• adroterapia
• CIRT
• INSIDE
• terapia con ioni carbonio

Sotto il termine adroterapia si vanno a includere tutti quei trattamenti radioterapici che fanno uso di fasci di ioni (protoni o ioni carbonio). A differenza dei raggi X, impiegati nella radioterapia convenzionale, dove il massimo rilascio di dose è localizzato nei primi centimetri sotto l’epidermide, per uno ione il massimo della dose si registra alla fine del suo percorso in corrispondenza del picco di Bragg. L’adroterapia si caratterizza quindi per la possibilità di veicolare la dose terapeutica al tumore risparmiando maggiormente i tessuti sani circostanti. In generale però la Charged Particle Therapy (CPT) non è esente da problemi; esistono difatti difficoltà nell’individuazione del picco di Bragg dovute aincertezze sia teoriche che legate alla variazione della morfologia del paziente nel corso del trattamento. L’impatto di tali incertezze viene ridotto introducendo ampi margini di sicurezza nella costruzione dei volumi di trattamento attorno al tumore (circa 3% del range più ulteriori 3mm).
Per monitorare in vivo un trattamento durante la sua esecuzione è stato realizzato il sistema INSIDE
(INnovative Solution for In-beam Dosimetry in hadronthErapy), composto da uno scanner in-beam PET e da un sistema di tracciamento per particelle cariche denominato dose profiler. Entrambi i sistemi hanno come obiettivo quello di stabilire il range delle particelle in vivo senza aumentare la dose assorbita dai tessuti. Lo scanner in-beam PET misura, in coincidenza temporale, i fotoni di annichilazione dei positroni emessi da radioisotopi β + prodotti in seguito a reazioni nucleari con i nuclei dei tessuti. Tramite un algoritmo di ricostruzione viene fornita la distribuzione 3D delle posizioni di annichilazione dei positroni che sono correlate al range delle particelle primarie. Il dose profiler traccia invece i frammenti carichi secondari generati dalla frammentazione degli ioni carbonio e che fuoriescono dal paziente.
Nel 2019, a seguito dell’approvazione di un trial clinico osservazionale, la strumentazione è stata
installata al Centro Nazionale di Adroterapia Oncologica (CNAO) a Pavia. La prima fase di sperimentazione, conclusasi nel marzo del 2020, ha coinvolto 20 pazienti di cui 10 trattati con Proton Therapy (PT) e 10 con Carbon Ions Radiation Therapy (CIRT). L’obiettivo di questa prima parte del trial è stato quello di misurare la sensibilità di INSIDE a variazioni di range che possono avvenire nel paziente in diverse frazioni di trattamento (circa 30 per pazienti trattati con protoni e circa 15 per quelli trattati con ioni carbonio) e conseguentemente d’individuare eventuali cambiamenti morfologici.
L’analisi condotta in questa tesi si è concentrata sulle immagini in-beam PET di pazienti sottoposti
alla CIRT e consiste nel confronto tra una immagine PET di riferimento con le altre acquisite in
frazioni successive attraverso due metodologie differenti: l’analisi Beam Eye View (BEV) fornisce una mappa bidimensionale rappresentante la differenza tra i profili di attività lungo la direzione del fascio; l’analisi gamma invece permette di caratterizzare la differenza tra le frazioni PET in maniera quantitativa attraverso la creazione di un dominio spazio-dose. Sia l’analisi BEV che l’analisi gamma hanno necessitato di uno studio sistematico dei parametri ottimali per l’analisi delle immagini a disposizione.
I pazienti analizzati sono stati divisi in due gruppi: da una parte si hanno quelli che durante il trattamento non hanno subito variazioni morfologiche, e che sono utilizzati per stabilire i parametri di sensibilità di INSIDE; dall’altra i pazienti che hanno invece subito cambiamenti morfologici. La suddivisione nei due gruppi è stata possibile attraverso un confronto tra la Tomografia Computerizzata (CT) di pianificazione del trattamento e quella di controllo, effettuata dai medici radioterapisti trascorso un certo lasso di tempo dall’inizio del trattamento.
Le immagini dei pazienti, acquisite durante le diverse frazioni, sono state prima di tutto elaborate così da ridurre il rumore dovuto alla bassa statistica degli eventi. Tramite l’analisi BEV, del dataset dei pazienti che non hanno subito cambiamenti, sono state ottenute le mappe delle differenze di range per ogni frazione dalle quali, per mezzo di un fit, si sono ricavati il valor medio e la deviazione standard delle distribuzioni 1D corrispondenti. Queste sono state poi mediate prima tra le varie frazioni appartenenti al singolo paziente e poi tra i pazienti ottenendo per µmedio e σmedio valori pari a 0.47 mm e 3.6 mm. Come passo successivo sono stati analizzati i pazienti per i quali è noto un cambiamento morfologico così da verificare se tramite l’analisi BEV si misura uno scostamento significativo dai valori precedentemente ottenuti. Infine è stata condotta l’analisi gamma per verificare se esistono differenze tra le mappe ottenute dall’analisi dei pazienti non soggetti a cambiamento morfologico con quelle dei pazienti nei quali è stata registrata una variazione.
Il lavoro di analisi non ha permesso, né con il metodo BEV né con l’analisi gamma, d’identificare
differenze significative tra pazienti variati e non. Per verificare questa ipotesi è stato effettuato un t-student test, sui due gruppi di pazienti, confrontando i valori medi di µ e σ dei singoli pazienti. I p-value ottenuti sono per il valor medio di 0.16, mentre per la deviazione standard di 0.21. Questa incapacità nel distinguere i due gruppi è dovuta principalmente al rumore presente nelle immagini PET che maschera l’informazione sulle differenze di range delle particelle. Inoltre nel dataset erano presenti solo due pazienti con cambiamento morfologico verificato tramite CT di controllo, rispetto ai dieci rientrati nella sperimentazione. Si ha quindi che in vista del secondo trial, in partenza a breve, verranno selezionati un maggior numero di pazienti, ed in più si andranno ad acquisire un maggior numero di frazioni per ognuno di essi insieme ad una CT di pianificazione ed una di controllo. Inoltre si potrebbe rendere necessaria un’elaborazione sulle immagini tramite filtri, o intelligenza artificiale, così da ridurne il rumore e migliorare il confronto tra di esse.