Hasil Pencarian  ::  Simpan CSV :: Kembali

"Di Indonesia, praktik radioterapi molekuler masih dilakukan dengan metode fixed dose. Sementara penelitian menyatakan bahwa metode fixed dose memiliki tingkat eror yang besar. Salah satu pemodelan yang dapat diandalkan untuk melakukan simulasi, fitting, dan menganalisis perbedaan kondisi fisiologis dan biodistribusi pada setiap individu pasien berdasarkan data pra-klinis pada Peptide-Receptor Radionuclide Therapy (PRRT) adalah pemodelan Physiologically-Based Pharmacokinetics (PBPK). Dalam penelitian ini dilakukan pengembangan sebuah in-house software berbasis General User Interface (GUI) untuk dapat mengaplikasikan pemodelan PBPK dalam proses dosimetri pada PRRT menggunakan perangkat lunak MATLAB r2018b beserta aplikasi bawaannya, yaitu Simbiology dan App Designer. Penulis menggunakan data sekunder dan data pasien virtual yang didapatkan dengan menambahkan eror sebesar 1%, 2%, dan 3% terhadap data sekunder secara acak. Metode estimasi yang digunakan dalam pengembangan in-house software ini adalah non-linear fit (nlinfit) dengan error model proportional karena memiliki persentase deviasi relatif (%RD) dan persentase Coefficient of Variation (%CV) yang paling baik. Secara kualitatif, In-house software yang dikembangkan menghasilkan grafik Area Under the Curve (AUC) yang saling berhimpit dengan literatur serta grafik hasil fitting yang baik, sementara secara kuantitatif menghasilkan nilai AUC dan Time-Integrated Activity Coefficient (TIAC) dengan rata-rata %RD di bawah 10% dan %CV di bawah 50%. Nilai %RD didapatkan dengan membandingkan nilai perhitungan AUC dan estimated parameters antara hasil dari in-house software dengan literatur. Dari hasil tersebut, in-house software berbasis GUI yang dibangun dalam penelitian ini telah berhasil dalam melakukan simulasi, fitting, menghitung besar nilai AUC serta nilai TIAC secara akurat pada PRRT dengan menggunakan pemodelan PBPK.......In Indonesia, the practice of molecular radiotherapy is still carried out using the fixed-dose method. Meanwhile, research states that the fixed-dose method has a large error rate. One of the reliable models for simulating, fitting, and analyzing differences in physiological conditions and biodistribution in each individual patient based on pre-clinical data on Peptide-Receptor Radionuclide Therapy (PRRT) is Physiologically-Based Pharmacokinetics (PBPK) modeling. In this research, an in-house software based on General User Interface (GUI) was developed to be able to apply PBPK modeling in the dosimetry process on PRRT using the MATLAB r2018b software and its default applications, namely Simbiology and App Designer. The author uses secondary data and virtual patient data obtained by adding errors of 1%, 2%, and 3% to the secondary data randomly. The estimation method used in the development of this in-house software is non-linear fit (nlinfit) with proportional model error because it has the best percentage of relative deviation (%RD) and percentage of Coefficient of Variation (%CV). Qualitatively, the developed In-house software produces an Area Under the Curve (AUC) graph that coincides with the literature as well as a good fit graph, while quantitatively it produces AUC and Time-Integrated Activity Coefficient (TIAC) ​​values ​​with an average of % RD below 10% and CV below 50%. The %RD value is obtained by comparing the calculated AUC and estimated parameters between the results from the in-house software and the literature. From these results, the GUI-based in-house software built in this study has succeeded in performing simulations, fittings, calculating the AUC value and TIAC value accurately on PRRT using PBPK modeling."

"Tujuan penelitian ini untuk menentukan model terbaik dengan menggunakan fungsi sum of exponential (SOE) untuk menggambarkan biodistribusi dari radiofarmaka 111In-DOTATATE, mengevaluasi pengaruh dataset terhadap seleksi model, dan mengevaluasi pengaruh dari model error intraindividual terhadap perhitungan AUC pada radioterapi molekular. Penelitian ini menggunakan data sekunder berupa data biokinetik tumor pasien PRRT dari 4 pasien tumor meningioma dan 5 neuroendokrin setelah injeksi pra-terapi 111In-DOTATATE. Dari data tersebut dilakukan digitasi, dan data hasil digitasi di-fitting menggunakan 16 fungsi SOE. Model terbaik ditentukan dengan kriteria goodness of fit dan nilai pembobotan Corrected Akaike Information Criterion (AICc). Kemudian, dilakukan metode jackknife dengan menghilangkan data 1 pasien dan menentukan model terbaiknya. Kemudian, semua data di-fitting menggunakan model terbaik dengan beberapa model error, terdiri dari error konstan, proporsional dan eksponensial. Hasil model terbaik yang dapat menggambarkan biodistribusi radiofarmaka 111In-DOTATATE pada tumor ditunjukkan fungsi dengan pembobotan AICc 94,7%. Perubahan dataset tidak terlalu mempengaruhi seleksi model, sebagian besar hasil jackknife menunjukkan f3b sebagai model terbaik = 77,78% dan bukan model terbaik = 22,22%. Selain itu, Semua model error di-fitting dengan model terbaik menghasilkan nilai AUC yang hampir sama yaitu konstan = (3,09±2,70) nmol·min, proporsional = (3,09±2,69) nmol·min, dan eksponensial = (3,09±2,70) nmol·min. Berdasarkan hasil penelitian yang diperoleh, seleksi model dengan NLME menunjukkan hasil yang cukup stabil dan bentuk error konstan, proporsional dan eksponensial dapat digunakan dengan baik untuk menentukan AUC pada pasien PRRT yang diinjeksi dengan radiofarmaka 111In-DOTATATE.......The aim of the study was to determine the best model using the sum of exponential (SOE) function to describe the biodistribution of 111In-DOTATATE radiopharmaceuticals, evaluate the effect of the dataset on model selection, and evaluate the effect of the intraindividual error model on AUC calculations in molecular radiotherapy. This study used secondary data in the form of tumor biokinetic data from PRRT patients from 4 meningioma and 5 neuroendocrine tumor patients after pre-therapy 111In-DOTATATE Injection. The data was digitized, and the digitized data was fitted using 16 SOE functions. The best model was determined by the goodness of fit criteria and the Corrected Akaike Information Criterion (AICc) weighting. Next, the jackknife method was carried out by removing 1 patient's data and the best model was determined. Then, all the data was fitted using the best function with several error models, consisting of constant, proportional, and exponential errors. The result obtained was the best model that can describe the biodistribution of 111In-DOTATATE radiopharmaceuticals in tumors which is shown by the function with an AICc weighting of 94,7%. The results showed that there is an influence of the dataset on model selection. In general, the jackknife results showed f3b as the best function = 77,78% and not the best function = 22,22%. In additional, all error model fitted with the best function tent to be similar in the AUC calculation, i.e. constant = (3,09±2,70) nmol·min, proportional = (3,09±2,69) nmol·min, and exponential = (3,09±2,70) nmol·min. Based on the results of the study, model selection with NLME showed quite stable results and constant, proportional and exponential error forms could be used well to determine AUC in PRRT patients injected with 111In-DOTATATE radiopharmaceutical."

"Penelitian ini bertujuan untuk mengetahui pengaruh parameter fisiologis (PP) terhadap pemberian Lisin/Arginin yang optimal serta strategi yang dapat direkomendasikan untuk proteksi ginjal selama Peptide Receptor Radionuclide Therapy (PRRT) menggunakan model Physiologically-based Pharmacokinetic (PBPK). Pemodelan PBPK dilakukan untuk mendeskripsikan bio-distribusi Lisin/Arginin pada Lima pasien Tumor Neuroendokrin. Model PBPK yang sesuai dengan bio-distribusi Lisin/Arginin yang baru-baru ini dilaporkan dalam literatur digunakan sebagai kerangka dasar untuk analisis studi dalam penelitian ini. PP yang diteliti adalah aliran darah keluar dari organ menuju vena (Fout), laju klirens radiofarmaka dari organ (c), dan jumlah transporter dalam organ ginjal (TA). Simulasi dilakukan untuk mengetahui pengaruh PPs terhadap waktu optimal injeksi 90Y-DOTATATE (TI), durasi pemberian dosis lisin/arginin (DU), dan dosis lisin/arginin (DO). Setiap PP pada penilitian ini divariasikan ke ± SD, ± 25%, ± 50%, dan ± 75% dari nilai rata-rata. Nilai optimal TI, DU, dan DO ditentukan berdasarkan AUCTP (Area Under the Curve tubulus proximal) terkecil dari peptida di tubulus proksimal organ ginjal (Nilai AUCTP terkecil menunjukkan dosis serap organ ginjal yang kecil pula). Hasilnya, optimal TI, DU, dan DO adalah berbeda-beda untuk setiap pasien sehingga menunjukkan perlunya optimalisasi pemberian lisin/arginin secara individual untuk dilakukan. Kami juga menemukan bahwa PP memiliki efek marjinal dalam penentuan pemberian optimal lisin/arginin kecuali untuk parameter laju klirens radiofarmaka dari organ (c) yang memberikan perubahan besar terhadap nilai AUCTP. Koefisien variasi CV untuk parameter c adalah 58.08%, 55.97 %, dan 98.85% masing-masing untuk TI, DU, dan DO pada pasien tertentu. Hasil dari penelitian ini menunjukkan bahwa parameter yang paling penting pada tahapan optimalisasi pemberian Lisin/Arginin secara individual adalah laju klirens radiofarmaka dari organ (c). Selain itu, strategi optimalisasi pemberian lisin/arginin yang direkomendasikan untuk tiap individu akan berbeda berdasarkan nilai RD yang direkomendasikan yakni 10%.......This study aimed to determine the effect of the physiological parameters (PP) to the optimal administration of lysine/arginine for kidney protection during peptide-receptor radionuclide therapy (PRRT) using the Physiologically-based Pharmacokinetic (PBPK) model. Modeling of PBPK was performed to describe the bio-distribution of lysine/arginine in five patients of Neuroendocrine Tumor. The fitted PBPK model to the bio-distribution of lysine/arginine recently reported in the literature was used as the basic framework for the study‘s analysis in this study. The investigated PPs were blood flow out of the organ to the veins (Fout), radiopharmaceutical clearance rate from the organs (c), and the total number of kidneys receptor (RK). Simulations were performed to investigate the effect of the PPs to the optimal time of 90Y-DOTATATE injection (TI), the duration of the administered lysine/arginine dose (DU), and the lysine/arginine dose (DO). In these simulations, each PP was varied to the ±SD, ±25%, ±50%, and ±75% of the mean values. The optimal values of TI, DU, and DO were determined based on the smallest AUCTP (Area Under the Curve Proximal Tubular) of the peptide in the proximal tubule of the kidneys organ (The smallest AUCTP value indicates the smallest dose). As a result, the optimal TI, DO, and DU were different to each patient thus indicating the need to optimize the administration of lysine/arginine individually. We found that the PPs have a marginal effect on the determination of the optimal administration of the lysine/arginine except for the radiopharmaceutical clearance rate from the organs (c) parameter which gives a significant change in the AUCTP value. Coefficients of variation CV of c parameter up to 58.08%, 55.97 %, dan 98.85% for TI, DU, and DO, respectively in certain patients. Thus, the most important parameter in the later stage of optimizing the individual lysine/arginine administration was the radiopharmaceutical clearance rate from the organs (c). In addition, the recommended lysine/arginine administration strategy for each individual will differ based on the RD value of 10%."

"Hanscheid et al (2018) merumuskan suatu fungsi yang dapat menghitung Integrated Activity Coefficients (TIAC). Akan tetapi, Hanscheid et al., (2018) tidak mencantumkan proses untuk menentukan fungsi monoexponential yang digunakan sebagai acuan rumus tersebut. Adapun tujuan dari penelitian ini yaitu menentukan model terbaik untuk menghitung nilai Time- (TIAC) secara akurat melalui tahapan seleksi model, serta melihat pengaruh model terbaik yang diperoleh terhadap fungsi yang diformulasikan oleh Hanscheid et al., (2018) dalam menghitung TIAC. Data yang digunakan dalam penelitian ini yaitu 8 data biodistribusi radiofarmaka 177Lu-DOTATATE pada organ ginjal pasien peptide-receptor radionuclide therapy PRRT. Data di-fitting menggunakan sejumlah fungsi sum of exponential. Selanjutnya dilakukan seleksi model berupa analisis goodness of fit serta menghitung nilai error absolut dan pembobotan Corrected Akaike Information Criterion (AICc). Selanjutnya, dilakukan perhitungan nilai TIAC menggunakan fungsi terbaik, rumus one time point dosimetry (OTPD), dan persamaan monoeksponensial. Nilai relative deviation (RD) antara nilai TIAC OTPD terhadap nilai TIAC hasil seleksi model dan TIAC monoeksponensial dihitung. Hasil dari seleksi model menyatakan bahwa fungsi terbaik dalam menggambarkan biodistribusi radiofarmaka 177Lu-DOTATATE pada organ ginjal dari data 6 pasien PRRT adalah fungsi . Fungsi terbaik untuk data pasien 2 yaitu fungsi dan untuk pasien 8 yaitu fungsi Nilai mean dan standar deviasi dari RD TIAC OTPD terhadap TIAC monoeksponensial pada ginjal kiri yaitu (86,33 6,76)% pada t1, (21,56 18,09)% pada t2, (16,48 6,34)% pada t3, dan (19,85 11,96)% pada t4. Nilai mean dan standar deviasi dari RD TIAC OTPD terhadap TIAC model terbaik dari ginjal kiri yaitu yaitu (87,88 4,06)% pada t1, (25,69 19,95)% pada t2, (17,37 )% pada t3, dan (23,46 20,17)% pada t4. Nilai mean dan standar deviasi dari RD TIAC OTPD terhadap TIAC monoeksponensial ginjal kanan yaitu (86,91 5,27)% pada t1, (19,64 16,26)% pada t2, (12,63 2,22)% pada t3, dan (18,86 11,06)% pada t4. Nilai mean dan standar deviasi dari RD TIAC OTPD terhadap TIAC model terbaik yaitu (86,98 4,98)% pada t1, (18,31 15,85)% pada t2, (11,92 )% pada t3, dan (18,41 12,33)% pada t4. Berdasarkan hasil penelitian yang diperoleh, rumus OTPD sudah cukup baik untuk diaplikasikan secara klinis pada pasien PRRT yang diinjeksi dengan radiofarmaka 177Lu-DOTATATE.......H�nscheid et al (2018) found a function that can calculate TIAC by using a single time point measurement, so that with only one measurement, TIAC values can be obtained only in patients. The purpose of this study is to determine the best model to calculate TIAC values ??accurately through the model selection stage, and to see the effect of the best model obtained on the function formulated by H�nscheid et al., (2018) in calculating TIAC. The data used in this study were 8 data on the biodistribution of the radiopharmaceutical 177Lu-DOTATATE on renal organ peptide receptor radionuclide therapy of PRRT patients. Data adjustment using a number of exponential functions. After the fitting process is carried out, the model selection is carried out in the form of goodness of fit analysis and calculates the absolute weighting value and the AICc weighting. Next, the TIAC value is calculated using the best function, the one time point dosimetry (OTPD) formula, and the monoexponential equation. The relative deviation value (RD) between the TIAC OTPD values to the TIAC values ??from the model selection and the monoexponential TIAC was calculated. The result of model selection stated that the best function in describing the biodistribution of the radiopharmaceutical 177Lu-DOTATATE in the kidney from the data of 6 PRRT patients was the function . Meanwhile, the best function for patient 2 is the function and for patient 8, the function is . The mean and standard deviation of RD from TIAC OTPD to monoexponential TIAC in the left kidney is (86.33±6.76)% at t1, (21.56±18.09)% at t2, (16, 48±16.34)% at t3, and (19.85±11.96)% at t4. The mean and standard deviation of RD from TIAC OTPD to the best model TIAC of the left kidney is (87.88±4.06)% at t1, (25.69±19.95)% at t2, (17 .37±24.37)% at t3, and (23.46±20.17)% at t4. The mean and standard deviation of RD from TIAC OTPD to monoexponential TIAC in the right kidney is (86.91±5.27)% at t1, (19.64±16.26)% at t2, (12.63 ±12.22)% at t3, and (18.86±11.06)% at t4. The mean and standard deviation of RD from TIAC monoexponential TIAC to the best TIAC model in the right kidney is (86.98±4.98)% at t1, (18.31±15.85)% at t2, (11.92± 13.29)% at t3, and (18.41±12.33)% at t4. Based on the research, the TIAC OTPD seems to be good enough for clinical application in PRRT patients injected with the radiopharmaceutical 177Lu-DOTATATE."

"Tumor neuroendokrin (NET) adalah salah satu jenis tumor ganas yang dapat diobati menggunakan Peptide Receptor Radionuclide Therapy (PRRT). Metode Sum of Exponential (SOE) adalah sebuah fungsi eksponensial yang menjelaskan farmakokinetik dengan laju peluruhan fisis dan biologis. Data fitting metode SOE dan model Nonlinear Mixed Effect (NLME) membutuhkan computational setting seperti starting value yang baik. Penelitian ini bertujuan untuk mengetahui keakuratan kurva aktivitas yang dihasilkan pada pengaruh pemilihan starting value pada kasus full time point (FTP) dan single time point (STP) menggunakan metode SOE dan model NLME. Penelitian ini terbatas data biokinetik ginjal pada pasien terdiagnosis NETs dan meningioma menggunakan pengobatan PRRT. Proses pengukuran pre-terapi pada 8 pasien menggunakan radiofarmaka 111In-DOTATATE untuk mengetahui biokinetik pasien dengan aktivitas sekitar 140 ± 14 MBq (jumlah total peptida 75 ± 10 nmol) yang diinjeksi secara intravena. Dua tahap dilakukan dalam penelitian ini fitting pada dosimetri FTP dan STP. Fitting FTP menggunakan data biokinetik ginjal pada 5 time point yang berbeda, sedangkan untuk fitting STP hanya pada time point 4 (T4). Parameter yang diestimasi didapat dari fungsi SOE f(t)=A_1 (Ka Ke)/(Ke-Ka) [e^(-(Ka)t)-e^(-(Ke)t) ] terdiri dari absorption rate (Ka), clearance rate (Ke), dan analytical AUC (A_1). Variasi starting value dilakukan untuk seluruh parameter pada STP dengan variasi starting value (STP(v)). Nilai fixed effect pada FTP merupakan sebuah log transformasi. Starting value merupakan hasil eksponensial dari nilai fixed effect. Variasi starting value diberikan dengan pengali dan pembagi dari 1 hingga 10 pada starting value awal. Total fitting yang dilakukan sebanyak 54873 kali dengan FTP sebanyak 1 kali, STP starting value awal (STP(0)) sebanyak 8 kali, dan STP(v) sebanyak 54864 kali. Area Under the Curves (AUCs) yang diperoleh dari hasil simulasi FTP dan STP(0) dievaluasi dengan Relative Deviation (RD). Evaluasi hasil juga dilakukan untuk simulasi STP(v) terhadap FTP. Rata-rata RD STP(0) terhadap FTP untuk organ ginjal sebesar 1.51±0.93%. Sedangkan rata-rata RD STP(v) terhadap FTP untuk organ ginjal sebesar 1.13±1.06%. Kedua evaluasi hasil menunjukkan nilai yang akurat. Kesimpulan pada penelitian ini menunjukkan starting value pada fitting STP memberikan pengaruh dan dapat divariasikan dengan threshold parameter Ka (1.67×10^(-3) s.d. 2.79×10^(-5)) h^(-1), parameter Ke (6.29×10^(-2) s.d. 1.05×10^(-3)) h^(-1), dan parameter A_1 (4.00×10^4 s.d. 1.48×10^3) h^(-1). Range data nilai parameter Ka dan Ke sama dan organ ginjal pasien tidak dapat menyerap dan meluruhkan radiofarmaka secara cepat terlihat pada threshold hanya mencapai V5 (×6).......Neuroendocrine tumor (NET) is a type of malignant tumor that can be treated using Peptide Receptor Radionuclide Therapy (PRRT). The Sum of Exponential (SOE) method is an exponential function that describes pharmacokinetics with physical and biological decay rates. Data fitting of the SOE method and the Nonlinear Mixed Effect (NLME) model requires computational settings such as a good starting value. This study aims to determine the accuracy of the resulting activity curve on the effect of selecting the starting value in the full time point (FTP) and single time point (STP) cases using the SOE method and the NLME model. This study has limited data on renal biokinetics in patients diagnosed with NETs and meningioma using PRRT treatment. The pre-therapy measurement process in 8 patients used the 111In-DOTATATE radiopharmaceutical to determine the biokinetics of patients with an activity of around 140 ± 14 MBq (total peptide amount of 75 ± 10 nmol) which was injected intravenously. Two stages were carried out in this study fitting the FTP and STP dosimetry. The FTP fitting uses kidney biokinetic data at 5 different time points, while the STP fitting uses only at time point 4 (T4). The estimated parameter obtained from the SOE function f(t)=A_1 (Ka Ke)/(Ke-Ka) [e^(-(Ka)t)-e^(-(Ke)t) ] consists of absorption rate (Ka), clearance rate (Ke), and analytical AUC (A_1). Variation of the starting value is carried out for all parameters at STP with a variation of the starting value (STP(v)). The fixed effect value on FTP is a transformation log. The starting value is the exponential result of the fixed effect value. The variation of the starting value is given with a multiplier and divisor from 1 to 10 at the initial starting value. Total fittings were performed 54873 times with FTP 1 time, STP initial starting value (STP(0)) 8 times, and STP(v) 54864 times. Area Under the Curves (AUCs) obtained from FTP and STP(0) simulation results were evaluated with Relative Deviation (RD). Results evaluation was also carried out for STP(v) simulation against FTP. The mean RD STP(0) to FTP for kidney organs was 1.51±0.93%. Meanwhile, the mean RD STP(v) to FTP for kidney organs was 1.13 ± 1.06%. Both outcome evaluations showed accurate values. The conclusion of this study shows that the starting value of the STP fitting has an influence and can be varied with the threshold parameter Ka (1.67×10^(-3) to 2.79×10^(-5)) h^(-1), parameter Ke (6.29×10^(-2) to 1.05×10^(-3)) h^(-1), and parameter A_1 (4.00×10^4 to 1.48×10^3) h^(-1). The data range of Ka and Ke parameter values is the same and the patient's kidney cannot absorb and clearance radiopharmaceuticals quickly, it can be seen that the threshold only reaches V5 (×6)."

"Dalam menentukan perhitungan dosis serap yang optimal diperlukan nilai time-integrated activity coefficient (TIAC) yang akurat. Nilai TIAC diperoleh melalui fitting data menggunakan model fungsi matematis dengan metode Nonlinear Mixed-Effects Model (NLME). Fungsi terbaik diperoleh dengan melakukan model selection yang ditinjau melalui evaluasi Goodness of Fit. Namun, hasil dari model selection tidak selalu memenuhi Goodness of Fit sehingga sulit untuk mendapatkan fungsi terbaik, seperti halnya pada dosimetri lesi. Oleh karena itu, dibutuhkan metode yang dapat mengembangkan model selection dengan memperhatikan struktur parameter fungsi melalui optimisasi fixed effect dan random effect. Tujuan penelitian ini adalah mengetahui model fungsi matematis yang dapat menggambarkan data dan mengetahui pengaruh dari struktur parameter fungsi terhadap model selection. Data yang digunakan merupakan data biokinetik [111In]In-DOTATATE lesi dari 8 pasien yang diperoleh dari planar imaging. Fitting dilakukan menggunakan 13 fungsi Sum of Exponential (SOE). Fungsi yang tidak memenuhi Goodness of Fit dianalisa lebih lanjut dengan kombinasi fixed effectdan random effect. Pembobotan akaike digunakan untuk memilih fungsi yang paling merepresentasikan data. Fungsi terbaik yang diperoleh adalah fungsi dengan tidak mengestimasi nilai fixed effect dari parameter A1, Alpha, Lambda1 dan full random effectdimana memiliki nilai pembobotan akaike tertinggi sebesar 57,89%. Fungsi tersebut juga memiliki nilai maksimum Coefficient of Variation (CV) sebesar 39,71%. Penelitian ini berhasil menunjukan bahwa kombinasi fixed effect dan random effect berpengaruh terhadap model selection karena dapat mengurangi ketidakpastian dalam mengestimasi parameter melalui nilai Coefficient of Variation (CV) sehingga diperoleh fungsi terbaik dalam penentuan TIAC yang akurat pada dosimetri lesi.......In determining the calculation of the optimal absorbed dose, an accurate time-integrated activity coefficient (TIAC) value is required. TIAC values were obtained through data fitting using a mathematical function model with the Nonlinear Mixed-Effects Model (NLME) method. The best function is obtained by model selection which is determined by evaluated Goodness of Fit. However, the results of model selection do not always correspond to the Goodness of Fit, so it is difficult to obtain the best function, as is the case with lesion dosimetry. Therefore, a method is needed that can develop a model selection by examined the structure of function parameters through optimization of fixed effects and random effects. This study aims to determine the best function model that can describe the data and to determine the effect of the function parameter structure in model selection. Data lesion biokinetics of [111In]In-DOTATATE from eight patients acquired by planar imaging. Thirteen function Sum of Exponential (SOE) were used in fitting. The function not passing the Goodness of Fit test were fitted with a combination of fixed and random effect. The Akaike weights were used to select the fit function most supported by the data. The best function obtained is the function without estimating the fixed effect value of parameter A1, Alpha, Lambda1 dan full random effect which has the highest akaike weighting value of 57.89%. This function also has a maximum Coefficient of Variation (CV) value 39.71%. This study succeeded in showing that the combination of fixed effects and random effects had an effect on model selection because it reduced the Coefficient of Variation (CV) value so that the best function was obtained in determining the accurate TIAC in lesion dosimetry."