مجله دانشکده پزشکی اصفهان

مجله دانشکده پزشکی اصفهان

بهینه‌سازی پارامترهای درمان تومورهای سارکومای بافت نرم به روش الکتروپوریشن بازگشت ناپذیر

نوع مقاله : مقاله های پژوهشی

نویسندگان
کریم قاضی‌خانلو ثانی 1
سید محمد فیروزآبادی 2
لیلا آقاقزوینی 3
حبیب اله محمودزاده 4
1 دانشجوی دکتری، گروه فیزیک پزشکی، دانشکده‌ی پزشکی، دانشگاه تربیت مدرس، تهران، ایران
2 استاد، گروه فیزیک پزشکی، دانشکده‌ی پزشکی، دانشگاه تربیت مدرس، تهران، ایران
3 استادیار، گروه رادیولوژی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
4 استادیار، گروه جراحی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
چکیده
مقدمه: الکتروپوریشن روشی مؤثر برای هدایت داروهای درمانی (از جمله داروهای شیمی درمانی) به داخل سلول‌های زنده است که به کاهش حجم و درمان مورد نظر در بافت می‌انجامد. کارایی این روش، وابسته به انتخاب بهینه‌ی پارامترهای شکل موج تخریک است. این مطالعه، در جهت بهینه‌سازی پارامترهای درمان تومورهای سارکوم بافت نرم با روش الکتروپوریشن بازگشت ناپذیر انجام گرفت. روش‌ها: هندسه‌ی بافت و تومور در نرم‌افزار Mimics از تصاویر MRI (Magnetic resonance imaging) تومور و بافت‌های سالم اطراف آن استخراج شد. سپس، با استفاده از نرم‌افزار CAD-fix، تبدیل هندسه‌ی حاصل از نرم‌افزار Mimics به هندسه‌ی قابل استفاده در نرم‌افزار المان محدود (COMSOL Multiphysics) انجام شد. به منظور حل معادلات مربوط (معادله‌ی Laplace و معادله‌ی بیوگرمایی) به روش المان محدود، از نرم‌افزار FEMLAB نسخه‌ی 4/4 استفاده شد. همچنین، از FEMLAB جهت برآورد توابع هدف در قسمت بهینه‌سازی نیز استفاده شد و به منظور بهینه‌سازی هندسه‌ی الکترودهای مورد استفاده در الکتروپوریشن بازگشت ناپذیر، از الگوریتم ژنتیک بهره جستیم. کد الگوریتم ژنتیک با استفاده از نرم‌افزار MATLAB نسخه‌ی 7.10.0 نگارش شد.یافته‌ها: شدت میدان الکتریکی اعمالی به تومور با افزایش ولتاژ اعمالی به الکترودها افزایش یافت و بیشترین شدت توزیع میدان الکتریکی، با اختلاف پتانسیل 4000 ولتی مشاهده شد. با تغییر عمق ورود الکترود در بافت،  فاصله‌ی بین الکترودها و همچنین ضخامت الکترودها، میانگین شدت میدان الکتریکی توزیعی در بافت دچار تغییر شد. با وجود میدان الکتریکی بالا در ناحیه‌ی تومورال، میانگین توزیع حرارتی در تومور فقط در حد چند درجه‌ی سانتی‌گراد نسبت به حالت معمول (37 درجه‌ی سانتی‌گراد) افزایش یافت؛ گرچه در نقاط نزدیک به انتهای الکترودها، امکان افزایش حرارت تا 600 درجه‌ی سانتی‌گراد نیز بود.نتیجه‌گیری: با استفاده از مدل‌سازی عددی و لحاظ هندسه‌ی واقعی بافت و تومور می‌توان پارامترهای بهینه‌ی مؤثر در درمان‌های الکتروپوریشن بازگشت ناپذیر را برای کنترل رشد تومور و کنترل آسیب به بافت‌های سالم محاسبه کرد.
کلیدواژه‌ها
الکتروپوریشن
مدل‌سازی عددی
المان محدود
الگوریتم ژنتیک

عنوان مقاله English

Optimizaing the Parameters of Soft Tissue Sarcoma Tumors in Irreversible Electroporation Treatment Method

نویسندگان English

Karim Ghazikhanlou-Sani 1
Seyed Mohammad Firoozabadi 2
Leila Aghaghazvini 3
Habibollah Mahmoudzadeh 4
1 PhD Student, Department of Medical Physics, School of Medicine, Tarbiat Modares University, Tehran, Iran
2 Professor, Department of Medical Physics, School of Medicine, Tarbiat Modares University, Tehran, Iran
3 Assistant Professor, Department of Radiology, School of Medicine, Tehran University of Medical Sciences, Tehran, Iran
4 Assistant Professor, Department of Surgery, School of Medicine, Tehran University of Medical Sciences, Tehran, Iran
چکیده English

Background: Electroporation is an effective strategy for drug delivery to the target volume, for example in chemotherapy. The efficiency of this method depends on the selection of optimal parameters affecting it. This studay aimed to evaluate the optimum parameters for treatment of soft tissue sarcoma tumors on irreversible electroporation treatments.Methods: The geometry of the tumor was defined using the Mimics software regarding to the gatherd magnetic resonance images (MRI). Using CAD-fix software, the Mimics product geometry was converted to the geometry that could be used in the finite element. The FEMLAB4.4 software utilized to solve equations (Laplace and the biothermal equations). In order to optimize the geometry of the electrodes used in irreversible electroporation, a Genetic Algorithm program was used. The Genetic Algorithm code was written using the MATLAB7.10.0 software.Findings: The induced electric field intensity to the tumor increased with increasing voltage applied to the electrodes and the maximum electric field intensity was observed in the potential of 4000 volts. The average electric field intensity distribution in the tissue was altered by changing the electrode penetration depth, the distance between the electrodes and the thickness of the electrodes. Despite the high electric field utilized to the tumor area, there was only a slight increase in the average temperature of the tumor (37°C). Although the tissue temperature near the end of the electrode could be increased up to 600°C.Conclusion: The optimum effective parameters of irreversible electroporation treatments for tumor ablation could be calculated using the numerical modeling methods.

کلیدواژه‌ها English

Electroporation
Numerical modeling
Finite Element
Genetic algorithem
  1. Prendergast B, Fiveash JB, Gibbs P, Scarborough MT, Indelicato DJ. Radiotherapy for soft tissue sarcoma of the proximal lower extremity. Sarcoma 2010; 2010: 1-10.
  2. Jemal A, Siegel R, Ward E, Hao Y, Xu J, Thun MJ. Cancer statistics, 2009. CA Cancer J Clin 2009; 59(4): 225-49.
  3. Ferguson WS, Harris MB, Goorin AM, Gebhardt MC, Link MP, Shochat SJ, et al. Presurgical window of carboplatin and surgery and multidrug chemotherapy for the treatment of newly diagnosed metastatic or unresectable osteosarcoma: Pediatric Oncology Group Trial. J Pediatr Hematol Oncol 2001; 23(6): 340-8.
  4. Songur N, Dinc M, Ozdilekcan C, Eke S, Ok U, Oz M. Analysis of lung metastases in patients with primary extremity sarcoma. Sarcoma 2003; 7(2): 63-7.
  5. Neal RE, Garcia PA, Robertson JL, Davalos RV. Experimental characterization of intrapulse tissue conductivity changes for electroporation. Conf Proc IEEE Eng Med Biol Soc 2011; 2011: 5581-4.
  6. Sel D, Mazeres S, Teissie J, Miklavcic D. Finite-element modeling of needle electrodes in tissue from the perspective of frequent model computation. IEEE Trans Biomed Eng 2003; 50(11): 1221-32.
  7. Neal RE, Garcia PA, Robertson JL, Davalos RV. Experimental characterization and numerical modeling of tissue electrical conductivity during pulsed electric fields for irreversible electroporation treatment planning. IEEE Trans Biomed Eng 2012; 59(4): 1076-85.
  8. Miklavcic D, Beravs K, Semrov D, Cemazar M, Demsar F, Sersa G. The importance of electric field distribution for effective in vivo electroporation of tissues. Biophys J 1998; 74(5): 2152-8.
  9. Sekino M, Ueno S. Magnetic resonance imaging of electric properties of living bodies.Biocybernetics and Biomedical Engeneering 2007; 27 (1/2): 177-84.
  10. Corovic S, Zupanic A, Kranjc S, Al SB, Leroy-Willig A, Mir LM, et al. The influence of skeletal muscle anisotropy on electroporation: in vivo study and numerical modeling. Med Biol Eng Comput 2010; 48(7): 637-48.
  11. Miller L, Leor J, Rubinsky B. Cancer cells ablation with irreversible electroporation. Technol Cancer Res Treat 2005; 4(6): 699-705.
  12. Nickfarjam A, Firoozabadi SMP, Kalaghchi B. A multi objective genetic algorithm (MOGA) for optimizing thermal and electrical distribution in tumor ablation by irreversible electroporation. J Biomed Phys Eng 2013; 3(1): 13-24.
  13. Corovic S, Zupanic A, Miklavcic D. Numerical modeling and optimization of electricfield distribution in subcutaneous tumor treatedwith electrochemotherapy using needle electrodes. IEEE Transactions on Plasma Science 2008; 36(4): 1665-72.
  14. Edd JF, Horowitz L, Davalos RV, Mir LM, Rubinsky B. In vivo results of a new focal tissue ablation technique: irreversible electroporation. IEEE Trans Biomed Eng 2006; 53(7): 1409-15.
  15. Trontelj K, Rebersek M, Kanduser M, Serbec VC, Sprohar M, Miklavcic D. Optimization of bulk cell electrofusion in vitro for production of human-mouse heterohybridoma cells. Bioelectrochemistry 2008; 74(1): 124-9.
  16. Frankenhaeuser B, Widen L. Anode break excitation in desheathed frog nerve. J Physiol 1956; 131(1): 243-7.
  17. Stampfli R, Willi M. Membrane potential of a Ranvier node measured after electrical destruction of its membrane. Experientia 1957; 13(7): 297-8.
  18. Davalos RV, Mir IL, Rubinsky B. Tissue ablation with irreversible electroporation. Ann Biomed Eng 2005; 33(2): 223-31.
  19. Maor E, Ivorra A, Leor J, Rubinsky B. The effect of irreversible electroporation on blood vessels. Technol Cancer Res Treat 2007; 6(4): 307-12.
  20. Rubinsky B. Irreversible electroporation in medicine. Technol Cancer Res Treat 2007; 6(4): 255-60.
  21. Rubinsky B, Onik G, Mikus P. Irreversible electroporation: a new ablation modality--clinical implications. Technol Cancer Res Treat 2007; 6(1): 37-48.
  22. Al-Sakere B, Bernat C, Andre F, Connault E, Opolon P, Davalos RV, et al. A study of the immunological response to tumor ablation with irreversible electroporation. Technol Cancer Res Treat 2007; 6(4): 301-6.
  23. Adeyanju OO, Al-Angari HM, Sahakian AV. The optimization of needle electrode number and placement for irreversible electroporation of hepatocellular carcinoma. Radiol Oncol 2012; 46(2): 126-35.
  24. Pavliha D, Kos B, Zupanic A, Marcan M, Sersa G, Miklavcic D. Patient-specific treatment planning of electrochemotherapy: procedure design and possible pitfalls. Bioelectrochemistry 2012; 87: 265-73.
مجله دانشکده پزشکی اصفهان
دوره 33، شماره 339 - شماره پیاپی 339
مرداد و شهریور 1394
صفحه 955-969

  • تاریخ دریافت 15 بهمن 1393
  • تاریخ پذیرش 17 فروردین 1401