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










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


Problem wyboru modelu


?

7

Zależność dawka-efekt

NOAEL (No Observed Adverse Effect Level)

Plan prezentacji









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









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










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


Plan prezentacji









Dual Response Action - Prof. L. Feinendegen


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


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


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


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)


Funkcja prawdopodobieństwa zajścia odpowiedzi adaptacyjnej


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




Stała moc dawki skutkuje wysyceniem p-twa 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


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


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


Plan prezentacji









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

…


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


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


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


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


Plan prezentacji









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


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









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


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


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)

[email protected]

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)


Guarapari (Brazylia) 27 μSv/h

Radon to tylko część problemu wpływu naturalnego tła promieniowania na zdrowie


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?


//upload.wikimedia.org/wikipedia/commons/e/ea/Reaktor_Ewa.jpg


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


Fornalski, Dobrzyński, Dose-Response 2010



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


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.



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



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



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


Model stochastyczny


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


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


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

Biofizyka radiacyjna: ryzyko nowotworowe dla niskich dawek ... · transformacji nowotworowej...

Documents

Transcript of Biofizyka radiacyjna: ryzyko nowotworowe dla niskich dawek ... · transformacji nowotworowej...