О ЖУРНАЛЕ
Научный журнал «Медицинская радиология и радиационная безопасность» (Мedical Radiology and Radiation Safety), ISSN 1024-6177 основан в январе 1956 г. (до 30 декабря 1993 г. выходил под названием «Медицинская радиология», ISSN 0025-8334). В 2018 году журнал получил Online ISSN: 2618-9615 и был зарегистрирован как электронное сетевое издание в Роскомнадзоре 29 марта 2018 года. На его страницах публикуются оригинальные научные статьи по вопросам радиобиологии, радиационной медицины, радиационной безопасности, лучевой терапии, ядерной медицины, а также научные обзоры; в целом журнал имеет более 30 рубрик и представляет интерес для специалистов, работающих в областях медицины¸ радиационной биологии, эпидемиологии, медицинской физики и техники. С 01.07.2008 г. Издатель журнала – ФГБУ «Государственный научный центр Российской Федерации – Федеральный медицинский биофизический центр им. А.И. Бурназяна» ФМБА России. Учредитель с 1956 г. - Министерство здравоохранения РФ, а с 2008 г. по настоящее время – Федеральное медико-биологическое агентство.
Членами редакционной коллегии журнала являются ученые – специалисты, работающие в области радиационной биологии и медицины, радиационной защиты, радиационной эпидемиологии, радиационной онкологии, лучевой диагностики и терапии, ядерной медицины и медицинской физики. В состав редакционной коллегии входят: академики РАН, члены-корреспонденты РАН, доктора медицинских наук, профессора, кандидаты и доктора биологических, физико-математических наук и технических наук. Состав редколлегии постоянно пополняется за счет авторитетных специалистов, работающих в ближнем и дальнем зарубежье.
Периодичность выхода в свет – 6 номеров в год, объемом – 13,5 усл. печатных листов или 88 печатных страниц и тиражом 1000 экземпляров. Журнал имеет идентичную по содержанию полнотекстовую электронную версию, которая одновременно с печатным вариантом и цветными рисунками размещается на сайтах Научной Электронной Библиотеки (НЭБ) и сайте журнала. Распространение по подписке через Агентство «Роспечать» по договору № 7407 от 16 июня 2006 г., через индивидуальных покупателей и коммерческие структуры. Публикация статей бесплатная.
Журнал входит в Перечень ведущих российских рецензируемых научных журналов ВАК, рекомендованных для опубликования результатов диссертационных исследований. С 2008 г. журнал представлен в Интернете и индексируется в базе данных РИНЦ, а также входит в Перечень Russian Science Citation Index (RSCI), размещенной на платформе Web of Science. С 2 февраля 2018 года журнал «Медицинская радиология и радиационная безопасность" индексируется в мультидисциплинарной библиографической и реферативной базе SCOPUS.
Краткие электронные версии статей журнала с 2005 г. находятся в открытом доступе в разделе "Выпуски журнала". С 2011 года в открытом доступе представлены все выпуски журнала целиком, а с 2016 года - полнотекстовые версии научных статей. Полный текст остальных статей любого номера, начиная с 2005 г. могут приобрести подписчики только через НЭБ. Редакция журнала «Медицинская радиология и радиационная безопасность» в соответствии с договором с НЭБ поставляет ей в полном объеме выпускаемую продукцию с 2005 г. по настоящее время.
Основным рабочим языком журнала является русский, дополнительный язык – английский, который используется для написания названий статей, сведений об авторах, аннотаций, ключевых слов, списка литературы.
С 2017 г. журнал «Медицинская радиология и радиационная безопасность» перешел на цифровую идентификацию публикаций, присвоив каждой статье идентификатор цифрового объекта (DOI), что значительно ускорило поиск местонахождения статьи в Интернете. В дальнейшем в планах развития журнала «Медицинская радиология и радиационная безопасность» предполагается его издание в англоязычном варианте. С целью получения информации о публикационной активности журнала в марте 2015 года на сайте журнала был помещен счетчик обращений читателей к материалам, выложенным на сайте с 2005 г. по настоящее время. В течение 2015 – 2016 гг. в среднем было не более 100 – 170 обращений в день. Размещение ряда статей, а также электронных версий профильных монографий и сборников в открытом доступе резко увеличило число обращений на сайт журнала до 500 – 800 в день, а общее число посещений сайта к началу 2019 г. составило 527 тыс.
Двухлетний импакт-фактор РИНЦ, по данным на начало 2019 г., составил 0,447, с учетом цитирования из всех источников – 0,614, а пятилетний импакт-фактор РИНЦ – 0,359.
Выпуски журналов
Медицинская радиология и радиационная безопасность. 2025. Том 70. № 1
DOI:10.33266/1024-6177-2025-70-1-67-73
А.В. Вертинский1, 2, Е.А. Селихова2, Е.С. Сухих2, 3, В.В. Великая3,
О.В. Грибова3, Ж.А. Старцева3
МОДЕРНИЗАЦИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
ДЛЯ РАСЧЕТА И ОПТИМИЗАЦИИ РАСПРЕДЕЛЕНИЯ ПОГЛОЩЕННОЙ ДОЗЫ В ГОМОГЕННОЙ СРЕДЕ
ПРИ ЛУЧЕВОЙ ТЕРАПИИ БЫСТРЫМИ НЕЙТРОНАМИ
1 Томский областной онкологический диспансер, Томск
2 Национальный исследовательский Томский политехнический университет, Томск
3 Томский национальный исследовательский медицинский центр РАН, Томск
Контактное лицо: Андрей Владимирович Вертинский, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
РЕФЕРАТ
Цель: Модернизировать программное обеспечения для расчета и оптимизации распределения изоэффективной и поглощенной дозы в гомогенной среде при планировании терапии быстрыми нейтронами злокачественных опухолей.
Материал и методы: Обновленную систему расчета поглощенной дозы применили на пациентах с двумя опухолевыми локализациями – рак молочной железы (РМЖ) и рак области головы и шеи (ОГШ). В исследовании приняли участие данные 12 пациентов, из которых 7 – больные первичным местнораспространенным (МР) раком молочной железы и 5 пациентов – раком головы и шеи.
У больных МР РМЖ проводилось комплексное лечение. Больным со злокачественными опухолями области головы и шеи нейтронная и нейтронно-фотонная лучевая терапия проводилась как в плане комбинированного лечения, так и в плане самостоятельного вида лечения. РМЖ облучался в режиме фракционирования 4 фракции по 1,6 Гр. Использовалась стыковка полей. Пациенты с диагнозом рака области головы и шеи облучались в режиме 3 фракции с разовой дозой 2,4 Гр с длительностью полного курса лечения 8 дней. Облучение происходило на терапевтическом канале циклотрона У-120, расположенном в Томском политехническом университете.
Результаты: Результаты планирования показали, что доза на коже в зоне облучения составила 3,190 Гр и 3,143 Гр для пучков 1 и 2 соответственно. В центре опухоли доза составила 3,253 Гр (изоэффективная доза 7,980 изоГр). Для критических точек (сердце) максимальные значения доз варьировали от 0,507 Гр до 1,943 Гр). Продолжительность облучения с каждого пучка – 4 мин 26 с. Для пяти пациентов с раком в области головы и шеи планирование осуществлялось с применением 2 полей, разнесенных на угол 90° (углы облучения 45° и 315°). Режим фракционирования включал 3 сеанса с РОД 2,4 Гр, суммарная доза 7,2 Гр за курс лечения. Показатели ВДФ в зоне опухоли составили 55,4 ед., при предельно допустимом значении в 130 ед. Доза коже составляла от 5,8 до 7,5 Гр. Доза в центре опухоли составляла от 7,1 до 7,23 Гр (с учетом ОБЭ = 2,686 изоэффективная доза составляла от 37,9
до 38,4 изоГр). Продолжительность фракции ‒ от 12,3 до 13,5 мин.
Ключевые слова: лучевая терапия, быстрые нейтроны, дозиметрическое планирование, моделирование распределения
поглощенной дозы, циклотрон У-120, рак молочной железы, злокачественные новообразования головы и шеи
Для цитирования: Вертинский А.В., Селихова Е.А., Сухих Е.С., Великая В.В., Грибова О.В., Старцева Ж.А. Модернизация программного обеспечения для расчета и оптимизации распределения поглощенной дозы в гомогенной среде при лучевой терапии быстрыми нейтронами // Медицинская радиология и радиационная безопасность. 2025. Т. 70. № 1. С. 67–73. DOI:10.33266/1024-6177-2025-70-1-67-73
Список литературы
1. Седов В.П., Лисин В.А. Модель ВДФ для дистанционной терапии злокачественных опухолей быстрыми нейтронами // Мед. радиология. 1988. Т.33. №9. С. 9-12.
2. Лисин В.А. Линейно-квадратичная модель в планировании нейтронной терапии на циклотроне У-120 // Медицинская радиология и радиационная безопасность. 2018. Т.63. №5. С. 41-47.
3. Лисин В.А. Дозиметрическое компьютерное планирование гамманейтронной терапии злокачественных опухолей с использованием циклотрона У-120 // Медицинская радиология и радиационная безопасность. 1994. Т.39. № 5.
С. 53-57.
4. Чойнзонов Е.Л., Лисин В.А., Грибова О.В., Новиков В.А., Старцева Ж.А. Нейтронная терапия злокачественных новообразований головы и шеи: Монография. М.: Российская академия наук, 2021. 328 с.
5. Старцева Ж.А., Грибова О.В., Великая В.В., Сухих Е.С., Лисин В.А., Новиков В.А. Дистанционная нейтронная терапия в Томске: 40 лет на службе онкологии // Сибирский онкологический журнал. 2024. Т.23. №1. С. 98-108.
6. Великая В.В., Старцева Ж.А., Гольдберг В.Е., Попова Н.О. Десятилетние результаты комплексного лечения больных первичным местнораспространенным раком молочной железы // Медицинская радиология и радиационная безопасность. 2023. Т.68. №5. С. 71-76.
7. Musabaeva L.I., Startseva Zh.A., Gribova O.V., Velikaya V.V., Lisin V.A. Novel Technologies and Theoretical Models in Radiation Therapy of Cancer Patients Using 6.3 MeV Fast Neutrons Produced by U-120 Cyclotron // Proceedings of the International Conference on Physics of Cancer: Interdisciplinary Problems and Clinical Applications, 2016 22–25 March. Russia, Tomsk, 2016.
8. Мусабаева Л.И., Чойнзонов Е.Л., Грибова О.В., Старцева Ж.А., Великая В.В., Лисин В.А. Нейтронная терапия в лечении радиорезистентных злокачественных новообразований // Сибирский онкологический журнал. 2016. Т.15. №3. С. 67-71.
9. Грибова О.В., Мусабаева Л.И., Чойнзонов Е.Л., Мухамедов М.Р. Клиническое течение рака щитовидной железы после комбинированного лечения с применением быстрых нейтронов у больных с высоким риском рецидива // Вестник оториноларингологии. 2012. №5. С. 91-92.
10. Ellis F. Dose, time and fractionation: A clinical hypothesis // Clin. Radiol. 1969. Vol. 20. P. 1‒7.
PDF (RUS) Полная версия статьи
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Финансирование. Исследование не имело спонсорской поддержки.
Участие авторов. Cтатья подготовлена с равным участием авторов.
Поступила: 20.10.2024. Принята к публикации: 25.11.2024.
Медицинская радиология и радиационная безопасность. 2025. Том 70. № 1
DOI:10.33266/1024-6177-2025-70-1-74-80
Ю.А. Васильев, Д.С. Конторович, Р.В. Решетников, И.А. Блохин,
Д.С. Семенов
ВЫБОР МЕТОДА ЛУЧЕВОЙ ДИАГНОСТИКИ
ПРИ ЗЛОКАЧЕСТВЕННЫХ НОВООБРАЗОВАНИЯХ ГОЛОВЫ
И ШЕИ У ПАЦИЕНТОВ С ДЕНТАЛЬНЫМИ МЕТАЛЛОКОНСТРУКЦИЯМИ: ЛИТЕРАТУРНЫЙ ОБЗОР
Научно-практический клинический центр диагностики и телемедицинских технологий
Департамента здравоохранения города Москвы, Москва
Контактное лицо: Дарья Сергеевна Конторович, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
РЕФЕРАТ
Цель: Систематизировать данные о возможностях визуализации злокачественных новообразований (ЗНО) области головы и шеи (ОГШ) у пациентов с дентальными металлоконструкциями с помощью методов лучевой диагностики и выбрать наиболее информативный.
Материал и методы: Проведен поиск научных публикаций в информационно-аналитической системе PubMed до 2024 г. включительно по ключевым словам: metal artifact, head and neck neoplasms, oropharyngeal cancer. В общей сложности было проанализировано 26 статей. При выборе локализации образований критериями исключения являлись возможности применения метода и вероятное наличие металлоконструкций в зоне сканирования. Выбор локализации осуществлялся исходя из данных о среднем возрасте пациентов с впервые выявленными образованиями головы и шеи и распространился преимущественно на анатомические зоны, наиболее подверженные артефактам от стоматологических металлоконструкций: область носо/ротоглотки, языка, мягких тканей дна полости рта.
Результаты: Изучение материалов позволило систематизировать современные данные о возможностях лучевой диагностики при визуализации опухолей головы и шеи у пациентов с металлоконструкциями в ротовой полости и cделать вывод о том, что методами выбора при данной патологии являются ПЭТ/КТ и МРТ с контрастным усилением (КУ), их численные показатели при обнаружении опухоли составляют 89 % для ПЭТ/КТ и 84 % для МРТ с КУ соответственно. При невозможности использования вышеуказанных методов стоит провести дообследованние с помощью дополнительных методов: SCT plus SII, MAR*, двухэнергетическая КТ (ДЭКТ).
Заключение: В данном обзоре проведен сравнительный анализ методов лучевой диагностики, которые используются для подавления влияния металлических артефактов у пациентов с ЗНО ОГШ и указаны наиболее предпочтительные при выборе метода диагностики. Таким образом, грамотный выбор и последовательное применение различных методов лучевой диагностики с учетом их возможностей и ограничений является ключевым фактором для точной предоперационной оценки образований ОГШ при наличии артефактов от дентальных конструкций у пациентов.
Ключевые слова: рак головы и шеи, дентальные металлоконструкции, КТ, МРТ, ПЭТ/КТ, артефакты изображений
Для цитирования: Васильев Ю.А., Конторович Д.С., Решетников Р.В., Блохин И.А., Семенов Д.С. Выбор метода лучевой диагностики при злокачественных новообразованиях головы и шеи у пациентов с дентальными металлоконструкциями: литературный обзор // Медицинская радиология и радиационная безопасность. 2025. Т. 70. № 1. С. 74–80. DOI:10.33266/1024-6177-2025-70-1-74-80
Список литературы
1. Bray, F., Ferlay, J., Soerjomataram, I., Siegel, R. L., Torre, L. A., & Jemal, A. (2018). Global Cancer Statistics 2018: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA: A Cancer Journal for Clinicians. doi:10.3322/caac.214922 .
2. Злокачественные новообразования в России в 2020 году: (заболеваемость и смертность) / под редакцией А.Д. Каприна, В.В. Старинского, А.О. Шахзадавой – М.: МНИОИ им. П.А. Герцена – филиал ФГБУ «НМИЦ радиологии» Минздрава России, – 2021. – 252 с
3. Sun J. et al. Computed tomography versus magnetic resonance imaging for diagnosing cervical lymph node metastasis of head and neck cancer: a systematic review and meta-analysis //OncoTargets and therapy. – 2015. – С. 1291-1313.
4. Arya S., Rane P., Deshmukh A. Oral cavity squamous cell carcinoma: role of pretreatment imaging and its influence on management //Clinical radiology. – 2014. – Т. 69. – №. 9. – С. 916-930.
5. Alfouzan A. F. Radiation therapy in head and neck cancer //Saudi medical journal. – 2021. – Т. 42. – №. 3. – С. 247.
6. Hauck K. E. et al. Clinical and satisfaction outcomes of using one or two dental implants for mandibular overdentures: preliminary short-term follow-up of a randomized clinical trial //International Journal of Implant Dentistry. – 2021. – Т. 7. – С. 1-10.
7. Kubo Y. et al. Diagnostic value of model-based iterative reconstruction combined with a metal artifact reduction algorithm during CT of the oral cavity //American Journal of Neuroradiology. – 2020. – Т. 41. – №. 11. – С. 2132-2138.
8. Артефакты от металлоконструкций в магнитно-резонансной томографии: методические рекомендации / Ю.А. Васильев, Д.С. Семенов, О.Ю. Панина [и др.] // Серия «Лучшие практики лучевой и инструментальной диагностики». – Вып. 83. – М. : ГБУЗ «НПКЦ ДиТ ДЗМ», 2022. – 40 с.
9. Khodarahmi I. et al. Metal about the hip and artifact reduction techniques: from basic concepts to advanced imaging //Seminars in musculoskeletal radiology. – Thieme Medical Publishers, 2019. – Т. 23. – №. 03. – С. e68-e81.
10. Kamila N. K. (ed.). Handbook of research on emerging perspectives in intelligent pattern recognition, analysis, and image processing. – 2015.
11. Юдин А. Л., Щетинин Р. А., Афанасьева Н. И. Рак языка и дна полости рта: современные аспекты диагностики //Вестник рентгенологии и радиологии. – 2015. – №. 5. – С. 42-48.
12. Hiyama T. et al. Subtraction iodine imaging with area detector CT to improve tumor delineation and measurability of tumor size and depth of invasion in tongue squamous cell carcinoma //Japanese Journal of Radiology. – 2022. – С. 1-10.
13. Hirata K. et al. Added value of a single-energy projection-based metal-artifact reduction algorithm for the computed tomography evaluation of oral cavity cancers //Japanese journal of radiology. – 2015. –
Т. 33. – С. 650-656.
14. Hong H. R. et al. Clinical values of 18F‐FDG PET/CT in oral cavity cancer with dental artifacts on CT or MRI //Journal of Surgical Oncology. – 2014. – Т. 110. – №. 6. – С. 696-701].
15. Mesia R. et al. SEOM clinical guidelines for the treatment of head and neck cancer (2020) //Clinical and Translational Oncology. – 2021. – Т. 23. – С. 913-921.
16. Castelijns JA. van den Brekel MW, Hermans R. Imaging of the larynx. Semin Roentgenol 2000;35:31–41
17. Verduijn G. M. et al. Magnetic resonance imaging protocol optimization for delineation of gross tumor volume in hypopharyngeal and laryngeal tumors //International Journal of Radiation Oncology* Biology* Physics. – 2009. – Т. 74. – №. 2. – С. 630-636.
18. Безопасность проведения магнитно-резонансного исследования пациентам с имплантируемыми медицинскими изделиями / К.А. Сергунова, Е.С. Ахмад, А.В. Петряйкин [и др.] // Бюллетень НЦССХ им. А.Н. Бакулева РАМН. Сердечно-сосудистые заболевания. – 2019. – Т. 20, № 4. – С. 313-323. – DOI 10.24022/1810-0694-2019-20-4-313-323.
19. Каприн А. Д. Клинические рекомендации. Рак носоглотки. – 2020.
20. Каприн А. Д. Клинические рекомендации. Злокачественные новообразования полости рта – 2020.
21. Каприн А. Д. Клинические рекомендации. Рак ротоглотки. – 2024.
22. Петровичев В. С. и др. Двухэнергетическая компьютерная томография рака головы и шеи. Digital Diagnostics. 2021;2(3):343-355. doi:10.17816/DD62572
23. Toepker M. et al. Can dual-energy CT improve the assessment of tumor margins in oral cancer? //Oral oncology. – 2014. – Т. 50. – №. 3. –
С. 221-227.
24. Parakh A. et al. Dual-energy CT images: pearls and pitfalls //Radiographics. – 2021. – Т. 41. – №. 1. – С. 98-119.
25. Bayer N. et al. Iterative metal artifact reduction in head and neck CT facilitates tumor visualization of oral and oropharyngeal cancer obscured by artifacts from dental hardware //Academic Radiology. – 2023. – Т. 30. – №. 12. – С. 2962-2972.
26. Патент на полезную модель № 190308 U1 Российская Федерация, МПК A61B 6/02. Устройство фантома для оценки эффективности алгоритмов и методов подавления артефактов от металлоконструкций при проведении компьютерной томографии : № 2019105941 : заявл. 04.03.2019 : опубл. 25.06.2019 / К. А. Сергунова, А. В. Петряйкин, Д. С. Семенов [и др.] ; заявитель Государственное бюджетное учреждение здравоохранения города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы» (ГБУЗ «НПКЦ ДиТ ДЗМ»)
27. Сергунова К. А. и др. Основы безопасности при проведении магнитно-резонансной томографии. – Москва : Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы, 2019. – 68 с.
PDF (RUS) Полная версия статьи
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Финансирование. Данная статья подготовлена авторским коллективом в рамках НИР «Научное обоснование методов лучевой диагностики опухолевых заболеваний с использованием радиомического анализа», (№ ЕГИСУ: № 123031500005-2 ) в соответствии с Приказом от 21.12.2022 г. № 1196 «Об утверждении государственных заданий, финансовое обеспечение которых осуществляется за счет средств бюджета города Москвы государственным бюджетным (автономным) учреждениям подведомственным Департаменту здравоохранения города Москвы, на 2023 год и плановый период 2024 и 2025 годов» Департамента здравоохранения города Москвы.
Участие авторов. Все авторы подтверждают соответствие своего авторства международным критериям ICMJE (все авторы внесли существенный вклад в разработку концепции, проведение исследования и подготовку статьи, прочли и одобрили финальную версию перед публикацией). Наибольший вклад распределён следующим образом: Д.С. Конторович – анализ литературных источников, написание текста. Р.В. Решетников, И.А. Блохин – анализ литературных источников, редактирование статьи.
Поступила: 20.10.2024. Принята к публикации: 25.11.2024.
Медицинская радиология и радиационная безопасность. 2025. Том 70. № 1
DOI:10.33266/1024-6177-2025-70-1-93-101
В.К. Тищенко1, О.П. Власова1, 2, С.А. Иванов1, 3, А.Д. Каприн2, 3, 4
РАДИОФАРМПРЕПАРАТЫ НА ОСНОВЕ АНАЛОГОВ СОМАТОСТАТИНА И РАДИОНУКЛИДА ТЕХНЕЦИЯ-99m
ДЛЯ ДИАГНОСТИКИ НЕЙРОЭНДОКРИННЫХ ОПУХОЛЕЙ:
ОБЗОР ЛИТЕРАТУРЫ
1 Медицинский радиологический научный центр им. А.Ф. Цыбы ‒ филиал Национального медицинского исследовательского центра радиологии Минздрава России, Обнинск
2 Национальный медицинский исследовательский центр радиологии Минздрава России, Москва
3 Российский университет дружбы народов, Москва
4 Московский научно-исследовательский онкологический институт им. П.А. Герцена – филиал Национального медицинского исследовательского центра радиологии Минздрава России, Москва
Контактное лицо: Виктория Константиновна Тищенко, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
СОДЕРЖАНИЕ
Введение
Возможности визуализации соматостатиновых рецепторов
РФЛП на основе агонистов соматостатиновых рецепторов и технеция-99m
РФЛП на основе антагонистов соматостатиновых рецепторов и технеция-99m
Заключение
Ключевые слова: радиофармпрепараты, технеций-99m, аналоги соматостатина, радионуклидная диагностика, нейроэндокринные опухоли
Для цитирования: Тищенко В.К., Власова О.П., Иванов С.А., Каприн А.Д. Радиофармпрепараты на основе аналогов соматостатина и радионуклида технеция-99m для диагностики нейроэндокринных опухолей: обзор литературы // Медицинская радиология и радиационная безопасность. 2025. Т. 70. № 1. С. 93–101. DOI:10.33266/1024-6177-2025-70-1-93-101
Список литературы
1. Панкратова Е.А., Шпрах З.С. Рецепторы к соматостатину: локализация и методы визуализации (обзор литературы) // Российский биотерапевтический журнал. 2022. Т. 21. №1. С. 10–20. [Pankratova Ye.A., Shprakh Z.S. Somatostatin Receptors: Localization and Imagining Methods (Review). Rossiyskiy Bioterapevticheskiy Zhurnal = Russian Journal of Biotherapy. 2022;21;1:10-20 (In Russ.)]. DOI: 10.17650/1726-9784- 2022-21-1-10-20.
2. Milewska-Kranc A., Cwikla J.B., Kolasinska-Cwikla A. The Role of Receptor-Ligand Interaction in Somatostatin Signaling Pathways: Implications for Neuroendocrine Tumors. Cancers (Basel). 2023;16;1:116. doi: 10.3390/cancers16010116.
3. Nock BA., Kanellopoulos P., Joosten L., Mansi R., Maina T. Peptide Radioligands in Cancer Theranostics: Agonists and Antagonists. Pharmaceuticals (Basel). 2023;16;5:674. doi: 10.3390/ph16050674.
4. Levine R., Krenning E.P. Clinical History of the Theranostic Radionuclide Approach to Neuroendocrine Tumors and other Types of Cancer: Historical Review Based on an Interview of Eric P. Krenning by Rachel Levine. J. Nucl. Med. 2017;58;S2:3S-9S. doi: 10.2967/jnumed.116.186502.
5. Krenning E.P., Kwekkeboom D.J., Bakker W.H., Breeman W.A., Kooij P.P., Oei H.Y., van Hagen M., Postema P.T., de Jong M., Reubi J.C., Visser T.J., Reijs A.E.M., Hofland L.J., Koper J.W., Lamberts S.W.J. Somatostatin Receptor Scintigraphy with [111In-DTPA-D-Phe1]- and [123I-Tyr3]-Octreotide: the Rotterdam Experience with more than 1000 Patients. Eur J Nucl Med. 1993;20;8:716–731. doi: 10.2967/jnumed.116.186502.
6. Слащук К.Ю., Румянцев П.О., Дегтярев М.В., Серженко С.С., Баранова О.Д., Трухин А.А., Сирота Я.И. Молекулярная визуализация нейроэндокринных опухолей при соматостатин-рецепторной сцинтиграфии (ОФЭКТ/КТ) с 99mTc-тектротидом // Медицинская радиология и радиационная безопасность. 2020. Т.65. №2. С. 44-49. [Slashchuk K.Yu., Rumyantsev P.O., Degtyarev M.V., Serzhenko S.S., Baranova O.D., Trukhin A.A., Sirota Ya.I. Molecular Imaging of Neuroendocrine Tumors by Somatostatin-Receptor Scintigraphy (SPECT/CT) with 99mTc-Tektrotyd. Meditsinskaya Radiologiya i Radiatsionnaya Bezopasnost’ = Medical Radiology and Radiation Safety. 2020;65;2:44-9 (In Russ.)]. DOI: 10.12737/1024-6177-2020-65-2-44-49.
7. Рабинович Э.З., Савченко А.Ю., Сухов В.Ю., Перелыгин В.В. Аспекты проблемы проведении клинических исследований современных таргетных радиофармацевтических препаратов // Формулы Фармации. 2022. № 4(3). С. 27-42. [Rabinovich E.Z., Savchenko A.Yu., Sukhov V.Yu., Perelygin V.V. Aspects of the Problem of Clinical Trials of Modern Targeted Radiopharmaceuticals. Formuly Farmatsii = Pharmacy Formulas. 2022;4;3;27-42 (In Russ.)]. DOI: 10.17816/phf239422.
8. Boschi A., Uccelli L., Martini P. A Picture of Modern Tc-99m Radiopharmaceuticals: Production, Chemistry, and Applications in Molecular Imaging. Appl Sci. 2019;9;12:2526. https://doi.org/10.3390/app9122526.
9. Shi J., Liu S. Clinical Application of 99mTc-Labeled Peptides for Tumor Imaging: Current Status and Future Directions. iRADIOLOGY. 2024;2;1:17-34. DOI: 10.1002/ird3.55.
10. Eychenne R., Bouvry C., Bourgeois M., Loyer P., Benoist E., Lepareur N. Overview of Radiolabeled Somatostatin Analogs for Cancer Imaging and Therapy. Molecules. 2020;25:4012. doi: 10.3390/molecules25174012.
11. Makris G., Kuchuk M., Gallazzi F., Jurisson S.S., Smith C.J., Hennkens H.M. Somatostatin Receptor Targeting with Hydrophilic [99mTc/186Re]Tc/Re-tricarbonyl Nodaga and Nota Complexes. Nucl Med Biol. 2019;71:39-46. https://doi.org/10.1016/j.nucmedbio.2019.04.004.
12. Ларькина М.С., Подрезова Е.В., Брагина О.Д., Тагирова Е.А., Чернов В.И., Юсубов М.С., Нестеров Е.А., Скуридин В.С., Кривощеков С.В., Яновская Е.А., Гурто Р.В., Белоусов М.В. Разработка способа получения производного октреотида для диагностики нейроэндокринных опухолей // Бюллетень сибирской медицины. 2019. Т. 18. №3. С. 72-80. https://doi.org: 10.20538/1682-0363-2019-3-72–80. [Lar’kina M.S., Podrezova Ye.V., Bragina O.D., Tagirova Ye.A., Chernov V.I., Yusubov M.S., Nesterov Ye.A., Skuridin V.S., Krivoshchekov S.V., Yanovskaya Ye.A., Gurto R.V., Belousov M.V. Development of a Method for Preparing Octreotide Derivative for Diagnosis of Neuroendocrine Tumors. Byulleten’ Sibirskoy Meditsiny = Bulletin of Siberian Medicine. 2019;18;3:72-80 (In Russ.)]. https://doi.org/10.20538/1682-0363-2019-3-72-80.
13. Reubi J.C., Schar J.C., Waser B., Wenger S., Heppeler A., Schmitt J.S., Mäcke H.R. Affinity Profiles for Human Somatostatin Receptor Subtypes SST1–SST5 for Somatostatin Radiotracers Selected for Scintigraphic and Radiotherapeutic Use. Eur J Nucl Med. 2000;27;3:273-82. doi: 10.1007/s002590050034.
14. Virgolini I., Leimer M., Handmaker H., Lastoria S., Bischof C., Muto P., Pangerl T., Gludovacz D., Peck-Radosavljevic M., Lister-James J., Hamilton G., Kaserer K., Valent P., Dean R. Somatostatin Receptor Subtype Specificity and in Vivo Binding of a Novel Tumor Tracer, 99mTc-P829. Cancer Res. 1998;58;9:1850-1859.
15. URL: https://www.rxlist.com/neotect-drug.htm#description. (accessed 15 August 2024).
16. Lebtahi R., Le Cloirec J., Houzard C., Daou D., Sobhani I., Sassolas G., Mignon M., Bourguet P., Le Guludec D. Detection of Neuroendocrine Tumors: 99mTc-P829 Scintigraphy Compared with 111In-Pentetreotide Scintigraphy. J Nucl Med. 2002;43;7:889-895.
17. Maina T., Nock B., Nikolopoulou A., Sotiriou P., Loudos G., Maintas D., Cordopatis P., Chiotellis E. [99mTc] Demotate, a New 99mTc-Based [Tyr3] Octreotate Analogue for the Detection of Somatostatin Receptor-Positive Tumours: Synthesis and Preclinical Results. Eur J Nucl Med Mol Imag. 2002;29;6:742-53. doi: 10.1007/s00259-002-0782-9.
18. Decristoforo C., Maina T., Nock B., Gabriel M., Cordopatis P., Moncayo R. 99mTc-Demotate 1: First Data in Tumour Patients-Results of a Pilot/Phase I Study. Eur J Nucl Med Mol Imaging. 2003;30;9:1211-1219. doi: 10.1007/s00259-003-1225-y.
19. Maina T., Nock B.A., Cordopatis P., Bernard B.F., Breeman W.A.P, van Gameren A., van der Berg R., Reubi J.C., Krenning E.P., de Jong M. [99mTc] Demotate 2 in the Detection of Sst(2)-Positive Tumours: a Preclinical Comparison with [111In]DOTA-tate. Eur J Nucl Med Mol Imaging 2006;33(7):831-840. doi: 10.1007/s00259-006-0068-8.
20. Kaihani S., Sadeghzadeh N. Study of the 99mTc-Labeling Conditions of 6-Hydrazinonicotinamide-Conjugated Peptides from a new Perspective: Introduction to the Term Radio-Stoichiometry. J Labelled Comp Radiopharm. 2020;63;14:582-596. https://doi.org/10.1002/jlcr.3883.
21. Meszaros L., Dose A., Biagini S.C.G., Blower P. Hydrazinonicotinic Acid (HYNIC) – Coordination Chemistry and Applications in Radiopharmaceutical Chemistry. Inorg Chim Acta. 2020;363;6:1059-1069. https://doi.org/10.1016/j.ica.2010.01.009.
22. Decristoforo C., Melendez-Alafort L., Sosabowski J.K., Mather S.J. 99mTc-HYNIC-[Tyr3]-Octreotide for Imaging Somatostatin-Receptor-Positive Tumors: Preclinical Evaluation and Comparison with 111In-Octreotide. J Nucl Med. 2000;41;6:1114-1119.
23. URL: https://mdcr.ru/tektrotyd (accessed 16 July 2024).
24. Garai I., Barna S., Nagy G., Forgacs A. Limitations and Pitfalls of 99mTc-EDDA/HYNIC-TOC (Tektrotyd) Scintigraphy. Nucl Med Rev Cent East Eur. 2016;19;2:93-98. doi: 10.5603/NMR.2016.0019.
25. Trogrlic M., Tezak S. 99mTc-EDDA/HYNIC-TOC in Management of Patients with Head and Neck Somatostatin Receptor Positive Tumors. Nucl Med Rev Cent East Eur. 2016;19;2:74-80. doi: 10.5603/NMR.2016.0016.
26. Briganti V., Cuccurullo V., Berti V., Di Stasio G.D., Linguanti F., Mungai F., Mansi L. 99mTc-EDDA/HYNIC-TOC is a New Opportunity in Neuroendocrine Tumors of the Lung (and in other Malignant and Benign Pulmonary Diseases). Curr Radiopharm. 2020;13;3:166-176. doi: 10.2174/1874471013666191230143610.
27. Artiko V., Afgan A., Petrović J., Radović B., Petrović N., Vlajković M., Šobić-Šaranović D., Obradović V. Evaluation of Neuroendocrine Tumors with 99mTc-EDDA/HYNIC TOC. Nucl Med Rev Cent East Eur. 2016;19;2:99-103. doi: 10.5603/NMR.2016.0020.
28. Sergieva S., Robev B., Dimcheva M., Fakirova A., Hristoskova R. Clinical Application of SPECT-CT with 99mTc-Tektrotyd in Bronchial and Thymic Neuroendocrine Tumors (NETs). Nucl Med Rev Cent East Eur. 2016;19;2:81-7. doi: 10.5603/NMR.2016.0017.
29. Boutsikou E., Porpodis K., Chatzipavlidou V., Hardavella G., Gerasimou G., Domvri K., Papadopoulos N., Avramidou V., Spyratos D., Kontakiotis T., Zarogoulidis K. Predictive Value of 99mTc-hynic-toc Scintigraphy in Lung Neuroendocrine Tumor Diagnosis. Technol. Cancer Res. Treat. 2019;18:15330338119842586. doi: 10.1177/1533033819842586.
30. Gherghe M., Lazăr A.M., Stanciu A.E., Mutuleanu M.D., Sterea M.C., Petroiu C., Gale LN. The New Radiolabeled Peptide 99mTcEDDA/HYNIC-TOC: Is It a Feasible Choice for Diagnosing Gastroenteropancreatic NETs? Cancers (Basel). 2022;14;11:2725. doi: 10.3390/cancers14112725.
31. Юкина М.Ю., Трошина Е.А., Нуралиева Н.Ф., Дегтярев М.В., Мокрышева Н.Г. ОФЭКТ/КТ с 99mTc-Тектротидом в диагностике инсулиномы // Ожирение и метаболизм. 2023. Т.20. №1. С. 43-48. [Yukina M.Yu., Troshina Ye.A., Nuralieva N.F., Degtyarev M.V., Mokrysheva N.G. SPECT/CT with 99mTc-Tectrotide in the Diagnosis of Insulinoma. Ozhireniye i Metabolism = Obesity and metabolism. 2023;20(1):43-48. (In Russ.)]. https://doi.org/10.14341/omet12977.
32. Moriguchi-Jeckel C.M., Madke R.R., Radaelli G., Viana A., Nabinger P., Fernandes B., Gössling G., Berdichevski E.H., Vilas E., Giacomazi J., Rocha M.S., Borges J.A., Hoffmann E., Greggio S., Venturin G.T., Barris C.H., Zaffaroni F., Werutsky G., da Costa J.C. Clinical Validation and Diagnostic Accuracy of 99mTc-EDDA/HYNIC-TOC Compared to 111In-DTPA-octreotide in Patients with Neuroendocrine Tumours: the LACOG 0214 study. Ecancermedicalscience. 2023;17:1582. doi: 10.3332/ecancer.2023.1582.
33. Liepe K., Becker A. 99mTc-Hynic-TOC Imaging in the Diagnostic of Neuroendocrine Tumors. World J Nucl Med. 2018;17;3:151-156. doi: 10.4103/wjnm.WJNM_41_17.
34. Chen L., Li F., Zhuang H., Jing H., Du Y., Zeng Z. 99mTc-HYNIC-TOC Scintigraphy Is Superior to 131I-MIBG Imaging in the Evaluation of Extraadrenal Pheochromocytoma. J Nucl Med. 2009;50:397-400. doi: 10.2967/jnumed.108.058693.
35. Hubalewska-Dydejczyk A., Fröss-Baron K., Mikołajczak R., Maecke H.R., Huszno B., Pach D., Sowa-Staszczak A., Janota B., Szybiński P., Kulig J. 99mTc EDDA/HYNIC Octreotate Scintigraphy, an Efficient Method for the Detection and Staging of Carcinoid Tumors: Results of 3 years’ Experience. Eur J Nucl Med Mol Imaging. 2006;33;10:1123-1133. doi: 10.1007/s00259-006-0113-7.
36. Sager S., Kabasakal L., Halac M., Maecke H., Uslu L., Önsel Ç., Kanmaz B. Comparison of 99mTc-HYNIC-TOC and HYNIC-TATE Octreotide Scintigraphy with FDG PET and 99mTc-MIBI in Local Recurrent or Distant Metastatic Thyroid Cancers. Clin Nucl Med. 2013;38;5:321-5. doi: 10.1097/RLU.0b013e3182868062.
37. Deveci E.K., Ocak M., Bozkurt M.F., Türker S., Kabaskal L., Ugur O. The Diagnostic Efficiency of 99mTc-EDDA/HYNIC-Octreotate SPECT-CT in Comparison with 111In-Pentetrotide in the Detection of Neuroendocrine Tumours. Mol Imaging Radionucl Ther. 2013;22;3:76-84. doi: 10.4274/Mirt.68552.
38. Korde A., Mallia M., Shinto A., Sarma H.D., Samuel G., Banerjee S. Improved Kit Formulation for Preparation of 99mTc-HYNIC-TOC: Results of Preliminary Clinical Evaluation in Imaging Patients with Neuroendocrine Tumors. Cancer Biother Radiopharm. 2014;29;9:387-94. doi: 10.1089/cbr.2014.1657.
39. Mukherjee A., Korde A., Shinto A., Sarma H.D., Kamaleswaran K., Dash A. Studies on Batch Formulation of a Freeze Dried Kit for the Preparation of 99mTc-HYNIC-TATE for Imaging Neuroendocrine Tumors. Appl Radiat Isot. 2019;145:180-186. doi: 10.1016/j.apradiso.2018.12.027.
40. Behera A., Banerjee I., De K., Chattopadhyay S., Misra M. Synthesis, Radiolabelling and Biological Evaluation of new Somatostatin Receptor Positive Tumour Imaging Agent. Amino Acids. 2011. DOI 10.1007/s00726-012-1423-7.
41. De K., Bhowmik A., Behera A., Banerjee I., Ghosh M.K., Misra M. Synthesis, Radiolabeling, and Preclinical Evaluation of a new Octreotide Analog for Somatostatin Receptor-Positive Tumor Scintigraphy. J Pept Sci. 2012;18:720. https://doi.org/10.1002/psc.2458.
42. Gandomkar M., Najafi R., Shafiei M., Mazidi M., Ebrahimi S.E.S. Preclinical Evaluation of [99mTc/EDDA/tricine/HYNIC0, 1-Nal3, Thr8]-Octreotide as a New Analogue in the Detection of Somatostatin-Receptor-Positive Tumors. Nucl Med Biol. 2007;34;6:651-657. doi: 10.1016/j.nucmedbio.2007.06.006.
43. Nikolopoulou A., Nock B.A., Maina T. 99mTc Targeting of Sst2-Expressing Tumors by Tetraamineoctreotide: First Results in CA20948 Cells and Rat Models. Anticancer Res. 2006;26;1A:363-366.
44. Gandomkar M., Najafi R., Babaei M.H., Shafiei M., Ebrahimi S.E.S. Synthesis, Development and Preclinical Comparison of Two New Peptide Based Freeze-Dried Kit Formulation 99mTc-EDDA-Tricine-HYNIC-TOC and 99mTc-EDDA-Tricine-HYNIC-TATE for Somatostatin Receptor Positive Tumor Scintigraphy. DARU. 2006;14;4:183-189.
45. Storch D., Béhé M., Walter M.A., Chen J., Powell P., Mikolajczak R., Mäcke H.R. Evaluation of [99mTc/EDDA/HYNIC0]Octreotide Derivatives Compared with [111In-DOTA0,Tyr3,Thr8]Octreotide and [111In-DTPA0]Octreotide: Does Tumor or Pancreas Uptake Correlate with the Rate of Internalization? J Nucl Med. 2005;46:1561-1569.
46. Dong C., Zhao H., Yang S., Shi J., Huang J., Cui L., Zhong L., Jin X., Li F., Liu Z., Jia B. 99mTc-Labeled Dimeric Octreotide Peptide: A Radiotracer with High Tumor Uptake for Single-Photon Emission Computed Tomography Imaging of Somatostatin Receptor Subtype 2-Positive Tumors. Mol Pharm. 2013;10:2925. https://pubs.acs.org/doi/10.1021/mp400040z.
47. De K., Banerjee I., Misra M. Radiolabeled New Somatostatin Analogs Conjugated to DOMA Chelator Used as Targeted Tumor Imaging Agent: Synthesis and Radiobiological Evaluation. Amino Acids. 2015;47:1135-1153. DOI 10.1007/s00726-015-1942-0.
48. Fani M., Mansi R., Nicolas G.P., Wild D. Radiolabeled Somatostatin Analogs – A Continuously Evolving Class of Radiopharmaceuticals. Cancers. 2022;14:1172. doi: 10.3390/cancers14051172.
49. Radford L., Gallazzi F., Watkinson L., Carmack T., Berendzen A., Lewis M.R., Jurisson S.S., Papagiannopoulou D., Hennkens H.M. Synthesis and Evaluation of a 99mTc Tricarbonyl-Labeled Somatostatin Receptor-Targeting Antagonist Peptide for Imaging of Neuroendocrine Tumors. Nucl Med Biol. 2017;47:4-9. doi: 10.1016/j.nucmedbio.2016.12.002.
50. Radford L.L., Papagiannopoulou D., Gallazzi F., Berendzen A., Watkinson L., Carmack T., Lewis M.R., Jurisson S.S., Hennkens H.M. Synthesis and Evaluation of Re/99mTc(I) Complexes Bearing a Somatostatin Receptor-Targeting Antagonist and Labeled Via a Novel [N,S,O] Clickable Bifunctional Chelating Agent. Bioorg Med Chem. 2019;27;3:492-501. doi: 10.1016/j.bmc.2018.12.028.
51. Gaonkar R.H., Wiesmann F., Pozo L.D., McDougall L., Zanger S., Mikolajczak R., Mansi R., Fani M. SPECT Imaging of SST2-Expressing Tumors with 99mTc-Based Somatostatin Receptor Antagonists: The Role of Tetraamine, HYNIC, and Spacers. Pharmaceuticals. 2021;14:300. doi: 10.3390/ph14040300.
52. Fani M., Weingaertner V., Peitl P.K., Mansi R., Gaonkar R., Garnuszek P., Mikolajczak R., Novak D., Simoncic U., Hubalewska-Dydejczyk A., Rangger C., Kaeopookum P., Decristoforo C. Selection of the First 99mTc-Labelled Somatostatin Receptor Subtype 2 Antagonist for Clinical Translation-Preclinical Assessment of Two Optimized Candidates. Pharmaceuticals (Basel). 2020;14;1:19. doi: 10.3390/ph14010019.
53. Novak D., Janota B., Hörmenn A.A., Sawicka A., Kroselj M., Hubalewska-Dydejczyk A., Fani M., Mikolajczak R., Kolenc P., Decristoforo C., Garnuszek P. Development of the 99mTc-Labelled SST2 Antagonist TECANT-1 for a First-in-Man Multicentre Clinical Study. Pharmaceutics. 2023;15;3:885. doi: 10.3390/pharmaceutics15030885.
54. Opalinska M., Ležaić L., Decristoforo C., Kolenc P., Mikolajczak R., Studen A., Simoncic U., Virgolini I., Trofimiuk-Muldner M., Garnuszek P., Rangger C., Fani M., Glowa B., Skorkiewicz K., Hubalewska-Dydejczyk A. Comparison of 99mTc Radiolabeled Somatostatin Antagonist with [68Ga]Ga-DOTA-TATE in a Patient with Advanced Neuroendocrine Tumor. Eur J Nucl Med Mol Imaging. 2023;50:4110-4111. doi: 10.1007/s00259-023-06335-9.
55. Hubalewska-Dydejczyk A., Ležaić L., Decristoforo C., Mikolajczak R., Virgolini I., Kolenc P., Studen A., Simoncic U., Opalinska M., Trofimiuk-Muldner M., Garnuszek P., di Santo G., 56. Novak D., Rangger C., Kroselj M., Skorkiewicz K., Fani M., Janota B., Glowa B., Sawicka A. How Close We are to Optimise the Assessment of SSTR Status in NEN with a Radiolabelled SSTR Antagonist-Final Results of the TECANT Clinical Trial: Novel 99mTc-labelled Somatostatin Antagonists in the Diagnostic Algorithm of Neuroendocrine Neoplasms. Endocrine Abstracts. 2024;99:OC7.3. doi: 10.1530/endoabs.99.OC7.3.
56. Abiraj K., Ursillo S., Tamma M.L., Rylova S.N., Waser B., Constable E.C., Fani M., Nicolas G.P., Reubi J.C., Maecke H.R. The Tetraamine Chelator Outperforms HYNIC in a New Technetium-99m-Labelled Somatostatin Receptor 2 Antagonist. EJNMMI Research. 2018;8:75. https://doi.org/10.1186/s13550-018-0428-y.
PDF (RUS) Полная версия статьи
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Финансирование. Исследование выполнено при финансовой поддержке Минздрава России в рамках выполнения государственного задания
№ 124030500022-1.
Участие авторов. Концепция и план исследования – С.А. Иванов, А.Д. Каприн; сбор и анализ данных – В.К. Тищенко, О.П. Власова; подготовка рукописи – В.К. Тищенко, О.П. Власова.
Поступила: 20.10.2024. Принята к публикации: 25.11.2024.
Медицинская радиология и радиационная безопасность. 2025. Том 70. № 1
DOI:10.33266/1024-6177-2025-70-1-81-92
А.К. Сморчкова, А.В. Петряйкин, Ю.А. Васильев
ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОЦЕНКЕ МЫШЕЧНОЙ ТКАНИ
ПО КОМПЬЮТЕРНО-ТОМОГРАФИЧЕСКИМ ИЗОБРАЖЕНИЯМ: ОБЗОР ЛИТЕРАТУРЫ
Научно-практический клинический центр диагностики и телемедицинских технологий
Департамента здравоохранения города Москвы, Москва
Контактное лицо: Анастасия Кирилловна Сморчкова, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
СОДЕРЖАНИЕ
Введение: В настоящее время всё больше внимания уделяется синдромам и заболеваниям, при которых изменяется качественный и количественный состав тела человека. Саркопения – заболевание, характеризующееся генерализованной потерей мышечной массы и силы, поражающее как трудоспособное, так и пожилое население, с глобальной распространённостью в общей популяции до 10 % по данным литературы. Согласно критериям Европейской рабочей группы по саркопении у пожилых людей от 2019 г., «золотым стандартом» медицинской визуализации для оценки снижения мышечной массы являются компьютерная томография (КТ) и магнитно-резонансная томография (МРТ). Ввиду всё более широкого использования технологий искусственного интеллекта (ИИ) открываются перспективы анализа большого объёма медицинских данных, прежде всего КТ-изображений.
Цель: Ознакомление широкой аудитории с актуальными работами по лучевой диагностике значимых изменений скелетной мышечной ткани по КТ-изображениям с использованием технологий ИИ, включая анализ имеющихся вариантов их клинического и научного применения.
Методология поиска и отбора: Произведен поиск публикаций по расширенному поисковому запросу в библиографических базах PubMed и eLibrary.ru.
Результаты: Проанализировано 46 отобранных оригинальных статей, опубликованных в период с 2019 по 2024 гг.
Рассмотрены варианты клинического и научного применения алгоритмов ИИ. Основная цель клинического применения – оценка прогностической ценности морфометрических показателей саркопении для широкого ряда заболеваний – онкологических (большая часть работ) и хронических, а также для состояний после хирургических вмешательств. Отмечено получение дополнительных морфометрических показателей не только мышечной, но и жировой ткани в тех работах, где это проводилось и имело клиническую значимость. Выделена основная проблема, существующая в настоящее время – отсутствие четкого места в клинико-диагностической парадигме. Основной вариант научного применения – обработка большого количества данных для популяционных исследований. Приведены детали методологии КТ-оценки состава тела, включая наиболее часто используемые пороговые показатели скелетно-мышечного индекса для КТ-диагностики саркопении, а также были кратко описаны технические аспекты использованных алгоритмов ИИ. В заключение был отмечен высокий интерес исследователей к данной теме, обозначены перспективы для дальнейших исследований в данной области и применения на практике их результатов.
Ключевые слова: саркопения, компьютерная томография, искусственный интеллект, глубокое обучение, морфометрия
Для цитирования: Сморчкова А.К., Петряйкин А.В., Васильев Ю.А. Возможности применения искусственного интеллекта в оценке мышечной ткани по компьютерно-томографическим изображениям: обзор литературы // Медицинская радиология и радиационная безопасность. 2025. Т. 70. № 1. С. 81–92. DOI:10.33266/1024-6177-2025-70-1-81-92
Список литературы
1. Cruz-Jentoft A.J., Bahat G., Bauer J., et al. Sarcopenia: Revised European Consensus on Definition and Diagnosis. Age Ageing. 2019;48;1:16-31. doi:10.1093/ageing/afy169
2. Correa-de-Araujo R., Addison O., Miljkovic I., et al. Myosteatosis in the Context of Skeletal Muscle Function Deficit: an Interdisciplinary Workshop at the National Institute on Aging. Front Physiol. 2020;11:963. doi:10.3389/fphys.2020.00963
3. Kelly B.S., Judge C., Bollard S.M., et al. Radiology Artificial Intelligence: a Systematic Review and Evaluation of Methods (Raise). Eur Radiol. 2022;32;11:7998-8007. doi:10.1007/s00330-022-08784-6
4. Lenchik L., Boutin R. Sarcopenia: Beyond Muscle Atrophy and into the New Frontiers of Opportunistic Imaging, Precision Medicine, and Machine Learning. Semin Musculoskelet Radiol. 2018;22;03:307-322. doi:10.1055/s-0038-1641573
5. Graffy P.M., Liu J., Pickhardt P.J., Burns J.E., Yao J., Summers R.M. Deep Learning-Based Muscle Segmentation and Quantification at Abdominal CT: Application to a Longitudinal Adult Screening Cohort for Sarcopenia Assessment. Br J Radiol. 2019;92;1100:20190327. doi:10.1259/bjr.20190327
6. Gillen J., Mills K.A., Dvorak J., et al. Imaging Biomarkers of Adiposity and Sarcopenia as Potential Predictors for Overall Survival among Patients with Endometrial Cancer Treated with Bevacizumab. Gynecol Oncol Rep. 2019;30:100502. doi:10.1016/j.gore.2019.100502
7. Lenchik L., Barnard R., Boutin R.D., et al. Automated Muscle Measurement on Chest CT Predicts All-Cause Mortality in Older Adults From the National Lung Screening Trial. J Gerontol Ser A. 2021;76;2:277-285. doi:10.1093/gerona/glaa141
8. Magudia K., Bridge C.P., Bay C.P., et al. Population-Scale CT-based Body Composition Analysis of a Large Outpatient Population Using Deep Learning to Derive Age-, Sex-, and Race-Specific Reference Curves. Radiology. 2021;298;2:319-329. doi:10.1148/radiol.2020201640
9. Fischer S., Clements S., McWilliam A., et al. Influence of Abiraterone and Enzalutamide on Body Composition in Patients with Metastatic Castration Resistant Prostate Cancer. Cancer Treat Res Commun. 2020;25:100256. doi:10.1016/j.ctarc.2020.100256.
10. Lee J., Kim E.Y., Kim E., et al. Longitudinal Changes in Skeletal Muscle Mass in Patients with Advanced Squamous Cell Lung Cancer. Thorac Cancer. 2021;12;11:1662-1667. doi:10.1111/1759-7714.13958
11. Yoon J.K., Lee S., Kim K.W., et al. Reference Values for Skeletal Muscle Mass at the Third Lumbar Vertebral Level Measured by Computed Tomography in a Healthy Korean Population. Endocrinol Metab. 2021;36;3:672-677. doi:10.3803/EnM.2021.1041
12. Hsu T.M.H., Schawkat K., Berkowitz S.J., et al. Artificial Intelligence to Assess Body Composition on Routine Abdominal CT Scans and Predict Mortality in Pancreatic Cancer – a Recipe for Your Local Application. Eur J Radiol. 2021;142:109834. doi:10.1016/j.ejrad.2021.109834
13. Lee S.A., Jang I.Y., Park S.Y., et al. Benefit of Sarcopenia Screening in Older Patients Undergoing Surgical Aortic Valve Replacement. Ann Thorac Surg. 2022;113;6:2018-2026. doi:10.1016/j.athoracsur.2021.06.067
14. Kong H.H., Kim K.W., Ko Y.S., et al. Longitudinal Changes in Body Composition of Long-Term Survivors of Pancreatic Head Cancer and Factors Affecting the Changes. J Clin Med. 2021;10;15:3436. doi:10.3390/jcm10153436
15. Kim J., Han S.H., Kim H. Detection of Sarcopenic Obesity and Prediction of Long‐Term Survival in Patients with Gastric Cancer Using Preoperative Computed Tomography and Machine Learning. J Surg Oncol. 2021;124;8:1347-1355. doi:10.1002/jso.26668
16. Jullien M., Tessoulin B., Ghesquières H., et al. Deep-Learning Assessed Muscular Hypodensity Independently Predicts Mortality in DLBCL Patients Younger than 60 Years. Cancers. 2021;13;18:4503. doi:10.3390/cancers13184503
17. Han Q., Kim S.I., Yoon S.H., et al. Impact of Computed Tomography-Based, Artificial Intelligence-Driven Volumetric Sarcopenia on Survival Outcomes in Early Cervical Cancer. Front Oncol. 2021;11:741071. doi:10.3389/fonc.2021.741071
18. Ying T., Borrelli P., Edenbrandt L., et al. Automated Artificial Intelligence-Based Analysis of Skeletal Muscle Volume Predicts Overall Survival after Cystectomy for Urinary Bladder Cancer. Eur Radiol Exp. 2021;5;1:50. doi:10.1186/s41747-021-00248-8
19. Laur O., Weaver M.J., Bridge C., et al. Computed Tomography-Based Body Composition Profile as a Screening Tool for Geriatric Frailty Detection. Skeletal Radiol. 2022;51;7:1371-1380. doi:10.1007/s00256-021-03951-0
20. Kim S.I., Chung J.Y., Paik H., et al. Prognostic Role of Computed Tomography-Based, Artificial Intelligence-Driven Waist Skeletal Muscle Volume in Uterine Endometrial Carcinoma. Insights Imaging. 2021;12;1:192. doi:10.1186/s13244-021-01134-y
21. Faron A., Opheys N.S., Nowak S., et al. Deep Learning-Based Body Composition Analysis Predicts Outcome in Melanoma Patients Treated with Immune Checkpoint Inhibitors. Diagnostics. 2021;11;12:2314. doi:10.3390/diagnostics11122314
22. Massaad E., Bridge C.P., Kiapour A., et al. Evaluating Frailty, Mortality, and Complications Associated with Metastatic Spine Tumor Surgery Using Machine Learning–Derived Body Composition Analysis. J Neurosurg Spine. 2022;37;2:263-273. doi:10.3171/2022.1.SPINE211284
23. Somasundaram E., Castiglione J.A., Brady S.L., Trout A.T. Defining Normal Ranges of Skeletal Muscle Area and Skeletal Muscle Index in Children on CT Using an Automated Deep Learning Pipeline: Implications for Sarcopenia Diagnosis. Am J Roentgenol. 2022;219;2:326-336. doi:10.2214/AJR.21.27239
24. Beetz N.L., Geisel D., Shnayien S., et al. Effects of Artificial Intelligence-Derived Body Composition on Kidney Graft and Patient Survival in the Eurotransplant Senior Program. Biomedicines. 2022;10;3:554. doi:10.3390/biomedicines10030554
25. Beetz N.L., Geisel D., Maier C., et al. Influence of Baseline CT Body Composition Parameters on Survival in Patients with Pancreatic Adenocarcinoma. J Clin Med. 2022;11;9:2356. doi:10.3390/jcm11092356
26. Kim D.W., Ahn H., Kim K.W., et al. Prognostic Value of Sarcopenia and Myosteatosis in Patients with Resectable Pancreatic Ductal Adenocarcinoma. Korean J Radiol. 2022;23;11:1055. doi:10.3348/kjr.2022.0277
27. Hosch R., Kattner S., Berger M.M., et al. Biomarkers Extracted by Fully Automated Body Composition Analysis from Chest CT Correlate with SARS-CoV-2 Outcome Severity. Sci Rep. 2022;12;1:16411. doi:10.1038/s41598-022-20419-w
28. Nandakumar B., Baffour F., Abdallah N.H., et al. Sarcopenia Identified by Computed Tomography Imaging Using a deep Learning–Based Segmentation Approach Impacts Survival in Patients with Newly Diagnosed Multiple Myeloma. Cancer. 2023;129;3:385-392. doi:10.1002/cncr.34545
29. Lee J.Y., Kim K.W., Ko Y., et al. Serial Changes in Body Composition and the Association with Disease Activity during Treatment in Patients with Crohn’s Disease. Diagnostics. 2022;12;11:2804. doi:10.3390/diagnostics12112804
30. Keyl J., Hosch R., Berger A., et al. Deep Learning‐Based Assessment of Body Composition and Liver Tumour Burden for Survival Modelling in Advanced Colorectal Cancer. J Cachexia Sarcopenia Muscle. 2023;14;1:545-552. doi:10.1002/jcsm.13158
31. Lee J.H., Choi S.H., Jung K.J., Goo J.M., Yoon S.H. High Visceral Fat Attenuation and Long‐Term Mortality in a Health Check‐Up Population. J Cachexia Sarcopenia Muscle. 2023;14;3:1495-1507. doi:10.1002/jcsm.13226
32. Borrelli A., Pecoraro M., Del Giudice F., et al. Standardization of Body Composition Status in Patients with Advanced Urothelial Tumors: the Role of a CT-Based AI-Powered Software for the Assessment of Sarcopenia and Patient Outcome Correlation. Cancers. 2023;15;11:2968. doi:10.3390/cancers15112968
33. He M., Chen Z.F., Zhang L., et al. Associations of Subcutaneous Fat Area and Systemic Immune-inflammation Index with Survival in Patients with Advanced Gastric Cancer Receiving Dual PD-1 and HER2 Blockade. J Immunother Cancer. 2023;11;6:e007054. doi:10.1136/jitc-2023-007054
34. Park S.J., Yoon J.H., Joo I., Lee J.M. Newly Developed Sarcopenia after Liver Transplantation, Determined by a Fully Automated 3D Muscle Volume Estimation on Abdominal CT, can Predict Post-Transplant Diabetes Mellitus and Poor Survival Outcomes. Cancer Imaging. 2023;23;1:73. doi:10.1186/s40644-023-00593-4
35. Mangana Del Rio T., Sacleux S.C., Vionnet J., et al. Body Composition and Short-Term Mortality in Patients Critically Ill with Acute-on-Chronic Liver Failure. JHEP Rep. 2023;5;8:100758. doi:10.1016/j.jhepr.2023.100758
36. Nowak S., Kloth C., Theis M., et al. Deep Learning–Based Assessment of CT Markers of Sarcopenia and Myosteatosis for Outcome Assessment in Patients with Advanced Pancreatic Cancer after High-Intensity Focused Ultrasound Treatment. Eur Radiol. Published Online August 12, 2023. 2024 Jan;34;1:279-286. doi:10.1007/s00330-023-09974-6
37. Choi S., Yoon S.H., Sung J., Lee J.H. Association Between Fat Depletion and Prognosis of Amyotrophic Lateral Sclerosis: CT ‐Based Body Composition Analysis. Ann Neurol. 2023;94;6:1116-1125. doi:10.1002/ana.26775
38. Kim M., Lee S.M., Son I.T., Park T., Oh B.Y. Prognostic Value of Artificial Intelligence-Driven, Computed Tomography-Based, Volumetric Assessment of the Volume and Density of Muscle in Patients with Colon Cancer. Korean J Radiol. 2023;24;9:849. doi:10.3348/kjr.2023.0109
39. Tonnesen P.E., Mercaldo N.D., Tahir I., et al. Muscle Reference Values From Thoracic and Abdominal CT for Sarcopenia Assessment: the Framingham Heart Study. Invest Radiol. 2024 Mar 1;59;3:259-270. doi:10.1097/RLI.0000000000001012
40. Souza A.C., Rosenthal M.H., Moura F.A., et al. Body Composition, Coronary Microvascular Dysfunction, and Future Risk of Cardiovascular Events Including Heart Failure. Jacc Cardiovasc Imaging. . 2024 Feb;17;2:179-191. doi:10.1016/j.jcmg.2023.07.014
41. Blankemeier L., Yao L., Long J., et al. Skeletal Muscle Area on CT: Determination of an Optimal Height Scaling Power and Testing for Mortality Risk Prediction. Am J Roentgenol. 2024;222;1:e2329889. doi:10.2214/AJR.23.29889
42. Just I.A., Schoenrath F., Roehrich L., et al. Artificial Intelligence‐Based Analysis of Body Composition Predicts Outcome in Patients Receiving Long‐Term Mechanical Circulatory Support. J Cachexia Sarcopenia Muscle. 2024;15;1:270-280. doi:10.1002/jcsm.13402
43. Keyl J., Bucher A., Jungmann F., et al. Prognostic Value of Deep Learning-Derived Body Composition in Advanced Pancreatic Cancer – a Retrospective Multicenter Study. Esmo Open. 2024;9;1:102219. doi:10.1016/j.esmoop.2023.102219
44. Lee M.W., Jeon S.K., Paik W.H., et al. Prognostic Value of Initial and Longitudinal Changes in Body Composition in Metastatic Pancreatic Cancer. J Cachexia Sarcopenia Muscle. 2024;15;2:735-745. doi:10.1002/jcsm.13437
45. Weston A.D., Grossardt B.R., Garner H.W., et al. Abdominal Body Composition Reference Ranges and Association with Chronic Conditions in an Age- and Sex-Stratified Representative Sample of a Geographically Defined American Population. J Gerontol A Biol Sci Med Sci. 2024;79;4:glae055. doi:10.1093/gerona/glae055
46. Suthakaran R., Cao K., Arafat Y., et al. Body Composition Assessment by Artificial Intelligence Can Be a Predictive Tool for Short-Term Postoperative Complications in Hartmann’s Reversals. BMC Surg. 2024;24;1:111. doi:10.1186/s12893-024-02408-0
47. Pekař M., Jiravský O., Novák J., et al. Sarcopenia and Adipose Tissue Evaluation by Artificial Intelligence Predicts the Overall Survival after TAVI. Sci Rep. 2024;14;1:8842. doi:10.1038/s41598-024-59134-z
48. Hanna P.E., Ouyang T., Tahir I., et al. Sarcopenia, Adiposity and Large Discordance between Cystatin C and Creatinine‐Based Estimated Glomerular Filtration Rate in Patients with Cancer. J Cachexia Sarcopenia Muscle. 2024;15;3:1187-1198. doi:10.1002/jcsm.13469
49. Cho S.W., Baek S., Han S., et al. Metabolic Phenotyping with Computed Tomography Deep Learning for Metabolic Syndrome, Osteoporosis and Sarcopenia Predicts Mortality in Adults. J Cachexia Sarcopenia Muscle. 2024 Aug;15;4:1418-1429. doi:10.1002/jcsm.13487
50. Sakamoto K., Hiraoka S. ichiro, Kawamura K., et al. Automated Evaluation of Masseter Muscle Volume: deep Learning Prognostic Approach in Oral Cancer. BMC Cancer. 2024;24;1:128. doi:10.1186/s12885-024-11873-y
51. Shen W., Punyanitya M., Wang Z., et al. Total Body Skeletal Muscle and Adipose Tissue Volumes: Estimation from a Single Abdominal Cross-Sectional Image. J Appl Physiol. 2004;97;6:2333-2338. doi:10.1152/japplphysiol.00744.2004
52. Martin L., Birdsell L., MacDonald N., et al. Cancer Cachexia in the Age of Obesity: Skeletal Muscle Depletion Is a Powerful Prognostic Factor, Independent of Body Mass Index. J Clin Oncol. 2013;31;12:1539-1547. doi:10.1200/JCO.2012.45.2722
53. Fearon K., Strasser F., Anker S.D., et al. Definition and Classification of Cancer Cachexia: an International Consensus. Lancet Oncol. 2011;12;5:489-495. doi:10.1016/S1470-2045(10)70218-7
54. Prado C.M., Lieffers J.R., McCargar L.J., et al. Prevalence and Clinical Implications of Sarcopenic Obesity in Patients with Solid Tumours of the Respiratory and Gastrointestinal Tracts: a Population-Based Study. Lancet Oncol. 2008;9;7:629-635. doi:10.1016/S1470-2045(08)70153-0
55. Carey E.J., Lai J.C., Wang C.W., et al. A Multicenter Study to Define Sarcopenia in Patients with End-Stage Liver Disease. Liver Transplant off Publ Am Assoc Study Liver Dis Int Liver Transplant Soc. 2017;23;5:625-633. doi:10.1002/lt.24750
56. Jong S.L., Young S.K., Eun Young K., Wook J. Prognostic Significance of CT-Determined Sarcopenia in Patients with Advanced Gastric Cancer | PLOS ONE. 2018 Aug20;13:8:e0202700. https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0202700
57. Morley J.E., Anker S.D., von Haehling S. Prevalence, Incidence, and Clinical Impact of Sarcopenia: Facts, Numbers, and Epidemiology-Update 2014. J Cachexia Sarcopenia Muscle. 2014;5;4:253-259. doi:10.1007/s13539-014-0161-y
58. Prado C.M.M., Baracos V.E., McCargar L.J., et al. Sarcopenia as a Determinant of Chemotherapy Toxicity and Time to Tumor Progression in Metastatic Breast Cancer Patients Receiving Capecitabine Treatment. Clin Cancer Res off J Am Assoc Cancer Res. 2009;15;8:2920-2926. doi:10.1158/1078-0432.CCR-08-2242
59. Zhuang C.L., Huang D.D., Pang W.Y., et al. Sarcopenia is an Independent Predictor of Severe Postoperative Complications and Long-Term Survival after Radical Gastrectomy for Gastric Cancer: Analysis from a Large-Scale Cohort. Medicine (Baltimore). 2016;95;13:e3164. doi:10.1097/MD.0000000000003164
60. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. Medical Image Computing and Computer-Assisted Intervention – MICCAI 2015. Lecture Notes in Computer Science. Springer International Publ., 2015:234-241. doi:10.1007/978-3-319-24574-4_28
61. Trägårdh E, Borrelli P, Kaboteh R, et al. Recomia – a Cloud-Based Platform for Artificial Intelligence Research in Nuclear Medicine and Radiology. EJNMMI Phys. 2020;7:51. doi:10.1186/s40658-020-00316-9
62. Myronenko A. 3D MRI Brain Tumor Segmentation Using Autoencoder Regularization. Published Online 2018 Nov;1:311-320. doi:10.48550/ARXIV.1810.11654
63. Huang G., Liu Z., van der Maaten L., Weinberger K.Q. Densely Connected Convolutional Networks. 2016;1:069-93. Published online January 28, 2018. doi:10.48550/arXiv.1608.06993
64. Yushkevich P.A., Piven J., Hazlett H.C., et al. User-Guided 3D Active Contour Segmentation of Anatomical Structures: Significantly Improved Efficiency and Reliability. NeuroImage. 2006;31;3:1116-1128. doi:10.1016/j.neuroimage.2006.01.015
65. Сморчкова А.К., Петряйкин А.В., Артюкова З.Р. MosMedData: набор диагностических компьютерно-томографических изображений органов брюшной полости на уровне L3 позвонка с сегментацией скелетной мышечной и внутримышечной жировой тканей: Свидетельство о государственной регистрации базы данных №2023624494; Российская Федерация; заявл. 28.11.2023; опубл. 08.12.2023 [Smorchkova A.K., Petryaykin A.V., Artyukova Z.R. MosMedData: Nabor Diagnosticheskikh Komp’yuterno-Tomograficheskikh Izobrazheniy Organov Bryushnoy Polosti na Urovne L3 Pozvonka s Segmentatsiyey Skeletnoy Myshechnoy i Vnutrimyshechnoy Zhirovoy Tkaney = MosMedData: a Set of Diagnostic Computed Tomographic Images of Abdominal Organs at the Level of the L3 Vertebra with Segmentation of Skeletal Muscle and Intramuscular Adipose Tissue. Certificate of State Registration of the Database No. 2023624494. Russian Federation, declared 28.11.2023, published 08.12.2023 (In Russ.)].
66. van Vugt J.L.A., Coebergh van den Braak R.R.J., Schippers H.J.W., et al. Contrast-Enhancement Influences Skeletal Muscle Density, but not Skeletal Muscle Mass, Measurements on Computed Tomography. Clin Nutr Edinb Scotl. 2018;37;5:1707-1714. doi:10.1016/j.clnu.2017.07.007
67. Васильев Ю.А., Владзимирский А.В., Омелянская О.В., Арзамасов К.М., Четвериков С.Ф., Румянцев Д.А., Зеленова М.А. Методология тестирования и мониторинга программного обеспечения на основе технологий искусственного интеллекта для медицинской диагностики // Digital Diagnostics. 2023. Т.4. №3. C. 252-267 [Vasil’yev Yu.A., Vladzimirskiy A.V., Omelyanskaya O.V., Arzamasov K.M., Chetverikov S.F., Rumyantsev D.A., Zelenova M.A. Methodology of Testing and Monitoring Software Based on Artificial Intelligence Technologies for Medical Diagnostics. Digital Diagnostics. 2023;4;3:252-267 (In Russ.)]. doi: 10.17816/DD321971
PDF (RUS) Полная версия статьи
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Финансирование. Данная работа подготовлена авторами в рамках НИОКР «Разработка и создание аппаратно-программного комплекса для оппортунистического скрининга остеопороза» (№ ЕГИСУ: 123031400007–7) в соответствии с приказом Департамента здравоохранения города Москвы от 21.12.2022 No 1196 «Об утверждении государственных заданий, финансовое обеспечение которых осуществляется за счёт средств бюджета города Москвы государственным бюджетным (автономным) учреждениям подведомственным Департаменту здравоохранения города Москвы, на 2023 год и плановый период 2024 и 2025 гг.».
Участие авторов. Cтатья подготовлена с равным участием авторов.
Поступила: 20.10.2024. Принята к публикации: 25.11.2024.
Медицинская радиология и радиационная безопасность. 2025. Том 70. № 1
DOI:10.33266/1024-6177-2025-70-1-102-108
А.В. Озерская1, 2, О.Н. Бадмаев1, Н.В. Шепелевич1, Н.А. Токарев1,
С.Ю. Липайкин1, Н.Г. Чанчикова1, Н.А. Лузан2, А.А. Кошманова2,
Т.Н. Замай2, 3, И.И. Воронковский2, А.С. Лунёв4, А.С. Кичкайло2, 3
ОЦЕНКА РАДИАЦИОННОЙ НАГРУЗКИ НА ОРГАНЫ
И ТКАНИ ОТ РАДИОФАРМАЦЕВТИЧЕСКОГО ПРЕПАРАТА
НА ОСНОВЕ АПТАМЕРА ДЛЯ ПЭТ/КТ ВИЗУАЛИЗАЦИИ РАКА ЛЕГКИХ
1 Федеральный Сибирский научно-клинический центр ФМБА России, Красноярск
2 Красноярский государственный медицинский университет им. профессора В.Ф. Войно-Ясенецкого
Минздрава России, Красноярск
3 Красноярский научный центр Сибирского отделения РАН, Красноярск
4 Федеральный медицинский биофизический центр им. А.И. Бурназяна ФМБА России, Москва
Контактное лицо: Анастасия Витальевна Озерская, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
РЕФЕРАТ
Введение: Аптамеры, выступающие в качестве основы для радиофармацевтических лекарственных препаратов (РФЛП) на основе углерода-11, зарекомендовали себя как высокочувствительные и специфичные агенты для визуализации опухолевых очагов и их метастазов. Однако отсутствие знаний о закономерностях их метаболизма в организме и радиационной нагрузки на органы в значительной степени препятствует их клиническому применению. Чтобы заполнить этот пробел, было проведено исследование биораспределения РФЛП на основе аптамера LC-18 и углерода-11, а также оценка радиационной нагрузки на органы и ткани in vivo у мышей.
Цель: Оценить дозы радиационного облучения органов, тканей и всего тела при внутривенном введении радиофармацевтического препарата на основе аптамера LC-18, меченного углеродом-11, для получения сведений о безопасности его дальнейшего применения в целях диагностики методом ПЭТ/КТ.
Материал и методы: В исследовании использован комплекс 11CH3-LC-18, полученный в лаборатории горячего синтеза отделения ПЭТ Центра ядерной медицины ФСНКЦ на модуле синтеза Synthra MeIPlus из аптамера, модифицированного тиоловой группой. Оценку поглощенных доз после однократного внутривенного введения препарата проводили на десяти здоровых линейных ICR мышах (31,2 ± 3,9 г) обоего пола (мыши получены из вивария КрасГМУ им. проф. В.Ф.Войно-Ясенецкого Минздрава России). Активность препарата, аккумулированного в органах и тканях, определяли радиометрически с использованием Dose Calibrator ISOMED 2010. Данные о биораспределении комплекса 11CH3-LC-18 в организме мышей экстраполировали на стандартизованную модель организма человека для расчета поглощенных доз в тканях и во всем теле.
Результаты: По результатам расчетов, проведенных в программе OLINDA/EXM 1.0, установлено, что наибольшие поглощенные дозы при введении 200 МБк радиофармацевтического препарата отмечаются в тонкой кишке (3,67 ± 0,40 мГр), почках (2,68 ± 0,32 мГр), печени (2,00 ± 0,16 мГр), селезенке (1,42 ± 0,17 мГр) и на стенках желудка (1,35 ± 0,14 мГр). Наименьшее накопление отмечается в коже (0,48 ± 0,05 мГр), головном мозге (0,51 ± 0,06 мГр) и щитовидной железе (0,58 ± 0,06 мГр). Установлено, что экстраполированные поглощенные дозы не превышают пороговых значений, отмеченных НКДАР ООН и МКРЗ, и не наносят вреда организму.
Заключение: Рассчитанные прогностические значения поглощенных доз в органах и тканях позволяют сделать вывод о безопасности исследованного радиофармацевтического препарата на основе аптамера LC-18, меченного углеродом-11.
Ключевые слова: ПЭТ, РФЛП, аптамеры, углерод-11, поглощенные дозы, мыши
Для цитирования: Озерская А.В., Бадмаев О.Н., Шепелевич Н.В., Токарев Н.А., Липайкин С.Ю., Чанчикова Н.Г., Лузан Н.А., Кошманова А.А., Замай Т.Н., Воронковский И.И., Лунёв А.С., Кичкайло А.С. Оценка радиационной нагрузки на органы и ткани от радиофармацевтического препарата на основе аптамера для пэт/кт визуализации рака легких // Медицинская радиология и радиационная безопасность. 2025. Т. 70. № 1. С. 102–108. DOI:10.33266/1024-6177-2025-70-1-102-108
Список литературы
1. Li L., Xu S., Yan H., et al. Nucleic Acid Aptamers for Molecular Diagnostics and Therapeutics: Advances and Perspectives // Angewandte Chemie. 2020. V.60. No.5. P. 2221-2231. doi: 10.1002/anie.202003563.
2. Wang T., Chen C., Larcher L.M., Barrero R.A., Veedu R.N. Three Decades of Nucleic Acid Aptamer Technologies: Lessons learned, Progress and Opportunities on aptamer Development // Biotechnology Advances. 2019. V.37. No.1. P. 28-50. doi: 10.1016/j.biotechadv.2018.11.001.
3. Zhou J., Rossi J. Aptamers as Targeted Therapeutics: Current Potential and Challenges // Rev Drug Discov. 2017. No.16. P. 181-202. doi: 10.1038/nrd.2016.199.
4. Tan W., Donovan M.J., Jiang J. Aptamers from Cell-Based Selection for Bioanalytical Applications // Chem. Rev. 2013. V. 113. No.4. P. 2842-2862. doi: 10.1021/cr300468w.
5. Kichkailo A.S., Narodov A.A., Komarova M.A., et al. Development of DNA Aptamers for Visualization of Glial Brain Tumors and Detection of Circulating Tumor Cells // Molecular Therapy: Nucleic Acids. 2023. V.32. No. 267-288. doi: 10.1016/j.omtn.2023.03.015.
6. Озерская А.В., Белугин К.В., Белкин С.А., Чанчикова Н.Г., Токарев Н.А., Кичкайло А.С., Замай Т.Н., Баранкин Б.В. Способ получения активной фармацевтической субстанции для синтеза радиофармпрепарата, тропного к клеткам карциномы Эрлиха: Патент РФ. 2711645. Заявл. 26.06.2019. Опубл. 17.01.2020.
7. Ding D., Zhao H., Wei D., Yang Q., et al. The First-in-Human Whole-Body Dynamic Pharmacokinetics Study of Aptamer // Research. 2023. No.6. P. 1-12. doi: 10.34133/research.0126.
8. Гранов А.М., Тютин Л.А., Костеников Н.А., Штуковский О.А. и др. Семнадцатилетний опыт использования позитронной эмиссионной томографии в клинической практике (достижения и перспективы развития) // Медицинская визуализация. 2013. №2. С. 41-52.
9. Farzin L., Shamsipur M., Moassesi M.E., Sheibani S. Clinical Aspects of Radiolabeled Aptamers in Diagnostic Nuclear Medicine: A new Class of Targeted Radiopharmaceuticals // Bioorganic and Medicinal Chemistry. 2019. V.27. No.12. P. 2282-2291. doi: 10.1016/j.bmc.2018.11.031.
10. Иванов И.В., Ушаков И.Б. Основные подходы к экстраполяции данных с животных на человека в радиобиологическом эксперименте // Медицинская радиология и радиационная безопасность. 2020. Т. 65. №3. С. 5-12. doi: 10.12737/1024-6177-2020-65-3-5-12.
11. Estrada S., Elgland M., Selvaraju R.M., Mani K., Tegler G., et al. Preclinical Evaluation of [11C]GW457427 as a Tracer for Neutrophil Elastase // Nuclear Medicine and Biology. 2022. No.106. P. 62-71. doi: 10.1016/j.nucmedbio.2022.01.001.
12. Blau M. Radiation Dosimetry of 131-I-19-Iodocholesterol: The Pitfalls of Using Tissue Concentration Data // J Nucl Med. 1975. V.16. No.3. P. 247-9. PMID: 1113178.
13. Tolvanen T., Yli-Kerttula T., Ujula T., Autio A., Lehikoinen P., et al. Biodistribution and Radiation Dosimetry of [11C]Choline: a Comparison between Rat and Human Data // Eur J Nucl Med Mol Imaging. 2010. V.37. P. 874-883. doi: 10.1007/s00259-009-1346-z.
14. Лунев А.С., Клементьева О.Е., Кодина Г.В. Расчетные исследования прогнозных значений поглощенных доз для оценки безопасности радиофармацевтического препарата 68Ga-цитрат // Медицинская радиология и радиационная безопасность. 2015. Т.60. №4. С. 19-26.
15. Малаховский В.Н., Труфанов Г.Е., Рязанов В.В. Радиационная безопасность при радионуклидных исследованиях. СПб.: Медицина, 2008. 136 c.
16. Cherry S.R., Dahlbom M. PET: Physics, Instrumentation, and Scanners. NY: Springer, 2006. P. 1-117. doi: 10.1007/0-387-34946-4_1.
17. Charles M. UNSCEAR report 2000: Sources and Effects of Ionizing Radiation. United Nations Scientific Comittee on the Effects of Atomic Radiation // J Radiol Prot. 2001. V.21. No.1. P. 83-6. doi: 10.1088/0952-4746/21/1/609.
18. Публикация 103 Международной Комиссии по радиационной защите (МКРЗ) / Пер с англ. / Под общей ред. М.Ф. Киселёва и Н.К.Шандалы. М.: Алана, 2009. 344 c.
19. Xie T., Zaidi H. Evaluation of Radiation Dose to Anthropomorphic Paediatric Models from Positron-Emitting Labelled Tracers // Phys. Med. Biol. 2014. V.59. No.5. P. 1165-1187. doi: 10.1088/0031-9155/59/5/1165.
20. Seltzer M.A., Jahan S.A., Sparks R., Stout D.B., et al. Radiation Dose Estimates in Humans for (11)C-Acetate Whole-Body Pet // J Nucl Med. 2004. V.45. No.7. P. 1233-6. PMID: 15235071.
PDF (RUS) Полная версия статьи
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Финансирование. Работа выполнена в рамках государственного задания ФГБУ ФСНКЦ ФМБА России на 2022 год и на плановый период 2023 и 2024 годов “Осуществление синтеза, изучение специфического действия и безопасности нового экспериментального препарата на основе аптамера меченного углеродом-11, предназначенного для диагностики рака легкого методом ПЭТ/КТ”. Постановку метода синтеза олигонуклеотида и определение его структуры проводили за счет средств Министерства образования и науки РФ FWES-2022-0005.
Участие авторов. Cтатья подготовлена с равным участием авторов.
Поступила: 20.10.2024. Принята к публикации: 25.11.2024.