โปรตอนมีประสิทธิภาพทางชีวภาพสัมพัทธ์ (RBE) เพิ่มขึ้นเมื่อเทียบกับโฟตอน และสำหรับการรักษาทางคลินิก ชุมชนบำบัดด้วยโปรตอนได้นำค่า RBE คงที่ที่ 1.1 มาใช้ อย่างไรก็ตาม RBE นั้นขึ้นอยู่กับหลายปัจจัย รวมถึงปริมาณที่ฝาก ประเภทของเนื้อเยื่อที่ถูกฉายรังสี และการถ่ายโอนพลังงานเชิงเส้น (LET) ของลำแสง ดังนั้น การใช้ค่า RBE คงที่นี้อาจนำไปสู่การทำนายผลทางคลินิกที่ไม่ถูกต้อง
ในการคำนึงถึงผลกระทบของตัวแปร
RBE นักวิจัยได้พัฒนาแบบจำลอง RBE จำนวนมาก ซึ่งส่วนใหญ่ใช้แบบจำลองเชิงเส้น-กำลังสอง (LQ) และใช้ข้อมูลจาก การ ฉายรังสีเซลล์ในหลอดทดลอง นักวิจัยจากมหาวิทยาลัยเบอร์เกนและโรงพยาบาลมหาวิทยาลัย Haukelandได้วิเคราะห์แบบจำลอง RBE แบบแปรผันเหล่านี้เพื่อสำรวจความแตกต่างและความคล้ายคลึงกัน
Eivind Rørvikผู้เขียนนำกล่าวว่า “จำนวนการศึกษาการวางแผนขนาดยาที่ตีพิมพ์ซึ่งรวมถึง RBE ตัวแปรสำหรับโปรตอนกำลังเพิ่มขึ้นอย่างต่อเนื่อง “การศึกษาเหล่านี้ให้ข้อมูลเชิงลึกที่สำคัญเกี่ยวกับผลกระทบของ RBE; อย่างไรก็ตาม การศึกษาส่วนใหญ่มีแบบจำลอง RBE ที่แตกต่างกันเพียงหนึ่งหรือสองแบบเท่านั้น และสิ่งเหล่านี้แตกต่างกันไปในแต่ละการศึกษา เราเห็นความจำเป็นในการเปรียบเทียบทั่วไปของการทำนาย RBE จากแบบจำลองต่างๆ และการวิเคราะห์ว่าเหตุใดการคาดการณ์จึงแตกต่างกัน”
การค้นหาวรรณกรรมเผยให้เห็นแบบจำลอง RBE ทางปรากฏการณ์วิทยาที่แตกต่างกัน 11 แบบตามแบบจำลอง LQ และเซลล์ที่ฉายรังสีโปรตอน สำหรับการเปรียบเทียบ นักวิจัยยังได้ตรวจสอบแบบจำลองตามแผนสองแบบ ซึ่งถือว่าการพึ่งพา RBE แบบเส้นตรงบน LET เฉลี่ยขนาดยา (LET d ) โดยเฉพาะอย่างยิ่ง ทีมงานได้สำรวจข้อมูลการทดลองต่างๆ ที่ใช้แบบจำลอง รวมถึงพารามิเตอร์เฉพาะเซลล์ เช่น ความไวต่อรังสีอ้างอิง (α/β) x และปริมาณทาง กายภาพเช่น LET d
ฐาน ข้อมูลในหลอดทดลองที่ใช้ในการสร้าง
แบบจำลอง RBE ต่างๆ แตกต่างกันอย่างมาก การทดลองหลายครั้งใช้เซลล์ V-79 (ปอดหนูแฮมสเตอร์จีน) ซึ่งโดยทั่วไปจะนำไปสู่ค่า (α/β) xที่ 2-3 Gy แบบจำลองอื่นๆ ที่อิงจากห้าถึง 33 เซลล์มีช่วงค่า (α/β) xที่มากกว่า ช่วงของค่า LET dที่ใช้ในการหาตัวแบบก็แตกต่างกันมากเช่นกัน
(a/b)x ค่าการกระจายค่า (α/β) xของจุดข้อมูลในฐานข้อมูลแบบจำลองต่างๆ จุดแสดงถึงจุดข้อมูลเดียว เพื่อตรวจสอบผลกระทบของความแตกต่างเหล่านี้ Rørvik และเพื่อนร่วมงานได้จำลอง Bragg peak (SOBP) แบบแพร่กระจายในภูตผีน้ำโดยใช้รหัส FLUKA Monte Carlo แผนนี้ได้รับการปรับให้เหมาะสมเพื่อให้ปริมาณทางกายภาพของ 2 Gy ทั่วทั้ง SOBP จากนั้นจึงเปลี่ยนขนาดยาทางกายภาพและ (α/β) xและประเมินค่าเฉลี่ย RBE ที่คำนวณโดยแบบจำลองต่างๆ
แบบจำลองทั้งหมดประมาณการ RBE ที่เพิ่มขึ้นซ้ำซากจำเจตลอด SOBP และ RBE ที่สูงกว่า 1.1 ที่บริเวณ falloff ขนาดยาส่วนปลาย แบบจำลองหนึ่งให้ขนาดยาที่สูงกว่าแบบจำลองอื่นๆ อย่างมีนัยสำคัญ ในขณะที่แบบจำลองทั้งหมดที่มีพื้นฐานจากเซลล์ทั้งหมดยกเว้นแบบจำลองประมาณค่าขนาดยาที่ถ่วงน้ำหนัก RBE ที่สูงกว่าแบบจำลองตามแผนทั้งสองอย่างสม่ำเสมอ ในบริเวณทางเข้า ความแตกต่างระหว่างแบบจำลองมีน้อย โดยส่วนใหญ่คาดการณ์ค่า RBE ที่ต่ำกว่า 1.1 จนถึงส่วนที่ใกล้เคียงของ SOBP
กรณีทางคลินิกนักวิจัยยังได้วิเคราะห์ผู้ป่วย 3 ราย
ได้แก่ มะเร็งต่อมลูกหมาก มะเร็งทรวงอก และมะเร็งต่อมใต้สมอง สำหรับแต่ละคน พวกเขาปรับแผนการบำบัดด้วยโปรตอนให้เหมาะสมตามโปรโตคอลของโรงพยาบาลโดยใช้ RBE ที่ 1.1 จากนั้นจึงคำนวณแผนใหม่ด้วยรหัส FLUKA Monte Carlo โดยใช้ค่า RBE จากรุ่นต่างๆ ในที่สุด พวกเขาสร้างและเปรียบเทียบฮิสโทแกรมของปริมาณ-ปริมาณสำหรับการวางแผนปริมาตรเป้าหมาย (PTV) และอวัยวะที่มีความเสี่ยง
ตัวชี้วัดปริมาณการวัดขนาดยาของเคสต่อมใต้สมองสำหรับรุ่น RBE ต่างๆ (แถบสี) เส้นประระบุขนาดยาที่กำหนด ปริมาณสูงสุดที่จำกัดสำหรับ PTV และข้อจำกัดของขนาดยาที่แนะนำสำหรับอวัยวะที่มีความเสี่ยงอีกครั้ง พวกเขาสังเกตเห็นความผันแปรขนาดใหญ่ระหว่างการประมาณการของขนาดยาที่ถ่วงน้ำหนัก RBE และ RBE จากแบบจำลอง RBE ที่ต่างกัน ซึ่งเป็นผลมาจากความแตกต่างอย่างมากในข้อมูลนำเข้าจากการทดลองและสมมติฐานของแบบจำลองสำหรับแบบจำลองต่างๆ
ความเบี่ยงเบนที่ใหญ่ที่สุดระหว่างแบบจำลองปรากฏในอวัยวะที่ได้รับปริมาณทางกายภาพต่ำ โดยมีค่า LET d สูงและต่ำ (α/β) x พบการเปลี่ยนแปลงที่ยิ่งใหญ่ที่สุดสำหรับกรณีมะเร็งต่อมใต้สมอง โดยที่ขนาดยาสูงสุดที่เส้นประสาทตาด้านซ้ายอยู่ในช่วง 28–54 Gy(RBE) ซึ่งสอดคล้องกับค่า RBE ที่ 1.0–1.9 สำหรับผู้ป่วยทุกราย ค่าเฉลี่ย RBE โดยประมาณต่อ PTV อยู่ในช่วง 1.09–1.29 ปริมาณ RBE-weighted ที่ประเมินโดยแบบจำลองนั้นเป็นไปตามข้อจำกัดของขนาดยาที่แนะนำ ยกเว้น chiasm (ซึ่งอยู่ภายใน PTV บางส่วน) และเส้นประสาทตาด้านขวาในกรณีของต่อมใต้สมอง
มองไปข้างหน้าผู้เขียนทราบว่าเป็นไปไม่ได้ที่จะกำหนดแบบจำลองที่เหนือกว่าจากการวิเคราะห์นี้ แต่แนะนำว่าสามารถเลือกแบบจำลองสำหรับกรณีทางคลินิกเฉพาะตามฐานข้อมูลการทดลองที่ใช้ในการสร้างแบบจำลองดังกล่าว
“การเลือกรูปแบบการรักษาทางคลินิกที่มีอยู่แล้วแบบใดแบบหนึ่งอาจจะยังเร็วไปสักหน่อย แต่หนึ่งในกลยุทธ์การถ่วงน้ำหนัก LET ที่ง่ายกว่าอาจเป็นจุดเริ่มต้นที่จะใช้ควบคู่ไปกับ RBE แบบเดิมที่ 1.1” Rørvik กล่าว “ในกรณีเช่นนี้ เราสามารถระบุและหลีกเลี่ยงจุดร้อนที่เกิดจากการรวมค่า LET ที่เฉพาะเจาะจงได้โดยตรง โดยไม่ต้องระบุความไม่แน่นอนที่เกี่ยวข้องกับเนื้อเยื่อต่างๆ”
ขณะนี้นักวิจัยกำลังมุ่งเน้นไปที่การปรับปรุงแบบจำลอง RBE รวมถึงการวิเคราะห์เพิ่มเติมของการทดลองในหลอดทดลอง ก่อนหน้านี้ “ในความเห็นของเรา ยังมีช่องว่างให้ลดความไม่แน่นอนในการสร้างแบบจำลอง RBE ทั้งจากการวิเคราะห์เชิงลึกของ ข้อมูล ในหลอดทดลอง ที่มีอยู่ แต่ยังโดยการออกแบบและดำเนินการทดลองใหม่โดยเฉพาะสำหรับการสร้างแบบจำลอง RBE” Kristian Ytre-Haugeกล่าว หัวหน้ากลุ่มมหาวิทยาลัยเบอร์เกน
Credit : เกมส์ออนไลน์แนะนำ >>>เว็บสล็อตแตกง่าย
