-particle therapy treatment planning. Phys Med Biol 2018; 63(9): 095011. [DOI]
26. Paganetti H. Relative biological effectiveness (RBE) values for proton beam therapy. Variations as a function of biological endpoint, dose, and linear energy transfer. Phys Med Biol 2014; 59(22): R419-472. [DOI]
27. Abolfath R, Helo Y, Bronk L, et al. Renormalization of radiobiological response functions by energy loss fluctuations and complexities in chromosome aberration induction: deactivation theory for proton therapy from cells to tumor control. Eur Phys J D 2019; 73(64): 1-22. [DOI]
28. Taghipour H, Taherparvar P. Development of modified microdosimetric kinetic model for relative biological effectiveness in proton therapy. Radiat Environ Biophys 2022; 61(3): 375-390. [DOI]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
