Grupo de Física Médica, Radiobiologia & Proteção Radiológica

O Grupo de Física Médica, Radiobiologia & Protecção Contra Radiações foi formado no início de 2008, no seio do Centro de Investigação do IPO-Porto. Os seus membros são principalmente físicos e radiobiólogos, mas também incluem outras especialidades, como radiofarmácia e clínicos. É o único grupo de investigação em Física Médica e Radiobiologia em Portugal cujas actividades são desenvolvidas inteiramente em ambiente hospitalar.

O grupo conta com dois membros efectivos (J.A.M. Santos e P.P. Teles) no Grupo Europeu de Dosimetria de Radiação (Eurados) e dois membros correspondentes (J. Lencart e A. G. Dias) nos Grupos de Trabalho 9 e 12, WG9 (Protecção Contra Radiações em Radioterapia), estando envolvido em várias colaborações nacionais e internacionais.

COORDENADOR CIENTÍFICO

João António Miranda dos Santos, PhD
João António Miranda dos Santos, PhD
ORCID ID: 0000-0003-2465-5143
CIENCIA ID: 2514-D31E-2F02
Físico Médico, Coordenador do Grupo, Membro da Comissão de Ética
E-mail: joao.santos@ipoporto.min-saude.pt

EQUIPA

Investigadores Sénior

Anabela Gregório Dias, PhD
ORCID ID: 0000-0002-2777-321X/ CIENCIA ID: 4C12-5EAB-0C33
Física Médica
E-mail: anabela.dias@ipoporto.min-saude.pt

Isabel Maria Guedes Bravo, PhD
ORCID ID: 0000-0001-6445-6443
CIENCIA ID: 031C-23F5-F5B4
Radiobióloga/Assistente de Investigação
E-mail: isabel.bravo@ipoporto.min-saude.pt

Pedro Peixoto Teles, PhD
ORCID ID: 6D11-4C85-387C/ CIENCIA ID: C61C-4934-500F
Professor Auxiliar; FCUP/UP
E-mail: ppteles@fc.up.pt

Sofia Isabel de Castro e Silva, PhD
ORCID ID: 0000-0002-0056-6034/ CIENCIA ID: 6D11-4C85-387C
Física Médica, IPO Coimbra
E-mail: sofia.i.silva@ipocoimbra.min-saude.pt

Investigadores Convidados

Inês Campos Monteiro Sabino Domingues, PhD
ORCID ID: 0000-0002-2334-7280/ CIENCIA ID: 971F-F25B-1E79
Professora Auxiliar; ISEC
E-mail: inesdomingues@gmail.com

Estudantes em Doutoramento

Bárbara Adélia Meireles Barbosa, MSc
ORCID ID: 0000-0003-0686-0397/ CIENCIA ID: 721A-00E6-BAC5
Técnica de Radioterapia
E-mail: barbara.barbosa@ipoporto.min-saude.pt

Bruno Miguel Ferreira Mendes, MSc
ORCID ID: 0000-0002-7574-7630
E-mail: brunomendes81@gmail.com

Sara Filipa Coelho Guerreiro, MSc
ORCID ID: 0000-0002-6652-2376/ CIENCIA ID: 7219-29B5-2DDF
School of Health of the Polytechnic of Leiria
E-mail: sara.f.guerreiro@ipleiria.pt

Alunos de Mestrado

Amizito Luís Rajabo
ORCID ID: 0009-0008-3439-7276/ CIENCIA ID: BF11-7036-81F9
E-mail: up202110020@edu.fc.up.pt

Rúben Diogo Oliveira Sousa
ORCID: 0000-0002-0776-5212/ CIÊNCIA ID: 2310-F2F9-4178
E-mail: ruben.d.sousa@ipoporto.min-saude.pt

Outros Colaboradores

Alexandre Baptista Mendes Pereira, BSc
ORCID ID: 0000-0001-8965-274X/ CIENCIA ID: 301D-A86A-60C0
Físico Médico
E-mail: apereira@ipoporto.min-saude.pt

António Luís Soares
CIENCIA ID: A817-239C-7AC4
Físico Médico
E-mail: Antonio.soares@ipoporto.min-saude.pt

Carla Isabel Vaz Tavares Figueiredo Capelo, BSc
CIENCIA ID: 9D1A-6422-C7F7
Radiofarmacêutica
E-mail: carla.capelo@ipoporto.min-saude.pt

Diana Jorge Pimparel Alves Nuno Pinto, BSc
ORCID ID: 0000-0003-2559-3407/ CIENCIA ID: D31C-57A9-559A
Física Médica
E-mail: diana.pinto@ipoporto.min-saude.pt

Filipe Augusto Madeira Dias, MSc
ORCID ID: 0000-0002-2992-5096/ CIENCIA ID: 5412-D0F2-2595
Físico Médico
E-mail: filipe.dias@ipoporto.min-saude.pt

Inês Magalhães da Silva de Lucena e Sampaio, MD, MSc
ORCID ID: 0000-0003-4578-2280/ CIENCIA ID: 3918-4909-EB6E
Especialista de Medicina Nuclear
E-mail: ines.lucena@ipoporto.min-saude.pt

Joana Borges Lencart e Silva, BSc
ORCID ID: 0000-0001-7078-7257/ CIENCIA ID: 7A1A-E9DB-BECE
Física Médica
E-mail: joana.lencart@ipoporto.min-saude.pt

Jorge Barbosa Pereira, MSc
ORCID ID: 0000-0002-7216-1191/ CIENCIA ID: BA13-D305-14A8
Físico Médico
E-mail: jorge.b.pereira@ipoporto.min-saude.pt

Luís Hugo da Silva Trindade Duarte, MD, BSc
ORCID ID: 0000-0002-6867-1180
Especialista de Medicina Nuclear
E-mail: hugo.duarte@ipoporto.min-saude.pt

Luís Paulo Teixeira Cunha, MSc
ORCID ID: 0000-0001-6012-6893/ CIENCIA ID: 7112-7B32-F43F
Físico Médico
E-mail: luis.cunha@ipoporto.min-saude.pt

Pedro Filipe Conde Andrade Silva, MSc
ORCID ID: 0000-0003-3962-4040/ CIENCIA ID: 161C-6CE9-1867
Técnico de Radioterapia e Radiologia
E-mail: pedro.andrade.silva@ipoporto.min-saude.pt

Rogéria Maria Craveiro Pereira, Msc
ORCID ID: 0000-0002-5786-2096/ CIENCIA ID: 0116-CFE3-35C7
Radiobióloga
E-mail: rogeriapereira@ipoporto.min-saude.pt

Sara Patrícia de Almeida Pinto
ORCID ID: 0000-0002-9863-2078/ CIENCIA ID: A214-DDBF-CA6E
Física Médica
E-mail: sara.pinto@ipoporto.min-saude.pt

Susana Margarida Oliveira Gonçalves
ORCID ID: 0000-0003-3036-5847/ CIENCIA ID: C119-01F8-B6F2
Dosimetrista
E-mail: susanamg@ipoporto.min-saude.pt

Vera Catarina Marques Antunes
ORCID ID: 0000-0001-7195-8791/ CIENCIA ID: 8516-92A5-7DE5
Física Médica
E-mail: vera.antunes@ipoporto.min-saude.pt

Rita Correia da Silva Alçada Albergueiro
ORCID: 0009-0009-3211-9501/ CIÊNCIA ID: F610-FB91-C98A
Física Médica
E-mail: ritaalbergueiro@gmail.com

OBJETIVOS

O grupo foca-se na aplicação da metodologia da física e da radiobiologia para resolver problemas específicos relacionados com os cuidados de saúde, especialmente radiações ionizantes, tanto na perspectiva da optimização dos procedimentos do paciente como na perspectiva da protecção em caso de exposição profissional a radiações ionizantes. Já abordou exposições pessoais críticas devido a campos de radiação altamente heterogéneos com simulações de Monte Carlo em fluoroscopia-CT e exposição de pacientes durante radioterapia intra-operatória. Esta metodologia, com o aumento da capacidade computacional nos últimos anos, está a tornar-se um método de referência para simular procedimentos em física de radiações ionizantes, onde a exposição dos sujeitos deve ser muito bem justificada.

PROJETOS COM FINANCIAMENTO INTERNO

TIPTOP – Artificial Intelligence applied to image based oncological prognosis
PI 145-CI-IPOP-133-2020; Budget: 21.000.00€ (2019 – ongoing); PI: Prof. Inês Domingues

Métodos de inteligência artificial, nomeadamente Machine Learning e a sua componente de Deep Learning, podem ser usados para antecipar o prognóstico e a resposta à terapia. Das modalidades de imagem disponíveis no tratamento e diagnóstico de um paciente com cancro, a CT e a CBCT são amplamente utilizadas. Achados radiográficos têm mostrado uma correlação com diferenças significativas nos padrões de expressão proteica. Neste contexto, a extracção de características de imagens radiográficas usando algoritmos de caracterização de dados (Radiomics) pode fornecer uma ferramenta valiosa para a avaliação do cancro durante o tratamento. A hipótese por trás dos radiomics é que a análise quantitativa de imagens médicas pode ter um poder prognóstico semelhante aos fenótipos e assinaturas de proteínas de genes. A ideia é prever a agressividade do Cancro da Próstata a partir de imagens de TC e a eficácia da terapia de radiação a partir de imagens de CBCT. No entanto, as características são extraídas de uma região de interesse previamente delimitada. Para abordar esta questão, vários métodos de segmentação de imagem serão explorados para a próstata e órgãos de risco, como a bexiga e o recto. Clustering, U-Net, Active Contours e Graph-Based são alguns exemplos de métodos que serão explorados. Além disso, um cenário de segmentação multi-classe também é interessante, pois imita a segmentação manual holística de especialistas médicos.
Este projeto pretende explorar o uso de métodos de inteligência artificial e aumentar as imagens médicas com dados, potencialmente auxiliando na detecção, diagnóstico, prognóstico, respostas ao tratamento e monitorização da doença.

Obra3HT – Optimizing Breast Cancer treatment planning workflow: from 3DCRT to hybrid techniques
PI199-CI-IPOP-35-2023; Budget: 15.000.00€ (2023 – ongoing); PI: Dr. Joana Lencart

A radioterapia conformacional tridimensional (3DCRT) e a radioterapia de intensidade modulada (IMRT) são técnicas comuns utilizadas na radioterapia do cancro da mama. A 3DCRT emprega múltiplos feixes de radiação direcionados ao alvo a partir de diferentes ângulos, usando um colimador de múltiplas lâminas para moldar o feixe e minimizar a dose nos órgãos críticos próximos (OAR). A IMRT modula a intensidade de cada feixe para melhor conformar a dose à forma do alvo, muitas vezes resultando em doses mais baixas nos OAR. A radioterapia híbrida (RT), que combina ambas as técnicas, é utilizada na irradiação de toda a mama (WB) e no boost integrado simultâneo (SIB). Esta abordagem híbrida é particularmente útil quando a concavidade do alvo envolve um OAR, como o coração, ou quando o tumor é grande ou complexo, apresentando desafios para a 3DCRT sozinha em alcançar uma cobertura adequada do alvo mantendo as doses nos OAR dentro dos níveis de tolerância.
O projeto visa validar e propor a integração de técnicas híbridas (3DCRT-IMRT ou 3DCRT-VMAT) nos protocolos institucionais de radioterapia para a irradiação da mama inteira e avaliar a sua aplicabilidade a outros locais anatómicos. Uma seleção de pacientes com cancro da mama previamente tratados com 3DCRT, incluindo casos de mama esquerda e direita, será escolhida aleatoriamente. Planos clinicamente válidos serão gerados utilizando técnicas híbridas com o Sistema de Planeamento de Tratamento do serviço (Varian Eclipse v16.1) e software EZFluence para optimizar o componente 3DCRT. Tanto os algoritmos AAA como Acuros serão utilizados para os cálculos dos planos. A validação dos planos envolve três etapas usando software comercial e equipamento de controlo de qualidade: 1) ClearCheck (Radformation) irá extrair automaticamente as características dosimétricas do TPS para a cobertura do alvo e doses nos OAR; 2) ClearCalc (Radformation) servirá como uma ferramenta de cálculo independente para verificar a precisão; 3) Primo, uma ferramenta de planeamento de tratamento por Monte Carlo validada em projectos anteriores, fornecerá cálculos independentes adicionais. Além disso, a matriz 729 e o Verisoft (PTW), juntamente com outros métodos, serão usados como ferramentas de QA específicas para o paciente. Os planos validados serão agrupados por técnica, e uma análise estatística dos parâmetros dosimétricos relevantes será realizada para comparar as técnicas.

DoReMi – Development and implementation of a MRI-only guided radiotherapy workflow
PI200-CI-IPOP-36-2023; Budget: 13.000.00€ (2023 – ongoing); PI: Dr. Sara Pinto

Na última década, o planeamento de radioterapia (RT) tem utilizado cada vez mais tanto a tomografia computorizada (CT) como a imagiologia por ressonância magnética (MRI). A TC fornece valores de densidade eletrónica para cálculo da dose, enquanto a MRI oferece um contraste superior dos tecidos moles para uma melhor delimitação dos volumes alvo e dos órgãos em risco (OAR). A RT apenas com MRI está a tornar-se mais comum, pois reduz a exposição dos tecidos saudáveis à radiação ionizante derivada da TC, elimina erros de co-registo e diminui o uso de recursos e custos, reduzindo os esforços duplicados entre os departamentos de radiologia diagnóstica e radioterapia.

A MRI para planeamento difere da MRI diagnóstica ao usar scanners de maior diâmetro, mesas planas para dispositivos de imobilização compatíveis com MR, sistemas de laser externos e protocolos dedicados de controlo de qualidade e imagem. Introduzir a RT apenas com MRI na prática clínica apresenta desafios, como o movimento do paciente durante a aquisição e a garantia de precisão geométrica. A precisão geométrica é crucial para avaliar a adequação dos scanners de MRI para planeamento de RT, especialmente para radiocirurgia/radioterapia estereotática (SRS/SRT). O processamento de imagem na radiologia diagnóstica foca-se no contraste qualitativo dos tecidos, em vez da precisão anatómica a nível milimétrico. Consequentemente, os radioncologistas podem usar scans de MRI não corrigidos ou parcialmente corrigidos para planeamento de SRS/SRT. Ainda não foi estabelecido um procedimento padrão abrangente para a correção de distorção na MRI, embora a American Association of Physicists in Medicine (AAPM) esteja a trabalhar em diretrizes. Um protocolo de QA clinicamente viável é necessário para medir a precisão geométrica das imagens de MRI e avaliar a estabilidade a longo prazo.

Optimizar protocolos de MRI para planeamento de RT envolve maximizar a resolução espacial e o contraste dos tecidos, minimizar o tempo de aquisição e manter a congruência anatómica apesar do movimento. Compromissos são necessários, pois a optimização simultânea de todos os fatores é impossível. A relação sinal-ruído (SNR) afecta a percepção das estruturas em imagens de baixa resolução e a distinção de objetos pequenos. Como os pacientes são diagnosticados antes da MRI para RT, uma SNR mais fraca pode ser aceitável se outros parâmetros de qualidade da imagem melhorarem.

A alta resolução espacial, particularmente a espessura de corte, é necessária para distinguir pequenas lesões ou estruturas. No entanto, alta resolução por si só não garante visibilidade sem contraste de imagem suficiente ou SNR. A optimização da imagem requer um equilíbrio entre a resolução espacial adequada para SNR suficiente e a capacidade de ver detalhes finos, mantendo um tempo de aquisição razoável. Os departamentos de radiologia focam-se no diagnóstico preciso, enquanto a radioterapia necessita de imagens que suportem um tratamento eficaz e seguro. A optimização da MRI para RT é demorada, muitas vezes duplicando o tempo de aquisição, e pode necessitar de sacrificar SNR para o conforto do paciente durante a aquisição.

RaAITo – Development of a Chatbot for Radiotherapy using Artificial Intelligence Tools
PI201-CI-IPOP-37-2023; Budget: 15.000.00€ (2023 – ongoing); PI: Dr. Bárbara Barbosa

Face à quarta revolução industrial, mais especificamente à era da digitalização da sociedade e da economia, a transição digital é considerada um instrumento de sustentabilidade para o nosso país, alinhado com os interesses de desenvolvimento e investimentos da União Europeia. Neste contexto, torna-se imperativo desenvolver programas e estratégias que visem impulsionar a competitividade digital e económica. A literatura recente aponta a Inteligência Artificial (IA) como uma área científica cada vez mais influente na resolução de problemas no sector da saúde. Os métodos de IA permitem a resolução de problemas em ambientes clínicos e suportam o processo de tomada de decisão de forma automatizada e inteligente. Atualmente, dada a crescente demanda dos utilizadores de radioterapia por respostas rápidas e eficientes às suas questões ao contactar a instituição e o elevado tempo despendido pelos especialistas, sugere-se a criação de um chatbot utilizando ferramentas de IA. Os chatbots conversacionais usam Processamento de Linguagem Natural (NLP) e Compreensão de Linguagem Natural (NLU), aplicações de IA que permitem às máquinas entender a linguagem humana e as intenções.

Para a implementação deste projeto, o plano de ação seria o desenvolvimento de um chatbot pela equipa de investigação com a colaboração de um estudante de mestrado e um bolseiro. Atualmente, existem várias soluções altamente personalizáveis e fáceis de implementar. Por exemplo, a Google oferece a API de Linguagem Natural para Cuidados de Saúde, especificamente desenhada para analisar texto médico não estruturado e suficientemente flexível para se integrar facilmente com os sistemas internos existentes de uma instituição.

Como regra geral, a implementação desta tecnologia exigirá a criação de um dicionário de intenções (base de dados) pela equipa multidisciplinar do departamento de radioterapia, que permitirá a integração das diferentes especialidades dos profissionais desta área. Cada intenção de conversa contém:

– uma etiqueta (definindo qual é a intenção);
– padrões (padrões de frases para o classificador de texto da rede neural);
– respostas possíveis.

As definições das intenções conversacionais são transformadas num modelo, e uma estrutura de vocabulário é construída para o chatbot processar as respostas. Para aumentar a qualidade e o âmbito da construção deste dicionário de intenções, será também realizado um inquérito por profissionais de diferentes especialidades. Para garantir a relevância e continuidade do projeto, serão implementadas medidas de controlo de qualidade e impacto. Uma abordagem possível seria uma classificação por estrelas do desempenho do chatbot pelo utilizador no final da conversa.

Uma abordagem multidisciplinar é necessária para a gestão de pacientes com cancro. Uma equipa de médicos, físicos, técnicos e enfermeiros proporciona cuidados centrados no paciente e permite a tomada de decisão em diferentes pontos do seu tratamento. Os serviços de apoio, como o atendimento ao cliente para responder a perguntas, também se tornaram uma parte importante dos cuidados oncológicos. Melhorar estes serviços significa garantir a qualidade dos serviços prestados e a continuidade de uma relação próxima entre a instituição e o paciente. Esta proximidade fortalecerá a imagem de excelência e inovação do IPO Porto, baseada na estratégia nacional de modernização administrativa e transformação digital.

LuPET – Lu-177 radiotherapy outcome prediction using image data from Ga-68 PET/CT scans
PI202-CI-IPOP-38-2023; Budget: 10.000.00€ (2023 – ongoing); PI: Prof. João Santos

O projeto visa prever os resultados da radioterapia com Lutécio-177 (Lu-177) em pacientes com tumores neuroendócrinos (NET) utilizando dados de imagem de scans PET/CT com Gálio-68 (Ga-68). Os NETs são malignidades diversas originárias de células neuroendócrinas, e a Terapia com Receptor de Peptídeos Radiomarcados (PRRT) com Lu-177 DOTA-TATE é um tratamento eficaz para casos inoperáveis ou metastáticos. No entanto, as respostas dos pacientes variam, tornando necessária a identificação de marcadores preditivos para a resposta ao tratamento. A radiômica, que extrai características quantitativas dos dados de imagem médica, oferece uma abordagem promissora. O projeto envolverá os seguintes passos:

Recolha de Dados: Recolha retrospectiva de scans PET/CT com Ga-68 e dados clínicos de pacientes com NET tratados com PRRT com Lu-177. Assegurar aprovações éticas e consentimento dos pacientes para o uso dos dados.

Pré-processamento de Imagem: Padronizar as imagens PET/CT com Ga-68, realizando passos de pré-processamento necessários, como normalização, segmentação e registo, para garantir uniformidade e precisão na extração de características.

Extração de Características: Utilizar software de radiômica para extrair características quantitativas das imagens pré-processadas. Estas características podem incluir textura, forma, intensidade e características baseadas em wavelet que descrevem a heterogeneidade do tumor.

Análise de Dados: Integrar as características radiômicas extraídas com os dados clínicos, como demografia dos pacientes, parâmetros de tratamento e resultados. Realizar análise estatística para identificar características significativamente correlacionadas com a resposta à terapia.

Desenvolvimento de Modelos: Desenvolver modelos preditivos usando algoritmos de machine learning. Treinar os modelos em uma parte do conjunto de dados, validando e testando em subconjuntos separados para garantir robustez. Técnicas como validação cruzada, regularização e seleção de características serão empregadas para otimizar o desempenho do modelo.

Validação: Validar os modelos preditivos usando um conjunto de dados independente para confirmar a sua generalizabilidade e precisão. Serão calculadas métricas de desempenho como acurácia, sensibilidade, especificidade e área sob a curva (AUC).

Interpretação e Relatório: Analisar as saídas dos modelos para identificar características preditivas chave e a sua relevância clínica. Preparar relatórios compreensivos e visualizações para comunicar as descobertas aos stakeholders clínicos.

Implementação: Desenvolver diretrizes e ferramentas para implementar os modelos preditivos na prática clínica. Treinar os clínicos no uso destas ferramentas para melhorar o planeamento e a tomada de decisão no tratamento.

Avaliação: Avaliar continuamente o desempenho dos modelos num cenário clínico, fazendo ajustes necessários com base em feedback e novos dados.

A conclusão bem-sucedida deste projeto poderá melhorar significativamente a personalização da PRRT com Lu-177, levando a melhores resultados para os pacientes com NET.

TBIVMAT – Implementation of total body irradiation using volumetric modulated arc therapy as part of an institutional hematopoietic stem cell transplantation program
PI203-CI-IPOP-39-2023; Budget: 45.000.00€ (2023 – ongoing)
PI : Dra. Anabela Dias

A irradiação corporal total (TBI) com feixes de fotões de megavoltagem é utilizada no tratamento de mieloma múltiplo, leucemias, linfomas e alguns tumores sólidos, frequentemente em combinação com quimioterapia como parte do condicionamento antes do transplante alogénico de células estaminais hematopoiéticas. A TBI fornece uma dose uniforme a todo o corpo, alcançando áreas como o sistema nervoso central e os testículos, que a quimioterapia sozinha não consegue atingir. Permite também doses personalizadas através da protecção ou incremento de regiões específicas. A TBI convencional (cTBI) utiliza campos grandes com bloqueios pulmonares para irradiar todo o corpo em posições de pé ou deitado de lado, a distâncias prolongadas, exigindo grandes e dispendiosos recintos de proteção. A cTBI tem tempos de aplicação longos e não consegue poupar individualmente os órgãos em risco (OARs), resultando em toxicidade significativa.

Técnicas avançadas visam direcionar seletivamente os tecidos hematopoiéticos com células malignas enquanto poupam tecidos saudáveis. A irradiação total da medula óssea (TMI) é um tratamento conformacional do esqueleto e uma alternativa à TBI, melhorando a homogeneidade da dose com algoritmos de otimização inversa. A TMI com terapia de arco modulada por volume (VMAT) evita as complicações da cTBI enquanto mantém a eficácia. No entanto, modelos pré-clínicos limitados significam pouca compreensão das diferenças biológicas entre a TBI e a TMI e seus efeitos no enxerto de medula óssea.

Estudos mostram que as técnicas de VMAT reduzem o tempo de tratamento da TBI e melhoram a homogeneidade da dose, embora seu uso não seja generalizado. A VMAT melhora a conformidade e a homogeneidade na distribuição da dose, otimizando múltiplos arcos simultaneamente para planos complexos. Utilizar VMAT para TBI visa alcançar uma cobertura ótima do alvo e poupar OARs como os pulmões, potencialmente reduzindo os efeitos colaterais do tratamento. O desafio é o grande volume alvo de planeamento (PTV), que requer múltiplos tratamentos de arco sobrepostos e reposicionamento devido a limitações da mesa de tratamento.

Este projeto visa implementar a TBI utilizando VMAT num programa de transplante de células estaminais hematopoiéticas. Um fantoma de corpo inteiro é essencial, necessitando da criação de membros de fantoma RANDO. Embora a TBI seja administrada em posição supina, os pacientes precisam de reposicionamento devido aos limites da mesa de tratamento. Um objetivo secundário é desenvolver um sistema de mesa rotativa para planos multi-isocentro sem reposicionar os pacientes. Isso poderia levar a um tratamento 3D de alta precisão, oferecendo uma dose corporal total homogénea e poupando órgãos críticos em comparação com os métodos convencionais.

SyNTHaX – Synergistic effect of gold Nanoparticles in cancer hybrid Therapeutics: hyperthermia coupled with X-ray irradiation
PI204-CI-IPOP-40-2023; Budget: 22.600.00€ (2023 – ongoing); PI: Prof. Pedro Teles

No projeto SyNTHaX, vamos testar os efeitos sinergéticos da combinação de GNRT e hipertermia mediada por AuNPs em culturas de células MCF-7, que são células epiteliais isoladas do tecido mamário de uma paciente de 69 anos, branca, com adenocarcinoma metastático. Isso será feito em quatro modalidades diferentes além do grupo controlo. Numa modalidade, as células serão irradiadas com raios-X de 60 keV e depois excitadas com um laser pulsado otimizado para aquecimento das AuNPs. Na seguinte, as células serão primeiro excitadas com o mesmo laser, e depois irradiadas com os raios-X de 60 keV. Na terceira, serão irradiadas apenas com os raios X de 60 keV e, por fim, na quarta, será utilizado apenas o laser. A viabilidade celular será estudada usando o ensaio Alamar Blue. A resposta dos tecidos e as distribuições de nanopartículas serão medidas espacial e temporalmente usando plataformas de cancro de mama microfluídicas vascularizadas em 3D. As AuNPs serão sintetizadas e caracterizadas no IFIMUP, que já possui uma excelente experiência na fabricação e caracterização de NPs. A sua morfologia será otimizada para aquecimento com laser. Os cálculos de dosimetria serão feitos por meio de simulações de Monte Carlo utilizando códigos de última geração, que permitirão determinar os fatores de aumento de dose que podem ser correlacionados com a viabilidade celular.

Publicações

Amorim JP; Abreu P.H.; Santos, J.; Müller, H., Evaluating Post-hoc Interpretability with Intrinsic Interpretability, arXiv arXiv:2305.03002, https://doi.org/10.48550/arXiv.2305.03002 [IF: n.a.]

Amorim JP, Abreu PH, Santos J, Cortes M, Vila V, Evaluating the faithfulness of saliency maps in explaining deep learning models using realistic perturbations, Information Processing and Management, 60 (2023) 103225, https://doi.org/10.1016/j.ipm.2022.103225 [IF: 8.6]

Barbosa B, Oliveira C, Bravo I, Couto JG, Antunes L, McFadden S, Hughes C, McClure P, Rodrigues J, Dias A. An investigation of Digital Skills of Therapeutic Radiographers/Radiation Therapists: A European survey of proficiency level and future educational needs. Radiography.2023;29(3):479–88 https://doi.org/10.1016/j.radi.2023.02.009 [IF: 2.6]

Catarina Macedo-Silva, Vera Miranda-Gonçalves, Nuno Tiago Tavares, Daniela Barros-Silva, Joana Lencart, João Lobo, Ângelo Oliveira, Margareta P. Correia, Lucia Altucci, Carmen Jerónimo, Epigenetic regulation of TP53 is involved in prostate cancerradioresistance and DNA damage response signaling, Signal Transduction and Targeted Therapy, 2023, 8:395. [IF 39.3]

Silva, MM, Canha M, Salazar D, Neves JS, Ferreira G, Carvalho D, Duarte H, Efficacy, Toxicity, and Prognostic Factors of Re-treatment With [177Lu]Lu-DOTA-TATE in Patients With Progressing Neuroendocrine Tumors: The Experience of a Single Center, Cureus, 2023 Oct 23;15(10):e47506. doi: 10.7759/cureus.47506 [IF: 1.2]

Flood T, O’Neill A, Oliveira C, Barbosa B, Soares A, Muscat K, Guille S, McClure P, Hughes C, McFadden S. Patients’ perspectives of the skills and competencies of Therapy Radiographers/Radiation Therapists (TRs/RTTs) in the UK, Portugal and Malta; a qualitative study from the SAFEEUROPE project. Radiography. 2023;29:S117-S127. https://doi.org/10.1016/j.radi.2023.03.002 [IF: 2.6]

Flood, T., O’Neill, A., Oliveira, C., Barbosa, B., Soares, M. A. L., Muscat, M. K., Guille, S., Mc Clure, P., Hughes, C., & McFadden, S. 2023. “Patients’ perspectives of the skills and competencies of therapy radiographers/radiation therapists (TRs/RTTs) in the UK, Portugal and Malta; a qualitative study from the SAFE Europe project”. Radiography, 29, 1-11. https://doi.org/10.1016/j.radi.2023.03.002 [IF: 2.6]

Julian Malicki, Carla Lopes Castro, Magdalena Fundowicz, Marco Krengli5, Carmen Llacer-Moscardo, Sebastian Curcean, Carles Muñoz Montplet, Luisa Carvalho,Ewelina Konstanty, Tania Hernandez Barragan, Carla Pisani, Istvan Laszlo, Miquel Macià Garau, Marta Kruszyna-Mochalska, Joana Lencart, Dorota Zwierzchowska, Alvar Rosello Serrano, Adelina Brezae, Eva Loureiro Varela, Piotr Milecki, Micol Zannetti, Ovidiu Coza, Eva Gonzalez, Debora Beldì, Ferran Guedea, IROCA-TES: Improving Quality in Radiation Oncology through Clinical Audits — Training and Educationfor Standardization, Reports of Radiotherapy and Oncology, 2023, 28(3):429-432 [IF: 1.2]

Katarina Sjögreen-Gleisner, Glenn Flux, Klaus Bacher, Carlo Chiesa, Robin de Nijs, George C. Kagadis, Thiago Lima, Maria Lyra Georgosopoulou, Pablo Minguez Gabiña, Stephan Nekolla, Steffie Peters, Joao Santos, Bernhard Sattler, Caroline Stokke, Johannes Tran-Gia, Paddy Gilligan, Manuel Bardiès, EFOMP policy statement nº 19: Dosimetry in nuclear medicine therapy – Molecular radiotherapy, European Journal of Medical Physics, 116 (2023) 103166, https://doi.org/10.1016/j.ejmp.2023.103166 [IF: 3.4]

Mariana Morais, Vera Machado, Patrícia Figueiredo, Francisca Dias, Rogéria Craveiro, Joana Lencart, Carlos Palmeira, Kirsi S. Mikkonen, Ana Luísa Teixeira, Rui Medeiros, Silver Nanoparticles (AgNPs) as Enhancers of Everolimus and Radiotherapy Sensitivity on Clear Cell Renal Cell Carcinoma, Antioxidants, 2023, 12(12):2051. [IF 7.0]

Maurício J, I. Domingues, J. Bernardino. Comparing Vision Transformers and Convolutional Neural Networks for Image Classification: A Literature Review. Applied Sciences. 2023; 13(9): 5521. [IF: 2.7]

Mendes B, I. Domingues, F. Dias, J. Santos. Cone Beam Computed Tomography Radiomics for Prostate Cancer: Favourable vs Unfavourable Prognosis Prediction. Applied Sciences. 2023; 13(3):1378. [IF: 2.7]

Miriam Seoane Santos, Pedro Henriques Abreu, Nathalie Japkowicz, Alberto Fernández, João Santos, A unifying view of class overlap and imbalance: Key concepts, multi-view panorama, and open avenues for research, Information Fusion 89 (2023) 228–253, https://doi.org/10.1016/j.inffus.2022.08.017 [IF: 18.6]

O Neil A, Hughes C, McClure P, Barbosa B, Muscat K, Oliveira C, Soares AL, McFadden S. 2023. Patient-reported perspectives of therapeutic radiographers when undergoing radiotherapy. A European multi-centre study. Radiography 29:S32-S39. doi:10.1016/j.radi.2023.01.027 [IF: 2.6]

Oliveira C, Barbosa B, Couto JG, Bravo I, Hughes C, McFadden S, Khine R, McNair H. Advanced practice roles of therapeutic radiographers/radiation therapists: An European survey. .Radiography. 2023;29 (2): 261-273. DOI: 10.1016/j.radi.2022.12.003 [IF: 2.6]

Oliveira C, Barbosa B, Couto JG, Bravo I, Hughes C, McFadden S, Khine R, McNair H. Advanced practice amongst therapeutic radiographers/radiation therapists: Exploring the potential of the four pillars: preliminary results from a European perspective. J. Med. Imaging Rad Science 53 (4), S26_27 DOI: 10.1016/j.jmir.2022.10.088 [IF: 1.8]

Pires AM L. Carvalho, A.C. Santos, A.M. Vilaça, A.R. Coelho, F. Fernandes, L. Moreira,J. Lima, R. Vieira, M.J. Ferraz, M. Silva, P. Silva, R. Matias, S. Zorro, S. Costa, S. Sarandão,A.F. Barros, Radiotherapy skin marking with lancets versus electric marking pen (CONFORTATTOO)- 6 Months Results on Cosmesis, Fading, and Patients’ Satisfaction From a Randomized, Doubçe-Blind Trial, Radiography, VOLUME 9, ISSUE 3, 101404, MARCH, 2024 (Published:November 05, 2023) [IF: 2.6]

Pires AM, Borges F, Dias AG, Lencart J, Matos M, Gonçalves J, Paraffin gauze bolus as tissue compensator on photon irradiation for mycosis fungoides – regarding a case study, Journal of Radiotherapy in Practice 22 (e82) 2023. https://doi.org/10.1017/S1460396923000109 [IF: 0.148]

Rodrigues A, N. Rodrigues, J. Santinha, M. V. Lisitskaya, A. Uysal, C. Matos, I. Domingues, N. Papanikolaou. Value of handcrafted and deep radiomic features towards training robust machine learning classifiers for Prediction of Prostate Cancer Disease Aggressiveness. Scientific Reports. 2023; 13(6206). [IF: 4.6]

Soares AL, Buttigieg SC, Bak B, McFadden S, McClure P, Couto JG, Bravo I. A Review of the Applicability of Current Green Practices in Healthcare Facilities. Int J Health Policy Manag. 2023;12:6947. doi: 10.34172/ijhpm.2023.6947 [IF: 2.9]

Soares AL, Buttigieg SC, Couto JG, Bak B, McFadden S, Bravo I. An evaluation of knowledge of circular economy among Therapeutic Radiographers/Radiation Therapists (TR/RTTs): Results of a European survey to inform curriculum design. Radiography (Lond). 2023 Mar;29(2):274-283. doi:10.1016/j.radi.2022.12.006 [IF: 2.6]

Ana Arriaga; Cláudia Gonçalves; P. Teles; Joana Santos; Paula Simãozinho; Patrick Sousa, Establishment of local diagnostic reference levels for abdomen and chest radiographies in the region of Algarve, Portugal, European Journal of Radiology, 170 (2023) 111248, DOI: 10.1016/j.ejrad.2023.111248 [IF: 3.3]

Books, & Book Chapters

M. El Amine Bechar, N. Settouti, and I. Domingues, Deep Learning vs. Super Pixel Classification for Breast Masses Segmentation, Deep Learning for Biomedical Applications, Boca Raton: CRC Press, 2021, pp. 121–156, eBook ISBN9780367855611

PUBLICAÇÕES SELECIONADAS (até 5)

Mendes B, I. Domingues, F. Dias, J. Santos. Cone Beam Computed Tomography Radiomics for Prostate Cancer: Favourable vs Unfavourable Prognosis Prediction. Applied Sciences. 2023; 13(3):1378. [IF: 2.7]

COLABORAÇÕES NACIONAIS

Faculdade de Ciências da Universidade do Porto (FCUP)
Instituto de Ciências Biomédicas Abel Salazar da Universidade do Porto (ICBAS)
Instituto Superior Técnico (IST/CTN)
INESC Porto
Universidade de Aveiro (Dep. Eng. Mecânica)
Universidade de Coimbra (Centro de Informática e Sistemas da Universidade de Coimbra; LIP)
Faculdade de Ciências da Universidade de Lisboa
Universidade do Minho (MEMS)

COLABORAÇÕES INTERNACIONAIS

Institute of Nuclear Physics PAN; Krakow, Polónia
Institution: Radiation Chemistry and Dosimetry Laboratory; Country: Bijenička c. 54, HR-10000 Zagreb, Croatia
Greek Atomic Energy Commission (EEAE), Dosimetry and Calibration Department; Atenas, Grécia
Belgian Nuclear Research Centre, Unit Research in Dosimetric Applications; Bélgica
Safe and Free Exchange of EU Radiography Professionals across Europe (SAFE EUROPE); Multi-institutional; European Consortium
European Radiation Dosimetry Group – EURADOS; EURADOS e. V.

Grupo de Física Médica, Radiobiologia & Proteção Radiológica

COORDENADOR CIENTÍFICO

EQUIPA

Investigadores Sénior

Investigadores Convidados

Estudantes em Doutoramento

Alunos de Mestrado

Outros Colaboradores

OBJETIVOS

PROJETOS COM FINANCIAMENTO INTERNO

Publicações

Books, & Book Chapters

PUBLICAÇÕES SELECIONADAS (até 5)

COLABORAÇÕES NACIONAIS

COLABORAÇÕES INTERNACIONAIS

equipa

contactos

telefone

email

localização