基于体外数据主要存活比例的质子RBE值的神经网络建模

《Scientific Reports》：Neural network modelling of proton RBE values at predominant survival fractions of in vitro data

　　

摘要

尽管在临床质子治疗中始终采用相对生物效应（RBE）为1.1的固定值，但长期的临床观察和体外实验证据表明质子的RBE实际上是可变的。基于对RBE依赖性的普遍假设，并结合体外数据，已经开发出了多种质子RBE模型；其中一些模型作者考虑了更多类型的细胞。在这项研究中，我们使用神经网络（NNs）来建模质子的RBE，而不预先设定任何依赖关系，探讨了在建模过程中使用不同生物输入参数及其组合的影响，并将结果与以往的方法进行了比较。研究使用了包含431个数据点的全面体外RBE数据库，这些数据点涵盖了质子线性能量传递（LET）、参考光子辐射的线性二次模型参数（α/β）_x值以及存活分数（SF）对应的特定光子剂量（D_x(SF)）。神经网络被用来模拟在不同存活分数（RBE_SF）下的质子RBE，这些RBE是以下因素的函数：（1）LET；（2）LET和（α/β）_x；（3）LET、（α/β）_x和D_x(SF)。以LET、（α/β）_x和D_x(SF)作为输入的模型表现最佳，尤其是包含D_x(0.1)和D_x(0.2)的输入组合，这表明通过选择0.1到0.2之间的存活分数，可以确定一个合适的D_x(SF)标准化输入参数。这种无需预设假设的基于神经网络的质子RBE建模方法显示出的RBE依赖性与先前发表的模型相似，并具有相当的预测能力。此外，研究还表明，在建模中加入光子剂量敏感性作为输入参数可以提高RBE模型的质量。