Hasil Pencarian  ::  Simpan CSV :: Kembali

"Individual Treatment Planning (ITP) direkomendasikan dalam peptide receptor radionuclide therapy (PRRT). Namun, metode Fixed Dose Treatment Planning (FDP) telah sering dipilih daripada ITP di klinik karena kompleksitas dan beban kerja yang tinggi dari pengukuran biokinetik yang dibutuhkan dalam ITP. Oleh karena itu, dalam penelitian ini dilakukan studi Population and Covariate Model (POPCOV) untuk menyederhanakan proses ITP dengan menggunakan parameter yang mudah diukur, daripada menggunakan data biokinetik untuk melakukan ITP di PRRT dengan minimal Physiologically Based Pharmacokinetic (mPBPK) Model. Semua sistem biologis yang bersifat penting dalam PRRT seperti ginjal dan darah dikembangkan dalam model mPBPK. Data biokinetik dari 9 pasien dengan meningioma atau tumor neuroendokrin setelah injeksi pra-terapi yaitu 111In-DOTATATE digunakan untuk pengembangan model. Metode POPCOV digunakan untuk memprediksi parameter yang tidak diketahui dari model mPBPK menggunakan masing-masing kovariat. Adapun unknown/fitted parameter yang diestimasi yaitu reseptor densitas di ginjal (Rk) reseptor densitas di organ rest (RRest) laju degradasi (λrelease) dan laju pengikatan peptida ke albumin dalam darah (konAlb). Selain itu, tujuh parameter kovariat dari pasien yang digunakan untuk analisis, yaitu berat badan, usia, luas permukaan tubuh (BSA), laju filtrasi glomerulus (GFR), volume ginjal, volume limpa, dan volume hati. Metode seleksi bertahap (forward dan backward) digunakan untuk pemilihan kovariat dan penentuan final model POPCOV. Dalam tahap evaluasi dan validasi final model POPCOV diuji dengan membandingkan time integrated activity coefficient (TIACs) ​​dari FDP dan metode ITP konvensional. Berdasarkan analisis metode POPCOV, GFR diidentifikasi sebagai kovariat terbaik untuk Rk untuk variasi data biokinetik yang berbeda dan RRest untuk 9 data biokinetik. Adapun final model kovariat untuk Rk dengan 11 data biokinetik adalah [Rk] (10-15mol/l) = 6.32x106*(GFR/0.09)(0.67), Rk dengan 10 data biokinetik adalah [Rk] (10-15mol/l) = 6.28x106*(GFR/0.10)(0.80), Rk dengan 9 data biokinetik adalah [Rk] (10-15mol/l) = 6.37x106*(GFR/0.11)(1.18), dan RRest dengan 9 data biokinetik adalah [RRest] (10-15mol/l) = 0.17x106*(GFR/0.11)(1.01). Hasil ini menunjukkan bahwa kinerja POPCOV sekitar 20% lebih baik daripada FDP untuk ginjal. Hasil penelitian menunjukkan bahwa metode POPCOV dapat digunakan sebagai metode alternatif dalam PRRT untuk memprediksi TIAC ginjal jika data biokinetik individu tidak tersedia.

---

ABSTRACTIndividual Treatment Planning (ITP) is recommended in Peptide-Receptor Radionuclide Therapy (PRRT). However, Fixed Dose Treatment Planning (FDP) method has been frequently chosen over the ITP in the clinic due to the complexities and high workload of the biokinetic measurements. In this study, a Population and Covariate Model (POPCOV) was implemented to simplify the ITP process by using easy measured parameters, instead of using the biokinetic data, to perform ITP in PRRT with minimal Physiologically based Pharmacokinetic (mPBPK) model. All important biological systems in PRRT, e.g. kidneys and blood, were modeled using the developed mPBPK model. The biokinetic data of 9 patients with meningioma or neuroendocrine tumors after pre-therapeutic injection of 111In-DOTATATE was used for the model development. POPCOV method was used to predict the unknown parameters of the PBPK model using the individual covariates. The unknown parameters were the receptor density in the kidney (Rk), receptor density in the rest organ (RRest), degradation rate (λrelease) and binding rate of peptide to the albumin in blood (konAlb). Seven individual covariates of the investigated patients were used for the analysis, i.e. body weight, age, body surface area (BSA), glomerular filtration rate (GFR), kidneys volume, spleen volume, and liver volume. Stepwise selection procedures (forward selection and backward elimination) were used for the covariate selection and the derivation of the final model. The performance of the final model was tested by comparing the predicted time integrated activity coefficient (TIACs) from the FDP and conventional ITP method. Based on POPCOV analysis, GFR was identified as the best covariate for Rk with variations of different biokinetic data and RRest for 9 biokinetic data. The final covariate model of Rk with 11 biokinetic data was: [Rk] (10-15mol/l) = 6.32x106*(GFR/0.09)(0.67), Rk with 10 biokinetic data was: [Rk] (10-15mol/l) = 6.28x106*(GFR/0.10)(0.80), Rk with 9 biokinetic data was: [Rk] (10-15mol/l) = 6.37x106*(GFR/0.11)(1.18), and RRest with 9 biokinetic data was: [RRest] (10-15mol/l) = 0.17x106*(GFR/0.11)(1.01). These results indicated that the performance of POPCOV was around 20% better than the FDP for the kidneys. The results showed that the POPCOV method can be used as an alternative method in PRRT to predict kidneys TIACs in case where the individual biokinetic data is unavailable."

"Di dalam studi ini, kami mengidentifikasi parameter fisiologis yang paling penting dalam menentukan dosis serap (DS) individual organ at risk (OAR) dan tumor di dalam Peptide-receptor radionuclide therapy (PRRT). Oleh karena itu, global sensitivity analysis (GSA) dengan metode Sobol dan model physiologically-based pharmacokinetic (PBPK) digunakan. Model PBPK seluruh-tubuh yang telah dibangun untuk perencanaan pengobatan PRRT untuk pasien-pasien meningioma digunakan. Parameter-parameter fisiologis of interest untuk analisis GSA merupakan parameter yang sebelumnya telah diestimasi dari data biokinetik dan dilaporkan di dalam literature, yaitu densitas reseptor organ Rd, aliran serum organ f, laju degradasi, dan laju pengikatan peptide. GSA dengan metode Sobol dipilih berdasarkan akurasinya untuk studi-studi sensitivitas. Sebuah toolbox GSA berbasis MATLAB yang umum digunakan (https://www.safetoolbox.info/) dan program in-house berbasis software MATLAB  (versi R2018b) digunakan untuk analisis. Metode sampling dengan distribusi log-normal digunakan untuk menghindari nilai-nilai negatif dari parameter-parameter yang disampel. Efek-efek utama S_i dan efek-efek total S_Ti dihitung dan dianalisis menggunakan program GSA dan model PBPK untuk identifikasi pentingnya masing-masing parameter model i untuk individualisasi DS di dalam PRRT. Untuk menjamin konvergensi dari nilai S_i and S_Ti, berbagai jumlah simulasi model hingga 15000 sampel digunakan. Variabilitas inter-individual DS tumor (koefisien variasi KV mencapai 97.05%) lebih tinggi dibandingkan OAR (mis. Ginjal KV sekitar 31.59%). Densitas reseptor teridentifikasi sebagai parameter yang paling penting yang menentukan DS dari tumor, mis. [Rd_TU2]: S_i = 0.856, S_Ti = 0.951. Hasil yang sama juga ditemukan untuk OAR dimana densitas reseptor memiliki efek utama dan efek total yang paling tinggi  [Rd_K]: S_i = 0.802, S_Ti = 0.963. Kami telah menunjukan implementasi GSA yang pertama kali dengan metode Sobol untuk identifikasi parameter-parameter yang paling penting untuk individualisasi DS di dalam PRRT. Hasil yang kami miliki menyarankan pengukuran yang akurat terhadap densitas-densitas reseptor untuk sebuah penentuan DS tumor dan OAR yang akurat.

---

In this study, we identified the most important physiologic parameters determining the individual organ at risk and tumor absorbed doses (ADs) in Peptide-receptor radionuclide therapy (PRRT). Therefore, a global sensitivity analysis (GSA) with Sobol method and a physiologically-based pharmacokinetic (PBPK) model were used. A whole-body PBPK model that has been developed for treatment planning in PRRT therapy for meningioma patients was used. The physiologic parameters of interest for the GSA analysis were the parameters that have been previously estimated from the biokinetic data and were reported in the literature, i.e. the organ receptor densities Rd, organ flows f, organ release rates, and peptide binding rate. GSA with Sobol method was chosen based on its accuracy for sensitivity studies. A widely used GSA MATLAB-based toolbox (https://www.safetoolbox.info/) and an in-house program based on MATLAB software (version R2019b) were used for the analysis. The sampling method with a log-normal distribution was used to avoid any negative values of the sampled parameters. The main effects Si and total effects STi were calculated and analyzed using the GSA program and the PBPK model to identify the importance of each model parameter i for the individualization of the ADs in PRRT. To warrant the convergence of the calculated Si and STi, various numbers of model simulations up to 15000 samples were used. The inter-individual variability of tumor ADs (coefficients of variation CV up to 97.05%) was higher than that in the organ at risk (e.g. kidneys CV around 31.59%). Receptor density was identified as the most important parameters determined the ADs of tumors, e.g. [RdTU2]: Si = 0.856, STi = 0.951. The same results was found for the organ at risk where the receptor density had the highest main effect and total effect values, e.g. [RdK]: Si = 0.802, STi = 0.963. We have shown the first implementation of the GSA with the Sobol method to identify the most important parameters for the individualization of the calculated ADs in PRRT. Our results suggested an accurate measurement of the receptor densities for an accurate determination of the tumor and organ at risk ADs."