Effekten av doseeskalering på tumorkrympning ved ekstern strålebehandling av lokalavansert livmorhalskreft

Transkript

1 Medfys 2016 Effekten av doseeskalering på tumorkrympning ved ekstern strålebehandling av lokalavansert livmorhalskreft Marius Røthe Arnesen 1,2, Taran Paulsen Hellebust 1,2,Eirik Malinen 1,2 1 Avdeling for Medisinsk Fysikk, Oslo Universitetssykehus 2 Fysisk Institutt, Universitet i Oslo

2 Bakgrunn Lokalavansert livmorhalskreft, primær behandling: ekstern stråleterapi og brakyterapi samt kjemoterapi Stor eller asymmetrisk tumor ved brakyterapi utfordring Tidligere sett på ulike metoder for å gjennomføre ekstern doseeskalering tidlig i behandlingsforløpet -> ekstra tumorkrympning før brakyterapi? Modellere tumorkrympning for å kvantifisere potensiell effekt av ekstern doseeskalering

3 Matematisk modell for tumorkrympning Diskret, iterativ tumormodell (Fischer, 71) Ulike versjoner implementert for cervix (Lim 08, Huang 10) og hode/hals (Chvetsov 13, Zhong 14) Tumorvolum V, proporsjonalt med antall celler N T Celler enten viable S, eller letalt skadde celler D Antall og dynamikk regulert av tre mekanismer 1. Lineær-kvadratisk strålerespons, SF Eksponentiell repopulasjon av viable celler, T P 3. Eksponentiell fjerning av døde celler, T C RT RT N S,i-1 (1-Sf i-1 ) N D,i-1 N S,i (1-SF i ) N D,i Tumor repop. Cell clearance Tumor repop. Cell clearance

4 Tilpasning av modell til kliniske data Saumfart litteratur etter kliniske volumetriske data fra avbildning underveis i behandling Beadle et al 16 pas (CT), Lim et al 4 pas (MR) og Wang et al 5 pas (CT), 4 7 opptak per pasient Simulerer standard behandling 5 fraksjoner per uke (pause helg), 1.8 Gy/fraksjon -> 45 Gy totalt Hver kombinasjon av SF, T C, og T P gir en modellert tumorvolumkurve SF 2GY [0.1, 0.9], T C [3, 41d], T P [3, 41d], T K =0 Tilpasning vha. minste summerte kvadratiske avvik modell vs. kliniske data -> Individuelt tilpasset parametersett: (SF, T C, T P ) Usikkerhet i tumorvolum via MC simulering -> Et sett med parametere for hver pasient: {(SF, T C, T P )} MC N T (SF, T C, T P )

5 Tilpasning av modell til kliniske data God tilpasning for 22 av 25 pasienter (R 2 > 0.80)

6 Strategier for doseeskalering Lokal doseeskalering av primær tumor (SIB) -> ΔD=12.2Gy (EQD2, α/β=10) Simulerer doseeskalering over 10, 5 eller 2 fraksjoner, oppstart ved start eller etter en uke A1: 2.8 Gy, f1 - f10 A2: 3.7 Gy, f1 - f5 A3: 5.9 Gy, f1 - f2 B1: 2.8 Gy, f6 - f15 B2: 3.7 Gy, f6 - f10 B3: 5.9 Gy, f6 - f7

7 Doseeskalering vs. standard behandling Parametere fra tilpasning til kliniske data (SF, T C, T P ) -> simulering av doseeskalering Evaluerer tumorvolum ved brakyterapi Effekt av doseeskalering: 1-(Vol DE /Vol Stand )

8 Ulike strategier for doseeskalering Fra ingen endring til potensiell halvering av tumorvolum A1-A3: % B1-B3: 9 11 % God effekt (reduksjon > 25% A2) for 9 av 22 pasienter Timing = 90% maks effekt A1-A3: dager B1-B3: dager Oppstart av doseeskalering har større innvirkning enn antall fraksjoner mhp. både størrelse og tidspunkt for effekt N=22 N=9

9 Oppsummering Matematisk modell for tumorkrympning for å vurdere doseeskalering Modelltilpasning vha. kliniske tumorvolumdata -> individuelle biologiske parametere (SF, T C, T P ) Simulere ulike strategier mhp. oppstart og antall fraksjoner Ekstra dose holdt konstant (12.2 Gy) Har ikke tilgang på representativt datagrunnlag, men for pasienter inkludert her Potensielt god volumreduksjon for 9 av 22 stk. Oppstart doseeskalering viktigere enn antall fraksjoner mhp. effekt og timing

10 Referanser J.J. Fischer, Mathematical simulation of radiation therapy of solid tumors, 1. Calculations, Acta Radiol., 1971 K. Lim et al, Cervical cancer regression measured using weekly magnetic resonance imaging during fractionated radiotherapy: radiobiologic modeling and correlation with tumor hypoxia, Int. J. Radiat. Oncol. Biol. Phys., 2008 Z. Huang et al, Predicting outcomes in Cervical Cancer: A kinetic model of tumor regression during radiation therapy, Cancer Res., 10 A. V. Chvetsov, Tumor response parameters derived from tumor-volume variation, Med. Phys., 2013 H. Zhong & I. Chetty, A note on modeling of tumor regression for estimation of radiobiological parameters, Med. Phys., 2014 B.M. Beadle, Cervix regression and motion during the course of external beam chemoradiation for cervical cancer Int. J. Radiat. Oncol. Biol. Phys., 2009 P. Wang & Y. Feng, A mathematical model of tumor volume changes during radiotherapy, Scientific World J., 2013