Biofizyka radiacyjna: ryzyko nowotworowe dla niskich dawek ... · transformacji nowotworowej...
-
Upload
truonglien -
Category
Documents
-
view
222 -
download
1
Transcript of Biofizyka radiacyjna: ryzyko nowotworowe dla niskich dawek ... · transformacji nowotworowej...
Biofizyka radiacyjna: ryzyko nowotworowe dla niskich dawek promieniowania jonizującego
Krzysztof Wojciech Fornalski
Laboratorium Ex-Polon we współpracy z Narodowym Centrum Badań Jądrowych
oraz Wydziałem Fizyki Politechniki Warszawskiej
Seminarium Wydziału Fizyki Uniwersytetu Warszawskiego, 11.10.2018
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 2
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 3
Czym są niskie dawki?
Brak jednej ścisłej definicji
Próba zdefiniowania w raporcie BEIR VII:
<100 mSv jako dawka jednorazowa dla promieniowania o niskim LET
W raporcie UNSCEAR 2012:
<100 mGy jako dawka jednorazowa oraz <6 mGy/h jako moc dawki
Przyjmuje się także <200 mSv/rok
(jako roczna dawka skuteczna)
Po co nam taka definicja?
W obszarze dawek średnich i wysokich (tj. powyżej ok. 200 mSv/rok) – dane eksperymentalne wskazują zasadniczo liniowy wzrost ryzyka nowotworowego wraz z dawką
Dla dawek niskich – brak tak jednoznacznych danych
Krzysztof W. Fornalski 5
Problem wyboru modelu
Krzysztof W. Fornalski 6
?
7
Zależność dawka-efekt
NOAEL (No Observed Adverse Effect Level)
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 8
Postulaty ochrony radiologicznej
LD50/30 ≈ 4 Sv RR = 5% / Sv
czyli dla 4 Sv mamy 50% ryzyko śmierci po 30 dniach oraz 20% wzrost ryzyka wystąpienia nowotworu za 10 lat
Skąd się wzięła hipoteza liniowa?
0
0,5
1
1,5
2
0 500 1000 1500 2000 2500 3000
Dawka [mSv]
Na
dm
iaro
we
ry
zyk
o w
zglę
dn
e
-1
-0,5
0
0,5
1
1,5
2
0 100 200 300 400
Dane Life Span Study (LSS) – ofiary bombardowań Hiroszimy i Nagasaki. Duży wykres: całkowita śmiertelność nowotworowa, mały wykres: śmiertelność z powodu białaczek
Fornalski K.W. 'Wybrane zagadnienia związane z narażeniem pracowników elektrowni jądrowej na promieniowanie jonizujące'. Monografia "Energetyka jądrowa w Polsce", Warszawa, 2012
Skutki opierania się o LNT
Liniowe szacowanie ryzyka radiacyjnego
Zasada ALARA (w Polsce: optymalizacji)
Pojęcie dawki granicznej
Różne dawki graniczne
Skutki społeczne
zwiększone koszty OR
radiofobia
…
ale LNT jest prosta w stosowaniu 11
Postępy Techniki Jądrowej nr 3/2017
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 13
Książki prof. Sandersa - duży zbiór danych eksperymentalnych
14 2010 2017
Przykładowe dane
15
Wiele wyników jest niejednoznacznych
16
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
0 100 200 300 400 500
Dawka zakumulowana [mSv]
ryzy
ko
wzg
lęd
ne
RR
0
0,5
1
1,5
2
2,5
3
3,5
4
0 50 100 150 200 250 300 350 400 450 500
stężenie radonu [Bq/m3]
ryzyko
raka p
łuc
względne ryzyko
nowotworowe dla pracowników przemysłu jądrowego z 15 krajów
łączona analiza względnego ryzyka raka płuc od wdychanego
radonu dla 8 krajów
Nasze własne badania
Analiza wpływu radonu na ryzyko wystąpienia nowotworów płuc najbardziej
prawdopodobny model progowy
Analiza wpływu podwyższonego tła promieniowania na ryzyko nowotworowe
brak wzrostu
Analiza umieralności nowotworowej wśród pracowników ośrodka jądrowego w Świerku nieznaczący spadek
Dobrzyński L., Fornalski K.W., Reszczyńska J.M. 'Meta-analysis of thirty-two case�control and two ecological radon studies of lung cancer'. Jorunal of Radiation Research, 2018, doi: 10.1093/jrr/rrx061 Fornalski K.W., Dobrzyński L. 'The cancer mortality in high natural radiation areas in Poland'. Dose-Response, vol. 10, no. 4, 2012, pp. 541-561 Fornalski K.W., Dobrzyński L. 'The cancer risk among workers of the nuclear centre at Świerk, Poland'. Nukleonika, vol. 58, no. 4, 2013, pp. 537-542.
Naturalne ograniczenia takich analiz
Im niższa dawka tym trudniej
Dane nie wskazują na jednoznaczną słuszność którejkolwiek hipotezy
Jedyny kompromis: odpowiedź sigmoidalna także dla skutków stochastycznych?
Albo też: uniwersalny model?
18
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 19
Krzysztof W. Fornalski 20
Modelowanie Monte Carlo odpowiedzi grupy komórek na promieniowanie
Fornalski K.W., Dobrzyński L., Janiak M.K. 'A Stochastic Markov Model of Cellular Response to Radiation'. Dose-Response, vol. 9, no. 4, 2011, pp. 477-496. Fornalski K.W. 'Mechanistic model of the cells irradiation using the stochastic biophysical input'. International Journal of Low Radiation, vol. 9, no. 5/6, 2014, pp. 370-395. Fornalski K.W., Dobrzyński L., Reszczyńska J.M. 'Modelling of the radiation carcinogenesis: the analytic and stochastic approaches'. Extended Abstracts Fall 2015, series: Trends in Mathematics, Vol. 7, subseries: Research Perspectives CRM Barcelona (Springer) 2017
21
Grupa komórek jako fizyczny układ złożony
Układ daje wyraźną nieliniową odpowiedź
Fornalski K.W., Dobrzyński L., Janiak M.K. 'A Stochastic Markov Model of Cellular Response to Radiation'. Dose-Response, vol. 9, no. 4, 2011, pp. 477-496. Fornalski K.W. 'Mechanistic model of the cells irradiation using the stochastic biophysical input'. International Journal of Low Radiation, vol. 9, no. 5/6, 2014, pp. 370-395.
Sigmoida jako odpowiedź
zarówno na skutki deterministyczne jak i stochastyczne (!)
Uwzględnione efekty biofizyczne
Wszystkie standardowe efekty, takie jak śmierć, podział, uszkodzenie czy naprawa komórek (jako rozkłady prawdopodobieństw)
Efekty niebezpośrednie: efekt sąsiedztwa (bystander effect)
Efekty radiacyjne, jak prawdopodobieństwo uszkodzenia czy zajścia efektu odpowiedzi adaptacyjnej
Krzysztof W. Fornalski 22
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 23
Dual Response Action - Prof. L. Feinendegen
Krzysztof W. Fornalski 24
L.E. Feinendegen, M. Pollycove, R.D. Neumann. Whole-body responses to low-level radiation exposure: New concepts in mammalian radiobiology. Experimental Hematology 35 (2007) 37–46
Krzysztof W. Fornalski 25
Odpowiedź adaptacyjna - przykład
(z prezentacji prof. M. Janiaka, WIHE, 2008)
DUŻA DAWKA
- Aberacje chromosomowe
- Mutacje
- Niestabilność genetyczna
- Śmierć komórki
DUŻA DAWKA
MAŁA DAWKA
Ww. zaburzenia nie
występują lub są słabiej
zaznaczone
HODOWLA
HODOWLA HODOWLA
Priming dose effect
Krzysztof W. Fornalski 26
D.R. Boreham, J.-A. Dolling, C. Somers, J. Quinn, R.E.J. Mitcheld. The Adaptive Response and Protection against Heritable Mutations and Fetal Malformation. Dose Response. 2006; 4(4): 317–326.
Odpowiedź adaptacyjna (AR) oczami fizyka
Zazwyczaj funkcja prawdopodobieństwa zajścia AR jest podawana w zależności od dawki lub od czasu:
p(D) = 𝛽1𝐷𝜈𝑒−𝛼1𝐷
p(t) = 𝛽2𝑡𝛿𝑒−𝛼2𝑡
Funkcja zależności od dawki oraz od czasu:
p(D,t) = 𝑐𝐷𝜈𝑡𝛿𝑒−𝛼1𝐷−𝛼2𝑡
Krzysztof W. Fornalski 27
0
0,005
0,01
0,015
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5
dawka na jeden krok [mGy]
p-t
wo
od
po
wie
dzi
ad
ap
tacyjn
ej
Odpowiedź adaptacyjna - zależność od dawki i czasu
Funkcja p-twa zajścia odpowiedzi adaptacyjnej:
P(D,t) = 𝑐𝐷2𝑡2𝑒−𝛼1𝐷−𝛼2𝑡
dla jednorazowego naświetlenia; t=czas po naświetleniu
P D, K = 𝑐 𝐷𝑘2 𝐾 − 𝑘 2 𝑒−𝛼1𝐷𝑘−𝛼2 𝐾−𝑘𝐾
𝑘=0
dla wielokrotnego naświetlenia; K=krok czasowy
P(D, T)=𝑐 𝐷 2(𝑇)𝑇
𝑡=0 𝑇 − 𝑡 2 𝑒−𝛼1𝐷 (𝑇)−𝛼2 𝑇−𝑡 𝑑𝑇
w wersji ciągłej, dla mocy dawki; T=czas (wiek)
Krzysztof W. Fornalski 28
Funkcja prawdopodobieństwa zajścia odpowiedzi adaptacyjnej
Krzysztof W. Fornalski 29
Sygnał sumuje się od dwóch impulsów dawki
Fornalski K.W. 'Mechanistic model of the cells irradiation using the stochastic biophysical input'. International Journal of Low Radiation, vol. 9, no. 5/6, 2014, pp. 370-395.
Krzysztof W. Fornalski
Zbyt duża dawka zmniejsza prawdopodobieństwo
Ten impuls jest tożsamy z najwyższym impulsem z poprzedniego slajdu
Funkcja prawdopodobieństwa zajścia odpowiedzi adaptacyjnej
Fornalski K.W. 'Mechanistic model of the cells irradiation using the stochastic biophysical input'. International Journal of Low Radiation, vol. 9, no. 5/6, 2014, pp. 370-395.
Krzysztof W. Fornalski 31
Stała moc dawki skutkuje wysyceniem p-twa zajścia odpowiedzi adaptacyjnej
Fornalski K.W. 'Mechanistic model of the cells irradiation using the stochastic biophysical input'. International Journal of Low Radiation, vol. 9, no. 5/6, 2014, pp. 370-395.
Funkcja prawdopodobieństwa zajścia odpowiedzi adaptacyjnej
Stała moc dawki
32
Ten sam efekt otrzymamy analitycznie z ciągłego rozkładu prawdopodobieństwa wystąpienia odpowiedzi adaptacyjnej:
P(D, T)=𝑐 𝑇
𝑡=0
𝑇 − 𝑡 2 𝑒−𝛼 𝑇−𝑡 𝑑𝑇
W efekcie otrzymujemy wysycającą się zależność jedynie od czasu:
𝑃(𝑇) =2
𝛼31 − 𝑒−𝛼𝑇 − 0.5𝛼2𝑇2 + 𝛼𝑇 𝑒−𝛼𝑇
patrz: Dobrzyński L., Fornalski K.W., Socol Y., Reszczyńska J.M. 'Modeling of irradiated cell transformation: dose- and time-dependent effects'. Radiation Research, Vol. 186, 2016
Wysycenie dla: P=2/α3
Modelowanie priming dose effect
Krzysztof W. Fornalski 33
UAD = Unit of Absorbed Dose
Znaczący wkład odp. adaptac. skutkuje pojawieniem się priming dose effect
AR za słaba przy tych parametrach…
AR za słaba przy tych parametrach…
AR wciąż za słaba, ale pierwsze efekty widać
Prawdopodobieństwo transformacji nowotworowej
Krzysztof W. Fornalski 34
Silna odp. adaptac. skutkuje pojawieniem się minimum hormetycznego dla krzywej p-twa transformacji nowotworowej
Tutaj odpowiedź adaptacyjna jest nieznacząca
Krzywa ryzyka transformacji nowotworowej dla pojedynczej komórki
Krzywa sigmoidalna się zmienia, gdy odpowiedź adaptacyjna jest silna
Dobrzyński L., Fornalski K.W., Socol Y., Reszczyńska J.M. 'Modeling of irradiated cell transformation: dose- and time-dependent effects'. Radiation Research, Vol. 186, 2016
Z zaprezentowanego modelu wynika, iż silny mechanizm odpowiedzi adaptacyjnej skutkuje pojawieniem się efektu hormetycznego
Krzysztof W. Fornalski 35
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 36
Od fotonu do nowotworu
Szczególny przypadek modelu – ścieżka od indukcji uszkodzenia do transformacji nowotworowej
Szczegółowo uwzględnia podstawowe mechanizmy
Przekrój czynny na oddziaływanie promieniowania z materią
Prawdopodobieństwo uszkodzenia DNA
Prawdopodobieństwo powstania mutacji
…
Krzysztof W. Fornalski 37
Random Coincidence Model - Radiation Adapted (RCM-RA)
Uwzględnienie modelu RCM-RA do wyznaczenia prawdopodobieństwa powstawania określonej liczby komórek z mutacjami onkogennymi
Wzięte pod uwagę podwójnoniciowe uszkodzenia DNA (+ podejście Moolgavkar’a) i mechanizmy naprawy
Krzysztof W. Fornalski 38
Fleck C.M., Schöllnberger H., Kottbauer M.M, Dockal T., Prufert U. 1999. Modeling radioprotective mechanisms in the dose effect relation at low doses rates of ionizing radiation. Math. Biosciences 155, 13-44
Co daje takie podejście?
Uwzględniono najważniejsze mechanizmy biofizyczne, od oddziaływania promieniowania z łańcuchem DNA, przez transformację nowotworową zmutowanej komórki (krzywa Avramiego), po namnażanie się komórek nowotworowych
Uwzględniono model RCM-RA jako generator komórek zawierających mutacje
onkogenne
Krzysztof W. Fornalski 39
Powstawanie i rozwój komórek nowotworowych w czasie
𝑁𝑐𝑎𝑛𝑐𝑒𝑟 𝑡 = 𝑀0 1 − 𝑒−𝐵𝑃𝑚𝑢𝑡𝑡 𝑚 1 − 𝑒− 𝑐 𝑚𝑘
𝑚
gdzie B charakteryzuje DNA zaś Pmut to rozkład prawdopodobieństwa powstania mutacji:
𝑃𝑚𝑢𝑡 = 𝑃𝐿(𝜎) ∙ 𝑝𝑎𝑏 · 𝑆𝑡 − 𝑃𝑅
Dobrzyński L., Fornalski K.W., Reszczyńska J., Janiak M.K. Modelling cell reactions to ionizing radiation – from a lesion to a cancer. 2018. Dose-Response
(submitted)
40
k=1
k=2
k=3
k=4
Krzywa Gompertza
Krzysztof W. Fornalski 41
Dobrzyński L., Fornalski K.W., Reszczyńska J., Janiak M.K. Modelling cell reactions to
ionizing radiation – from a lesion to a cancer. 2018. Dose-Response (submitted)
𝑁𝑐𝑎𝑛𝑐𝑒𝑟 𝑡 = 8.28 𝑒−6.5 𝑒−0.01 𝑡
dla k=4
Transformacja nowotworowa - wciąż otwarta kwestia
Kształt krzywej zasadniczo nie zmieni się po wyborze innego modelu samej transformacji nowotworowej
Rozważane inne modele transformacji (plany na przyszłość):
Model perkolacji
Model przejść fazowych
Model self-organized criticality
Krzysztof W. Fornalski 42
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 43
Jak patrzeć na to szerzej?
Uogólnienie podejścia Feinendegena
Krzysztof W. Fornalski 44 Fornalski K.W. 'Radiation and evolution: from Lotka-Volterra equation to balance equation'. International Journal of Low Radiation, vol. 10, no. 3, 2016
Stan odpowiedzi organizmu w przestrzeni fazowej zależy od wzajemnej relacji czynników pozytywnych i negatywnych, a w szczególnym przypadku stan normalny (stabilny) uzyskiwany jest dzięki równowadze tych czynników. Jeśli równanie balansu jest zaburzone, to mamy odpowiedź ujemną (procesy hormetyczne) lub dodatnią (procesy kancerogenne) na daną dawkę w danej chwili czasu
Co z danymi epidemiologicznymi?
Kluczowe jest zrozumienie od czego zależy to, czy mamy odpowiedź pozytywną czy negatywną
Cecha zwana promieniowrażliwością wydaje się tu najistotniejsza
Krzysztof W. Fornalski 45
N.G. BURNET, J. JOHANSEN, I. TURESSON, J. NYMAN, J.H. PEACOCK. DESCRIBING PATIENTS’ NORMAL TISSUE REACTIONS: CONCERNING THE POSSIBILITY OF INDIVIDUALISING RADIOTHERAPY DOSE PRESCRIPTIONS BASED ON POTENTIAL PREDICTIVE ASSAYS OF NORMAL TISSUE RADIOSENSITIVITY. Int. J. Cancer (Pred. Oncol.): 79, 606–613 (1998)
Uwaga:
dystrybuantą rozkładu Gaussa jest krzywa sigmoidalna (!)
Czy promieniowrażliwość ma wpływ na przebieg zależności dawka-efekt dla danej osoby?
Krzysztof W. Fornalski 46 Fornalski K.W. 'Radiation and evolution: from Lotka-Volterra equation to balance equation'. International Journal of Low Radiation, vol. 10, no. 3, 2016
? ? ?
Plan prezentacji
Czym są niskie dawki?
Standardy ochrony radiologicznej
Wybrane dane eksperymentalne
Modelowanie Monte Carlo
Mechanizm odpowiedzi adaptacyjnej
Model powstawania nowotworu
Wnioski i podsumowanie
Krzysztof W. Fornalski 47
Gdzie tak naprawdę jesteśmy?
Standardy ochrony radiologicznej bazują na hipotezie liniowego wzrostu ryzyka nowotworowego (LNT) bazując na:
danych LSS (Hiroszima i Nagasaki)
zaleceniach międzynarodowych organizacji
tzw. zasadzie pesymizacji
Jednak coraz więcej danych jednoznacznie pokazuje, iż postulowana liniowość w obszarze niskich dawek nie zawsze jest prawdziwa
48 Krzysztof W. Fornalski
Co mówią dane?
Olbrzymia liczba danych i wyniki wielu analiz nie są jednak spójne
Większość posiada zbyt niską wiarygodność statystyczną w obszarze niskich dawek, więc ciężko coś jednoznacznie stwierdzić
Spora część danych wskazuje na efekt progowy lub hormetyczny
Wniosek: nie można jednoznacznie stwierdzić słuszności jednego modelu
49 Krzysztof W. Fornalski
Dwa główne rozwiązania
#1 Traktujemy wszystkie dane jednakowo meta-analiza model
progowy jako najbardziej prawdopodobny
LUB
#2 Tworzymy model, w którym każda zależność dawka-efekt ma sens, ale zależy ona od cech danego organizmu
Krzysztof W. Fornalski 50
Co dalej?
Prowadzone w dalszym ciągu badania epidemiologiczne raczej nie przyniosą przełomu, aczkolwiek zwiększą statystykę
Rozsądnym krokiem naprzód wydaje się stworzenie właściwego modelu opisującego zachowanie się organizmu w całej swej złożoności, aby móc dokładnie szacować ryzyko nowotworowe
Jest to praca wspólna fizyków, biologów, lekarzy i statystyków
Krzysztof W. Fornalski 51
DZIĘKUJĘ ZA UWAGĘ Bardzo dziękuję moim Współpracownikom:
- Prof. L. Dobrzyński (NCBJ)
- Prof. M. Janiak (WIHE)
- mgr J. Reszczyńska (NCBJ)
- dr M. Kirejczyk (NCBJ)
- inż. A. Powojska (WF PW)
- inż. P. Wysocki (WF PW)
Meta-analiza wyników 34 badań nad wpływem radonu na nowotwory płuc
53 Dobrzyński L., Fornalski K.W., Reszczyńska J.M. 'Meta-analysis of thirty-two case�control and two ecological radon studies of lung cancer'. Jorunal of Radiation Research, Vol. 59, No. 2, 2018, pp. 149-163
Case-control i ekologiczne (w tym wyniki Cohena)
Tylko case-control, bez ekologicznych (w tym bez wyników Cohena)
Krzysztof W. Fornalski 54
Guarapari (Brazylia) 27 μSv/h
Radon to tylko część problemu wpływu naturalnego tła promieniowania na zdrowie
Krzysztof W. Fornalski 55
Ramsar (Iran) 126 μSv/h
Radon to tylko część problemu wpływu naturalnego tła promieniowania na zdrowie
Fornalski K.W., Dobrzyński L. 'The cancer mortality in high natural radiation areas in Poland'. Dose-Response, vol. 10, no. 4, 2012, pp. 541-561
56
Naturalne tło promieniowania w Polsce
80%
85%
90%
95%
100%
105%
0 1 2 3 4 5
Różnica w dawce efektywnej (ze źródeł naturalnych) [mSv/rok]
Ryzyko
wzg
lęd
ne (
RR
) -
wszystk
ie n
ow
otw
ory
korygowane
~korygowane*
surowe
model LNT
brak zależności
75%
80%
85%
90%
95%
100%
105%
110%
0 1 2 3 4 5
Różnica w dawce efektywnej (ze źródeł naturalnych) [mSv/rok]
Ry
zy
ko
wzg
lęd
ne
(R
R)
- n
ow
otw
ory
płu
c
śmiertelność z powodu wszystkich
nowotworów (u góry) oraz samych nowotworów płuc (po prawej)
wszystkie nowotwory:
RR = -1,17 (-1,51; -0,60) %/mSv/rok
(χ² = 6,3; p=0,02)
nowotwory płuc:
RR = -0,82 (-1,55; +0,10) %/mSv/rok
(χ² = 1,7; p=0,2)
A jak to wygląda wśród pracowników ośrodka jądrowego w Świerku?
Krzysztof W. Fornalski 57
Krzysztof W. Fornalski 58
Pracownicy ośrodka w Świerku
2903
926
621
156
316
111 10444
0
500
1000
1500
2000
2500
3000
3500
< 0.5 0.5 ÷ 5 5 ÷ 50 >50
zakumulowana dawka skuteczna [mSv]
liczb
a p
raco
wn
ikó
w
258
162 156
96
70
2510
3932 29 22
11 78
0
50
100
150
200
250
300
5 ÷ 10 10 ÷ 20 20 ÷ 40 40 ÷ 70 70 ÷ 150 150 ÷ 300 > 300
wszyscy pracownicy
kohorta medyczna
4606 osób:
Dane dozymetryczne
z lat 1956-2001
575 osób:
Kohorta medyczna na podstawie danych miejscowego ośrodka zdrowia
Fornalski K.W., Dobrzyński L. 'The cancer risk among workers of the nuclear centre at Świerk, Poland'. Nukleonika, vol. 58, no. 4, 2013, pp. 537-542.
59
Pracownicy ośrodka w Świerku
66
3428
25
16 16 16 16 17
10
3
3
0
0012
2
1
9
0
10
20
30
40
50
60
70
80
1 2 3 4 ÷ 5 6 ÷ 7 8 ÷ 9 10 ÷ 12 13 ÷ 14 15 ÷ 19 > 20
okres rzeczywistego narażenia [lata]
lic
zb
a p
rac
ow
nik
ów
chorzy
zdrowi
26 25
31
2426 26
2220
24
13
7
1
3
2
5
4
0
0
0
2
13
0
5
10
15
20
25
30
35
0,5 ÷
0,8
0,8 ÷
1,5
1,5 ÷ 3 3 ÷ 5 5 ÷ 9 9 ÷ 15 15 ÷ 25 25 ÷ 50 50 ÷
100
100 ÷
300
> 300
dawka skuteczna lub równoważna [mSv]
lic
zb
a p
rac
ow
nik
ów
chorzy
zdrowi
Ryzyko nowotworowe:
OR = 0,90 (0,62 - 1,18)
AOR = 0,86 (0,58 – 1,14)
Wśród 52 osób, które otrzymały dawki
> 35 mSv, nie zaobserwowano ani jednego przypadku nowotworu
Fornalski K.W., Dobrzyński L. 'The cancer risk among workers of the nuclear centre at Świerk, Poland'. Nukleonika, vol. 58, no. 4, 2013, pp. 537-542.
60
Ryzyko radonowe – Darby et al. 2004
ERR [%/mSv/rok] =
= 0,47 + 0,42
- 0,31
61
Pracownicy przemysłu jądrowego
0
20
40
60
80
100
grupa kontrolna pracownicy narażeni
SM
R [
%]
wszystkie zgony zgony nowotworowe
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
0 100 200 300 400 500
Dawka zakumulowana [mSv]
ryzy
ko
wzg
lęd
ne
RR
SMR = (76,1 ± 6,5)%
Efekt Zdrowego Pracownika?
Dane IARC (2007) –
Międzynarodowej Agencji ds. Badań Nowotworów
- 24 158 zgonów
SMR dla pracowników z 15 krajów
Krzysztof W. Fornalski 62
Fornalski, Dobrzyński, Dose-Response 2010
Krzysztof W. Fornalski 63
Pracownicy przemysłu jądrowego
Krzysztof W. Fornalski 64
Pracownicy przemysłu jądrowego
białaczki
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
0 50 100 150
dawka zakumulowana [mSv]
ryzy
ko
wzg
lęd
ne
, R
R
ERR dla pracowników z 15 krajów
Krzysztof W. Fornalski 65
Radon – re-analiza 28 badań
0,5
1,0
1,5
2,0
2,5
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
średnia dawka roczna na płuca [mSv/rok]
Ry
zy
ko
ra
ka
płu
c
0 2 4 6 8 10 12 14 16 18 20
< 0,5
0,5 ÷ 0,75
0,75 ÷ 0,85
0,85 ÷ 0,95
0,95 ÷ 1,05
1,05 ÷ 1,15
1,15 ÷ 1,25
1,25 ÷ 1,35
1,35 ÷ 1,55
1,55 ÷ 1,8
1,8 ÷ 2,3
< 2,3
ryzyko
raka p
łuc (
prz
ed
zia
łam
i)
liczba punktów
Używając bayesowskiej analizy danych
dopasowano 7 modeli (w tym LNT, progowy oraz hormetyczny)
Najbardziej prawdopodobny okazał się model stały (progowy)
67
Pracownicy w Świerku
Rys. Rozkład liczby pracowników dotkniętych chorobą nowotworową w zależności od wieku (w latach) ich śmierci. Ciemne słupki – grupa kontrolna; szare słupki – grupa narażona na dawki przynajmniej 0,5 mSv. Dla 8 pracowników niemożliwe było stwierdzenie roku śmierci. Wykres nie zawiera liczby pracowników,
którzy żyli w 2011 r.
Krzysztof W. Fornalski 68
Pracownicy w Świerku
107
70
55
37
28
18
107
17
118 8 7
3 3 2
0
20
40
60
80
100
120
0,5 ÷ 8 8 ÷ 20 20 ÷ 50 50 ÷ 100 100 ÷ 200 200 ÷ 300 300 ÷ 400 > 400
dawka równoważna na ręce [mSv]
liczba
pra
co
wn
ikó
w
wszyscy pracownicy
kohorta medyczna
Krzysztof W. Fornalski 69
Pracownicy w Świerku
6
47 4548
5962
5862
71
61
9
5 74
3
12
6
4
31
02
0
10
20
30
40
50
60
70
80
1903 ÷
1918
1919 ÷
1929
1930 ÷
1933
1934 ÷
1936
1937 ÷
1939
1940 ÷
1944
1945 ÷
1948
1949 ÷
1951
1952 ÷
1956
1957 ÷
1967
1968 ÷
1978
rok urodzenia
liczba
pra
co
wn
ikó
wchorzy
zdrowi
Krzysztof W. Fornalski 70
Pracownicy w Świerku
663
569
295
155
21
76 84
44 52
10
0
100
200
300
400
500
600
700
800
1 2 ÷ 4 5 ÷ 9 10 ÷ 19 > 19
okres rzeczywistego narażenia [lata]
lic
zb
a p
rac
ow
nik
ów
wszyscy pracownicy
kohorta medyczna
Krzysztof W. Fornalski 71
Model stochastyczny
Krzysztof W. Fornalski 72
Model stochastyczny
0
3000
6000
9000
12000
15000
0 2 4 6 8 10
dawka na krok [mGy]
liczb
a k
om
óre
k r
ako
wych
lu
b c
ałk
.
lic
zb
a m
uta
cji
we w
szy
stk
ich
ko
m. całkowita liczba mutacji
liczba komórek rakowych
0
10
20
30
0 2 4 6 8 10
całkowita dawka pochłonięta przez myszy [Gy]
od
sete
k b
iała
czek [
%]
73
Naturalne tło w Polsce
0%
5%
10%
15%
20%
25%
30%
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009Czę
sto
ść
śm
ierc
i n
ow
otw
oro
we
j (C
MR
)
Małopolskie Zachodniopomorskie
Krzysztof W. Fornalski 74
Eksperymenty na roślinach (rzeżucha)
0,8
0,9
1,0
1,1
1,2
1,3
1,4
0,01 0,1 1 10 100
Dawka skumulowana na suche nasiona [Gy]
Wzg
lęd
na i
lość w
yro
śn
ięty
ch
ro
śli
n
wyniki własne dla naświetlanych nasion pieprzycy siewnej
Krzysztof W. Fornalski 75
Analiza bayesowska )|(
)|(),|(),|(
IEP
ITPITEPIETP
)()2/()(exp2
1 22 IpETIEP
2
0)(
p
N
i
iiiii
i
N
i
i
i
dpETPP1
22
10
)()2/()(exp2
1
N
i n
i
iid
dRRg
1
0
1)2/exp(
12
12
0
22
0
2
2
iii
i
i
iR
R
Rg
2),,|(
),|(
)|(
)|(
),|(
),|( minmax
0
IBDP
IADP
IBP
IAP
IDBP
IDAPWm
k
aA
a
AA
m
bB
b
BB
N
i i
iBi
iBi
N
i i
iAi
iAi
maa
bb
ET
ET
ET
ETW
1)(
)(
min
)(
max
1)(
)(
min
)(
max
12
0
2
2
12
0
2
2
2
2
2
)(exp1
)(
1
2
)(exp1
)(
1