Algoritmo di conteggio per tracce da autoradiografia neutronica in BNCT: calibrazione e valutazione attraverso una simulazione Monte Carlo con Geant4

La Boron Neutron Capture Therapy (BNCT) è un trattamento oncologico avanzato che sfrutta l’interazione tra neutroni di bassa energia e boro-10 per colpire selettivamente le cellule tumorali. Il principio alla base della BNCT è la reazione nucleare in cui i neutroni termici vengono catturati dal boro-10, provocando l’emissione di particelle ad alto trasferimento lineare di energia (LET), ovvero particelle alfa e nuclei di litio. Queste particelle inducono danni letali a livello cellulare, in particolare nelle zone in cui il boro è maggiormente concentrato, risparmiando invece i tessuti con una bassa concentrazione di boro. Pertanto, se il boro si accumula selettivamente nel tumore, la BNCT può distruggere le cellule tumorali senza danneggiare quelle sane circostanti. Con la progressiva attivazione di impianti BNCT a livello globale, rimangono sfide cruciali come l’ottimizzazione della somministrazione di farmaci contenenti boro, la valutazione accurata della deposizione di dose e il miglioramento della selettività tumorale. Un aspetto chiave della ricerca sulla BNCT è lo sviluppo di vettori di boro più efficaci, capaci di migliorare l'assorbimento tumorale riducendo al contempo la tossicità sistemica. Gli studi preclinici svolgono un ruolo fondamentale nella valutazione della biodistribuzione, concentrazione e localizzazione microscopica del boro nei tessuti biologici. La capacità di quantificare con precisione la concentrazione di boro nei siti tumorali è essenziale per valutare l’efficacia di nuovi composti, ottimizzare i protocolli terapeutici e migliorare gli esiti clinici dei pazienti. In questo studio, abbiamo utilizzato rivelatori a traccia nucleare a stato solido, in particolare il CR-39, per quantificare la concentrazione di boro nei campioni tumorali. Il CR-39 registra le tracce lasciate dalle particelle cariche risultanti dalle reazioni di cattura neutronica, permettendo l’imaging diretto e la quantificazione del danno da radiazione indotto dal boro. Per automatizzare e migliorare l'analisi delle tracce, ho sviluppato un algoritmo di elaborazione delle immagini in Python utilizzando OpenCV, in grado di rilevare e contare in modo efficiente le tracce lasciate dalle particelle nelle immagini al microscopio dei rivelatori CR-39 irradiati. Questo approccio automatizzato garantisce un'elevata accuratezza e riproducibilità nelle misure di concentrazione del boro. Inoltre, ho progettato e implementato una simulazione Monte Carlo utilizzando il toolkit Geant4 per perfezionare la metodologia di conteggio delle tracce. Questa simulazione modella il processo di irraggiamento, tenendo conto delle interazioni neutroniche all'interno del campione tissutale e dell'emissione dei prodotti di reazione. Un risultato cruciale di questa simulazione è la stima dell’efficienza geometrica, ovvero la probabilità che le particelle generate all'interno del campione tissutale raggiungano con successo il rivelatore. Integrando questo fattore di efficienza, colmiamo il divario tra i conteggi sperimentali delle tracce e le previsioni teoriche, consentendo una valutazione più accurata della concentrazione di boro nei campioni biologici. Questo approccio combinato sperimentale e computazionale fornisce un metodo per assistere lo sviluppo di nuovi farmaci BNCT, offrendo uno strumento prezioso per studi preclinici futuri volti allo sviluppo di composti a base di boro più efficaci. In definitiva, il nostro lavoro contribuisce a migliorare l’efficacia della BNCT affinando le tecniche dosimetriche e approfondendo la comprensione della distribuzione del boro nei tessuti biologici

Boron Neutron Capture Therapy (BNCT) is an advanced oncological treatment that uses the interaction between low-energy neutrons and boron-10 to selectively target tumor cells. The principle behind BNCT is the nuclear reaction in which thermal neutrons are captured by boron-10, leading to the emission of high linear energy transfer (LET) particles, namely alpha particles and lithium nuclei. These particles induce lethal damage at cellular level, particularly where boron concentrates, while sparing tissues with low boron concentration. Thus, if boron concentrates in tumor, BNCT can selectively destroy tumor cells without harming surrounding healthy cells. As BNCT facilities become operational worldwide, a crucial challenge remains: optimizing boron-containing drug delivery, accurately assessing dose deposition, and improving tumor selectivity. A key aspect of BNCT research is the development of more effective boron carriers that enhance tumor uptake while reducing systemic toxicity. Pre-clinical studies play a pivotal role in evaluating the biodistribution, concentration, and microscopic localization of boron in biological tissues. The ability to precisely quantify boron concentration in tumor sites is fundamental for assessing the effectiveness of new compounds, optimizing treatment protocols, and improving patient outcomes. In this study, we employed solid-state nuclear track detectors, specifically CR-39, to quantify boron concentration in tumor samples. CR-39 registers the tracks left by charged particles resulting from neutron capture reactions, enabling direct imaging and quantification of boron-induced radiation damage. To automate and enhance track analysis, I developed a Python-based image processing algorithm using OpenCV, which efficiently detects and counts particle tracks in microscope images of the irradiated CR-39 detectors. This automated approach ensures high accuracy and reproducibility in boron concentration measurements. Additionally, I designed and implemented a Monte Carlo simulation using the Geant4 toolkit to refine our track-counting methodology. This simulation models the irradiation process, accounting for neutron interactions within the tissue sample and the subsequent emission of reaction products. A crucial outcome of this simulation is the estimation of the geometric efficiency (i.e., the probability that particles generated within the tissue sample successfully reach the detector). By incorporating this efficiency factor, we bridge the gap between experimental track counts and theoretical predictions, allowing for a more accurate evaluation of boron concentration in biological samples. This combined experimental and computational framework provides a robust method for assisting BNCT drug delivery strategies, offering a valuable tool for future pre-clinical studies aimed at developing more effective boron-containing compounds. Ultimately, our approach contributes to improve BNCT treatment efficacy by refining dosimetry techniques and advancing the understanding of boron distribution in biological tissues.