Treatment planning in electroporation-based therapies
- Autores: Enric Perera Bel
- Directores de la Tesis: Miguel Ángel González Ballester (dir. tes.), Antoni Ivorra Cano (codir. tes.)
- Lectura: En la Universitat Pompeu Fabra ( España ) en 2021
- Idioma: inglés
- Tribunal Calificador de la Tesis: Stefanie Speidel (presid.), Oscar Camara Rey (secret.), Bor Kos (voc.)
- Programa de doctorado: Programa de Doctorado en Tecnologías de la Información y las Comunicaciones por la Universidad Pompeu Fabra
- Materias:
- Enlaces
- Tesis en acceso abierto en: TDX
- Resumen
La electroporación es un fenómeno donde la permeabilidad de la membrana celular se ve aumentada cuando es expuesta a pulsos de campo eléctrico de alta intensidad [1]. Debido al incremento de permeabilidad, iones y macromoléculas pueden cruzar la membrana durante la electroporación. En función de la intensidad del campo, el efecto sobre la membrana puede ser transitorio (electroporación reversible), donde la membrana se recupera después de la exposición, o no (electroporación irreversible), donde la célula muere por la pérdida de la homeóstasis [2], [3].
Varias terapias médicas se basan en la electroporación, entre otras, la electroporación se usa para tratar tumores sólidos [4], [5]. Como solo las células se ven afectadas y la matriz extracelular permanece intacta, con la electroporación se pueden tratar tumores cercanos a tejidos vitales [6]. A pesar de esta clara ventaja respecto otras terapias físicas, la aplicación de terapias basadas en la electroporación es más compleja. Los tratamientos se tienen que planificar con precisión porqué el resultado es altamente dependiente do los parámetros del procedimiento y de las propiedades de los tejidos [7], [8].
En esta tesis se exploran métodos para modelar el volumen del tratamiento mediante terapias basadas en la electroporación y se desarrollan herramientas para planificar dichas terapias, principalmente para la ablación de tumores. Las contribuciones de esta tesis, resumiendo, han sido tres: el desarrollo de una plataforma web para ilustrar las dependencias durante terapias de electroporación entre el campo eléctrico y los parámetros del tratamiento; el desarrollo de una plataforma de planificación de tratamiento específica para cada paciente para terapias basadas en electroporación de forma rápida, sencilla, y precisa; y la caracterización y el modelado de la muerte celular debido a la sobreposición de tratamientos durante la electroporación.
Típicamente, el volumen tratado mediante terapias basadas en la electroporación se aproxima mediante el cálculo de la distribución del campo eléctrico y determinando la región cuya magnitud de campo sobrepasa un umbral [9], [10]. Sin embargo, cuando se emplean electrodos de aguja, la distribución del campo eléctrico resultante de la aplicación de un voltaje entre electrodos no es uniforme y es altamente dependiente del número de electrodos, de su posición, del voltaje aplicado entre pares de electrodos y de las propiedades del tejido [11]. Para ilustrar estas dependencias, en esta tesis se ha desarrollado una plataforma web, EView (https://eview.upf.edu), donde se simula campo eléctrico dada una configuración arbitraria de los electrodos y de los parámetros del tratamiento. Está enfocada para que estudiantes, investigadores y médicos puedan obtener una buena aproximación inicial del campo eléctrico, para demostrar las dependencias de los parámetros de tratamiento.
Con esta aplicación, el usuario simplemente necesita definir la geometría de los electrodos y los parámetros del tratamiento con las herramientas proporcionadas en el sitio web (cliente) ya que la simulación del campo eléctrico se computa en un servidor. El resultado de la simulación se descarga en el cliente y el usuario puede visualizarlo como una proyección encima de una imagen médica. Mediante esta arquitectura cliente-servidor, se consigue liberar el cliente de carga computacional, ya que solo dispone de las herramientas para definir los parámetros de tratamiento y para la visualización del campo eléctrico. En cambio, el servidor se usa para simular la distribución del campo eléctrico, proceso mucho más caro computacionalmente. El cliente se ha desarrollado mediante HTML, CSS y Javascript. Específicamente, React JS (https://reactjs.org) se ha usado como motor principal de la interfaz gráfica, y Three.js (https: //threejs.org) y ami.js (AMI, Medical Imaging Javascript Toolkit, https://github.com/FNNDSC/ami) para la visualización de imágenes médicas y del campo eléctrico. En el servidor, el cómputo del campo eléctrico se obtiene mediante el método de elementos finitos usando Elmer (https://www.csc.fi/ web/elmer) para simular el campo eléctrico en el modelo 3D generado con The Visualization Toolkit (VTK, https://www.vtk.org) y The Computational Geometry Algorithms Library (CGAL: https://www.cgal.org).
Por simplicidad, esta plataforma asume que el tejido es homogéneo. Sin embargo, los tejidos biológicos son heterogéneos por lo que la distribución del campo eléctrico se ve aún más afectada [12]. Para poder predecir con precisión el volumen tratado durante terapias basadas en la electroporación, es decir, para planificar el tratamiento, se necesita de un modelo más complejo que también considere las propiedades eléctricas de otros tejidos. Es decir, del tumor, del órgano sano y de otras estructuras cercanas a la zona del tratamiento. Actualmente, las herramientas existentes para planificar tratamientos de electroporación son o bien complejas de usar en un entorno clínico, o bien carecen de las metodologías más recientes en modelado de electroporación [13], [14]. Por ello, en esta tesis también se ha desarrollado una plataforma de planificación de tratamiento para terapias basadas en electroporación de forma rápida, sencilla, y precisa.
En esta plataforma se ha creado un procedimiento para crear una planificación específica para cada paciente. Primero se detecta el volumen objetivo (tumor) a partir de la imagen médica del paciente y se delimita la anatomía (segmentación de imagen) de los tejidos relevantes cercanos al volumen objetivo (p. e., tumor, órgano sano, vasos). Con estas geometrías se genera un modelo 3D heterogéneo donde se insertan virtualmente los electrodos y se definen los parámetros del tratamiento. Finalmente, el campo eléctrico es simulado automáticamente y, luego, el usuario puede evaluar la efectividad del tratamiento. El campo eléctrico se puede simular de nuevo modificando los parámetros de tratamiento para lograr un resultado óptimo.
En este caso, la plataforma se ha desarrollado como un programa de escritorio mediante la librería The Medical Imaging Interaction Toolkit (MITK, https://www.mitk.org) para la interfaz gráfica de usuario. La simulación del campo eléctrico se hace con la misma tecnología que en la plataforma web presentada anteriormente, es decir, con CGAL, VTK para generar el modelo 3D (en este caso heterogéneo) y Elmer para simular el campo.
Al concebir esta plataforma, se observó que para tratar tumores grandes con terapias basadas en electroporación se emplean varios electrodos. Típicamente, hasta ocho electrodos son necesarios y se generan campos eléctricos entre pares de electrodos [15]. En esta situación el tejido se trata múltiples veces con campos eléctricos que se sobreponen entre ellos. Los modelos actuales asumen que no hay ninguna interacción entre estos campos sobrepuestos, y el volumen total de tratamiento se obtiene como la unión geométrica del tratamiento generado por cada par individualmente [16]. Por ello, en esta tesis se ha hecho un estudio para cuantificar la muerte celular debido a la superposición de campos eléctricos durante la electroporación irreversible.
En este estudio in vitro, se usó una monocapa de células de ovario de hámster chino (CHO) inmovilizadas en gel de agarosa. Primero, se aplicó un solo campo eléctrico y se comparó con la aplicación de dos campos sobrepuestos. Para cuantificar la muerte celular, las células se tintaron con Calceina AM y con ioduro de propidio y se uso microscopía de fluorescencia para digitalizarlas. El centroide de cada célula fue obtenido mediante ImageJ [17] y se mapeó con una simulación de campo eléctrico para correlacionar cada célula con el campo eléctrico que había recibido. Con estos datos, se caracterizaron tres modelos que describen el volumen de tratamiento: uno basado en umbral de campo eléctrico, un modelo logístico que describe la probabilidad de muerte celular en función de un campo eléctrico, y otro modelo logístico que considera dos campos eléctricos sobrepuestos para definir la probabilidad de muerte celular. Estos tres modelos fueron comparados para ver cual predice mejor el volumen de tratamiento con configuraciones de electrodos típicas en terapias medicas con electroporación. Se comparó experimentalmente, de nuevo con una monocapa (2D) de células CHO inmovilizadas en agarosa. También se hicieron simulaciones en 3D para aproximar las implicaciones que cada modelo puede tener en casos reales.
En esta tesis se han explorado métodos para modelar el volumen del tratamiento mediante terapias basadas en la electroporación y se han desarrollan herramientas para planificar dichas terapias. Se ha desarrollado una plataforma que permite ilustrar las dependencias del campo eléctrico con los parámetros de tratamientos con electroporación. Con esta plataforma se pretende ayudar a entender estas dependencias a estudiantes, investigadores y médicos. Se ha desarrollado una plataforma de planificación de tratamiento específica para cada paciente para terapias basadas en electroporación de forma rápida, sencilla, y precisa, ideada para poder ser usada en entornos clínicos. Aunque se ha concebido para el tratamiento de tumores, también se puede usar, potencialmente, para otras terapias basadas en electroporación. Finalmente, se ha cuantificado la muerte celular debido a la sobreposición de tratamientos durante la electroporación irreversible. Se demostró que la superposición de tratamientos puede reducir significativamente el campo eléctrico necesario para inducir muerte celular. Sin embargo, en términos de el volumen de tratamiento, los efectos esperados en terapias con electroporación irreversible son mínimos. Por ello, la metodología típicamente usada en planificación de tratamientos, que se basa en la unión geométrica del tratamiento generado por cada par individualmente, es suficientemente precisa para predecir el volumen de tratamiento. Aunque este estudio solo contemplo la electroporación irreversible, las mismas conclusiones generales pueden ser inferidas para tratamientos con electroporación reversible.
Referencias [1] L. M. Mir, H. Banoun, and C. Paoletti, “Introduction of definite amounts of nonpermeant molecules into living cells after electropermeabilization: Direct access to the cytosol,” Exp. Cell Res., vol. 175, no. 1, pp. 15–25, Mar. 1988, doi: 10.1016/0014-4827(88)90251-0.
[2] J. C. Weaver and Y. A. Chizmadzhev, “Theory of electroporation: A review,” Bioelectrochemistry Bioenerg., vol. 41, no. 2, pp. 135–160, Dec. 1996, doi: 10.1016/S0302-4598(96)05062-3.
[3] J. F. Edd, L. Horowitz, R. V. Davalos, L. M. Mir, and B. Rubinsky, “In vivo results of a new focal tissue ablation technique: Irreversible electroporation,” IEEE Trans. Biomed. Eng., vol. 53, no. 7, pp. 1409–1415, Jul. 2006, doi: 10.1109/TBME.2006.873745.
[4] L. M. Mir and S. Orlowski, “Mechanisms of electrochemotherapy,” Adv. Drug Deliv. Rev., vol. 35, no. 1, pp. 107–118, Jan. 1999, doi: 10.1016/S0169-409X(98)00066-0.
[5] R. V. Davalos, L. M. Mir, and B. Rubinsky, “Tissue ablation with irreversible electroporation,” Ann. Biomed. Eng., vol. 33, no. 2, pp. 223–231, Feb. 2005, doi: 10.1007/s10439-005-8981-8.
[6] B. Rubinsky, “Irreversible Electroporation in Medicine,” Technol. Cancer Res. Treat., vol. 6, no. 4, pp. 255–259, Aug. 2007, doi: 10.1177/153303460700600401.
[7] O. Gallinato, B. D. de Senneville, O. Seror, and C. Poignard, “Numerical modelling challenges for clinical electroporation ablation technique of liver tumors,” Math. Model. Nat. Phenom., vol. 15, p. 11, 2020, doi: 10.1051/mmnp/2019037.
[8] P. A. Garcia, R. V. Davalos, and D. Miklavcic, “A numerical investigation of the electric and thermal cell kill distributions in electroporation-based therapies in tissue,” PLoS One, vol. 9, no. 8, p. e103083, Aug. 2014, doi: 10.1371/journal.pone.0103083.
[9] D. Miklavcic, D. Semrov, H. Mekid, and L. Mir, “In vivo electroporation threshold determination,” in Annual International Conference of the IEEE Engineering in Medicine and Biology - Proceedings, 2000, vol. 4, pp. 2815–2818. doi: 10.1109/IEMBS.2000.901450.
[10] A. M. Lebar, G. C. Troiano, L. Tung, and D. Miklavčič, “Inter-pulse interval between rectangular voltage pulses affects electroporation threshold of artificial lipid bilayers,” IEEE Trans. Nanobioscience, vol. 1, no. 3, pp. 116–120, 2002, doi: 10.1109/TNB.2003.809464.
[11] M. P. Rols and J. Teissié, “Electropermeabilization of mammalian cells to macromolecules: Control by pulse duration,” Biophys. J., vol. 75, no. 3, pp. 1415–1423, Sep. 1998, doi: 10.1016/S0006-3495(98)74060-3.
[12] A. Ivorra, B. Al-Sakere, B. Rubinsky, and L. M. Mir, “In vivo electrical conductivity measurements during and after tumor electroporation: conductivity changes reflect the treatment outcome,” Phys. Med. Biol., vol. 54, no. 19, pp. 5949–5963, Oct. 2009, doi: 10.1088/0031-9155/54/19/019.
[13] O. Gallinato, B. D. de Senneville, O. Seror, and C. Poignard, “Numerical workflow of irreversible electroporation for deep-seated tumor,” Phys. Med. Biol., vol. 64, no. 5, p. 055016, Mar. 2019, doi: 10.1088/1361-6560/ab00c4.
[14] M. Marčan, D. Pavliha, B. Kos, T. Forjanič, and D. Miklavčič, “Web-based tool for visualization of electric field distribution in deep-seated body structures and planning of electroporation-based treatments,” Biomed. Eng. Online, vol. 14, 2015, doi: 10.1186/1475-925X-14-S3-S4.
[15] M. Marčan, B. Kos, and D. Miklavčič, “Effect of Blood Vessel Segmentation on the Outcome of Electroporation-Based Treatments of Liver Tumors,” PLoS One, vol. 10, no. 5, p. e0125591, May 2015, doi: 10.1371/journal.pone.0125591.
[16] P. A. Garcia, B. Kos, J. H. Rossmeisl, D. Pavliha, D. Miklavčič, and R. V. Davalos, “Predictive therapeutic planning for irreversible electroporation treatment of spontaneous malignant glioma,” Med. Phys., vol. 44, no. 9, pp. 4968–4980, Sep. 2017, doi: 10.1002/mp.12401.
[17] C. A. Schneider, W. S. Rasband, and K. W. Eliceiri, “NIH Image to ImageJ: 25 years of image analysis,” Nature Methods, vol. 9, no. 7. Nature Publishing Group, pp. 671–675, Jul. 28, 2012. doi: 10.1038/nmeth.2089.
