PDT是随着光纤技术、激光医学和内镜技术发展而兴起的一种肿瘤治疗的新方法
[10-12]。其原理为光敏剂在进入肿瘤细胞后,经特定波长的激光照射肿瘤细胞部位,光敏剂分子在吸收光能后跃迁至单旋激发态,然后在驰豫至三自旋激发态后释放能量返回基态时激发附近的三自旋基态氧分子而生成化学活性强的单自旋激发态氧分子,进而氧化R分子,当被氧化的R分子浓度超过阈值后导致宿主细胞的凋亡
[13-18]。与目前常用的外科手术、化疗和放疗等相比,它最大的优点在于可选择性杀伤肿瘤细胞,对正常细胞损害小。并可与其他疗法联合使用,具有良好的临床应用前景
[19-20]。
但光动力学治疗目前并不普及,主要由于生物组织光学和光动力学机制研究的滞后,目前光动力学临床治疗尚属经验方式,无法对不同病理情况的患者进行治疗方案设计和实时治疗监测,因而临床治疗效果会随医生的经验积累而大范围波动[21]。无论在国际与国内,目前光动力学癌症治疗的基础与临床研究均依赖于经验或定性模型,并缺乏准确有效的光学方法以监测及提高疗效。这极大制约了PDT的临床应用和发展[22]。
建立光动力治疗的定量数学模型,需要建立可描述光动力疗法中涉及到的多个过程的数学模型,包括物理过程,如光在组织中的分布和药物的扩散过程;化学过程,如光敏剂受光激发产生光毒性物质的过程;生物学过程,如血药浓度的变化,血液中氧浓度的变化等。尽管目前还没有一个能系统表达光动力疗法所有效应的模型,但是对这些独立的物理化学生物学过程已经进行了一些研究。其中文献[5]引入了基于蒙特卡洛(Monte Carlo)方法准确描述生物组织内光能量分布和描述分子动力学过程的速率方程组,为PDT的定量数学模型的进一步开发奠定了理论基础。通过与胡新华教授的合作,作者首次将上述PDT数学模型计算结果与肺癌细胞株A549的PDT实验结果比较,得出了与模拟计算趋势一致的结果。比较图1所示的实测细胞残存率与图2所示的未被氧化的受体分子R浓度的计算数据,不难发现这两组数据在不同光功率条件下与照射光能量的关系相当接近。这些结果表明,在PDT杀伤细胞的过程中,R分子浓度应与细胞残存率高度正相关,尽管其间的详细函数关系尚需更多实验与模型研究,上述结果第一次清楚地表明了定量描述PDT细胞模型的可行性。
为了使实验结果尽可能趋于理想化的数学模型条件,实验采用了严格的避光措施,使得在使用激光束照射单孔时,其散射光不能转播至邻近孔,造成照光能量测量误差。与传统PDT细胞实验所用的96孔细胞培育板不同,实验使用的是底部澄清的黑色96孔板,并在照射时用黑色遮光板遮住非照射孔以外的部位,保证严格避光;通过测量,保证每次照射时,激光束到细胞的距离与激光束到光功率计探头的距离保持相等;另外采用MTT方法测定细胞残存率,每个实验组均设标准曲线,保证MTT检测方法的线性关系良好。这些都可以减小实验误差。
本实验是在不同照光功率条件下测量细胞残存率与照射光能量的函数关系。从图1中可以看出:在照射光能量相同时,所测得的细胞残存率随照射光功率增加而增加,也即通常观察到到的光漂白(PHOTO BLEACHING)的效果[23-25]。将实验结果与图2所示的数学模型模拟结果比较,可观察到相同的趋势。在计算过程中使用了不同的双分子光漂白率kpb值,图2所示的受体分子R浓度结果是在kpb取为表1中所示的值条件下得到的;表现出到照光功率从40 mW增加至50 mW时其效果小于当功率从 20 mW增加至30 mW时的效果。这可解释为:在光能量或总光子数固定条件下,当光功率或单位时间光子数目增高时由于光漂白效果,光敏剂分子被快速氧化后失去吸收光子的能力而使杀伤细胞的能力减小或残存率增加,如方程(1)右边第2项所示。另外,随着光能量增加,测量结果与数学模拟结果也均显示细胞残存率减小,但数值存在差异。作者认为差别产生的原因主要来源于理论模型设定的细胞微环境与实验中的细胞实际环境有区别,如氧浓度、细胞对光敏剂的吸收率,模型中参数的取值等因素。
实验结果表明,对于PDT治疗恶性肿瘤,通过数学模型有可能通过在治疗前对所勾画出的肿瘤范围进行模拟计算,找出功率、能量的的最佳取值范围,针对不同患者个体进行定量评估,避免传统的经验性治疗带来的问题,有利于PDT的规范应用。