2025, Vol. 45
2. 中山大学-国科离子放射治疗前沿技术联合实验室, 广州 510060;
3. 清华大学工程物理系粒子技术与辐射成像教育部重点实验室, 北京 100084;
4. 美国约翰霍普金斯大学放射肿瘤学和分子放射科学系, 巴尔的摩 21287
2. United Laboratory of Frontier Radiotherapy Technology of Sun Yat-sen University & Chinese Academy of Sciences Ion Medical Technology Co., Ltd., Guangzhou 510060, China;
3. Department of Engineering Physics, Tsinghua University, Beijing 100084, China;
4. Department of Radiation Oncology and Molecular Radiation Sciences, Johns Hopkins University, Baltimore, MD 21287, USA
放射治疗是肿瘤治疗的重要手段之一，但电离辐射在杀伤肿瘤细胞的同时也会损伤正常组织，限制疗效提升，并影响患者的生活质量。近年来研究发现，相较于临床使用的常规剂量率照射(conventional dose rate irradiation，CONV-IR)，FLASH照射(FLASH-IR)在有效控制肿瘤生长的同时显著减少了正常组织的不良反应，这一现象被称为“FLASH效应”[1]。FLASH照射具有高效、低毒的特性，引起广泛关注。
FLASH-IR在极短时间内(数百ms)向靶区输送相对高剂量的辐射，其平均剂量率(≥40 Gy/s)远高于CONV-IR(~0.1 Gy/s)。多项临床前研究表明，FLASH-IR与CONV-IR在治疗胰腺肿瘤、卵巢癌、鳞状细胞癌和胶质母细胞瘤等多种肿瘤时具有相似的抗肿瘤疗效[1-5]，同时FLASH-IR可以显著减少肺、肠道、神经系统、皮肤和胚胎等多种正常组织中的放射不良反应[1, 6-8]。目前，美国、欧洲和中国的研究团队已在临床试验中初步验证了FLASH-IR的可行性与安全性[9-11]，其临床转化正稳步推进，被视为放疗领域的潜在革命性技术。
尽管FLASH-IR应用前景广阔，但其生物学机制仍不明确，成为限制临床推广的关键瓶颈。当前研究从多个方向尝试解释FLASH效应，包括：辐射物理与化学反应动力学的改变[12-13]、免疫应答调控机制[14-15]、线粒体功能损伤机制[16]等。然而这些假说目前并不成熟，尚未在学术界形成广泛共识。一些研究也观察到了FLASH效应的阴性结果[17-20]，不同器官、组织中触发FLASH效应的剂量及剂量率阈值尚存在争议，亟需进一步澄清其辐射生物学机制。
蒙特卡罗径迹结构(Monte Carlo track structure, MCTS)模拟是研究电离辐射在微观时空尺度上生物效应的关键工具。该方法已广泛应用于CONV-IR相关研究，可以对DNA双链断裂、DNA损伤修复、染色体畸变、细胞死亡、纳米粒子放射增敏效应等不同生物学效应进行精细建模[21-24]。FLASH-IR与CONV-IR的辐射化学反应及细胞损伤差异可能是解释FLASH生物效应的关键突破口，因此近年来针对FLASH-IR的MCTS研究兴趣不断增加，但传统的MCTS模拟方法应用于FLASH-IR还存在诸多问题。
本文将系统梳理FLASH-IR中MCTS模拟面临的关键挑战，总结相关研究进展及成果，旨在为后续的模拟方法优化和机制研究提供理论支持与技术参考。
一、FLASH-IR的MCTS模拟挑战1. MCTS的原理及特征：MCTS自20世纪80年代开始发展，已成为研究电离辐射微观生物效应的关键工具。目前，具有代表性的MCTS模拟平台包括PARTRAC[22], 、KURBUC[25]、Geant4-DNA[26]、TOPAS-nBio[27-28]、TRAX-CHEM[29]、IONLYS-IRT[30]、NASIC[31-32]、gMicroMC[33-36]等。MCTS通过对电离辐射与生物介质相互作用过程在微观空间与时间上的精细建模，能够模拟细胞内从初始能量沉积到生物效应形成的全过程。通常包括以下4个阶段(图 1)。
|
图 1 电离辐射时空反应尺度及FLASH-IR与CONV-IR时间尺度对比 Figure 1 Spatiotemporal response scale of ionizing radiation and comparison of temporal scales between FLASH irradiation and conventional dose rate irradiation |
(1) 物理阶段(10-15 s)：模拟入射粒子及其次级粒子在介质中的物理能量沉积，及其与水分子之间的电离、激发和振动激发过程。
(2) 物理-化学阶段(或称前化学阶段：10-15~10-12 s)：模拟激发态水分子(H2O*)和离子化水分子(H2O+)的衰变，以及亚激发电子(esub-)的热化过程，同时生成初始自由基。
(3) 化学阶段：包括非均匀化学阶段(10-12~10-6 s)和均匀化学阶段(可持续数秒)，非均匀化学阶段模拟初始自由基的随机游走扩散、两两反应，或与生物靶分子(如DNA)作用，导致反应物减少并产生新的自由基。均匀化学阶段自由基浓度趋于平衡，反应向体系平均分布状态过渡。
(4) 生物学阶段(持续数小时以上)：分析物理反应和自由基引发的生物效应，包括DNA损伤、DNA修复、染色体畸变及细胞死亡等生物效应。
值得注意的是，FLASH-IR时长通常在百毫秒量级，这与电离辐射与生物介质相互作用的非均匀化学阶段的时间尺度高度吻合，因此探究FLASH-IR与CONV-IR在该阶段细胞内发生的微观反应过程差异(例如氧耗竭过程、自由基反应过程等)，可能为揭示FLASH-IR生物效应机制提供关键线索。
2. FLASH-IR必须考虑粒子径迹之间的相互影响：在CONV-IR条件下，粒子轨迹之间的时间间隔较长，彼此间不会发生重叠，物理、化学反应仅限于单轨迹内(intra-track)，可以对每个入射粒子进行逐个模拟。然而在FLASH-IR条件下，大量粒子在极短时间内密集通过细胞核区域，粒子轨迹在时间和空间上高度重叠。尽管物理过程(如能量沉积、电离与激发)在约10-15 s内迅速完成，轨迹间的物理反应可忽略，但在后续的化学阶段，自由基的扩散与反应持续至10-6 s及以上，轨迹间的自由基反应(inter-track chemical reactions)成为不可忽视的因素。轨迹重叠所引发的自由基浓度升高、反应半径交叉等能显著改变辐射化学反应路径与产物组成，进而影响细胞响应模拟的准确性。因此，在FLASH-IR条件下，MCTS模拟必须考虑轨迹间的化学反应建模，以提升对真实生物效应的预测能力。
3. FLASH-IR的模拟计算成本激增：在MCTS模拟中，非均匀化学阶段是最为耗时的阶段。在此阶段，辐射诱导产生的自由基在介质中随机扩散，并可能彼此发生反应。传统模拟方法通常采用逐步模拟(step-by-step, SBS)策略，即设定固定的时间步长，在每一时间步中逐一检查所有自由基对的空间距离。如果两个反应物的空间距离小于二者之间的反应半径，则假定判定发生化学反应，移除反应物并生成产物，然后假设产物在空间中发生随机游走对其空间位置进行更新。假设单一粒子轨迹产生n个自由基，则逐步搜索自由基对反应的计算成本按照平方量级增长为O(n2)。
对于CONV-IR，使用SBS算法的MCTS模拟可能需要数小时至数周的中央处理器(CPU)处理时间，在高性能计算集群下可以通过多CPU并行计算缩短计算时间。FLASH-IR的MCTS模拟必须考虑来自N个不同轨迹的化学自由基之间的反应，这将导致计算成本呈平方增长，达到O(N2n2)，超出计算资源的承受范围，成为当前模拟工作的关键瓶颈。
4. FLASH-IR的MCTS模拟需要拓展化学反应列表：已有研究表明，氧消耗(radiolytic oxygen depletion)反应和活性氧自由基(reactive oxygen species, ROS)反应可能是解释FLASH生物效应的关键机制之一[7, 37]。在CONV-IR条件下，氧浓度通常保持恒定，且模拟氧相关反应会显著增加计算负担，因此，早期的MCTS工具多未考虑氧分子的参与。但是在FLASH-IR中，化学自由基以极高的瞬时浓度产生，其中eaq-和·H自由基可以迅速捕获氧分子(O2)，发生以下反应：·H + O2→HO2·，eaq-+O2→O2·-。这可能导致氧气浓度的变化，从而引发后续生物反应改变。此外，扩展氧相关反应的模拟能够更清晰地展示活性氧物质(ROS，如H2O2、·OH、O2·-)的演变过程，并有助于模拟其对FLASH效应的影响。
5. FLASH-IR的MCTS模拟需要考虑细胞环境的影响：多数现有MCTS模拟采用“纯水模型”，即假设辐射化学反应发生在均质的液态水环境中，忽略了细胞内部复杂的生物化学环境对自由基存活时间与反应路径的影响。在FLASH-IR条件下，扩散与反应过程在多个轨迹间交织进行，因而更易受到细胞微环境的调控与干扰。此时，忽略细胞环境将难以准确反映自由基的反应动力学与空间分布，必须将其纳入MCTS模拟中。
首先，细胞环境中溶质种类复杂，富含蛋白质、脂质、酶、DNA以及谷胱甘肽(GSH)等抗氧化剂和有机分子。这些物质可作为自由基的竞争反应物，与·OH、·H、O2·-等发生反应(图 2)，特别是抗氧化剂能够显著缩短自由基存活时间，减少其与关键生物大分子比如DNA的反应概率。例如，GSH是细胞内主要的ROS清除剂，在FLASH-IR下可能迅速耗竭，暂时削弱细胞的抗氧化能力，进而改变自由基反应路径。同时，细胞中的有机自由基(R·)也可以通过以下反应消耗氧分子，改变细胞氧浓度并促进氧耗竭：$\mathrm{R}^{\cdot}+\mathrm{O}_2 \rightarrow \mathrm{RO}_2^{\cdot} $。
|
图 2 电离辐射诱发的氧消耗、活性氧反应链、芬顿反应链及过氧反应链简化模型 Figure 2 A simplified model of oxygen depletion, reactive oxygen species reaction chain, Fenton reaction chain, and peroxidation reaction chain induced by ionizing radiation |
其次，细胞内亚结构(如细胞核、线粒体、胞质等)在空间分布、分子密度和生化成分上存在显著差异，自由基在其中的扩散速率与反应行为也随之变化。忽视这种空间非均匀性将限制模拟的准确性。例如，DNA组蛋白已被证明具备自由基清除能力，在保护DNA免受·OH攻击方面发挥重要作用[38-39]。
此外，细胞局部的pH值、温度、电荷环境等物理化学参数也会调节自由基的扩散与反应行为。例如，酸性环境会减少水合电子，过氧化氢负离子的存在，改变
·OH等自由基的质子化过程，影响其反应路径及最终产物。
综上所述，为准确模拟FLASH-IR下自由基的辐射化学行为，MCTS工具需拓展其在细胞环境的建模能力，纳入如下细胞环境相关机制：自由基与生物大分子之间的竞争反应通路；微纳尺度下细胞亚结构对扩散与反应动力学的调制；抗氧化剂(如GSH)浓度的动态变化建模；pH、温度等生化参数对反应速率与路径的修正模型。
综合上述因素，不仅能够提升模拟对FLASH-IR生物效应的预测能力，还可为揭示其潜在作用机制提供物理化学基础与理论支撑。
二、FLASH-IR微观蒙特卡罗模拟研究进展1. 束流物理特征模拟：FLASH-IR的束流模拟必须要考虑极短时间内大量粒子同时入射所带来的径迹间反应，部分前期研究采用“瞬时脉冲法”进行建模[32, 40]，即假设FLASH-IR单次照射中的所有粒子同时入射，对每个入射粒子分别完成物理阶段模拟，记录所有初始粒子在细胞核内的能量沉积信息并输出为径迹文件；在前化学阶段根据径迹文件产生所有初始粒子的亚激发电子和电离、激发水分子，并模拟水的辐解过程；在随后的化学阶段即可以得到FLASH脉冲中所有入射粒子产生的自由基并模拟其相互间的反应，以充分考虑径迹重叠的影响。该方法适用于建模脉冲宽度极短(ns级)的单次FLASH照射情形，但是并不符合目前大部分临床前研究所使用的照射束流特征，例如基于常规医用加速器改造的电子、质子和重离子FLASH-IR束流，目前实验中一般FLASH-IR照射过程持续若干ms，且包含多个时间宽度为ns~μs的脉冲，瞬时脉冲法无法精确反映这类多脉冲结构束流的时间特征。
为了解决这一问题，Geant4在11.2版本中更新了Geant4\|DNA“UHDR”示例[41]，支持时序入射模拟，用户可设定入射粒子之间的时间间隔Δt，Δt既可为固定值，也可依据加速器实测脉冲信号进行采样。在时序调度器中整合所有入射粒子的时间延迟，并将每个粒子的虚拟时间从物理阶段传递至后续化学反应模拟。通过调整Δt即可对不同脉冲宽度、重复频率的束流结构进行仿真，实现在模拟中动态还原束流的时间结构，目前该示例可以支持0.01~105 Gy/s剂量率范围的FLASH-IR束流仿真模拟。
2. 计算成本压缩：在FLASH-IR的蒙特卡罗模拟中，需同时模拟多个粒子轨迹内及轨迹间的化学反应，大幅增加了计算成本。为应对这一挑战，近年来相继引入了连续介质近似、独立反应时间(independent reaction time，IRT)算法、同步IRT算法(IRT-syn)、图形处理器(GPU)加速、CPU-GPU耦合加速等多种优化策略。
连续介质近似方法由Pimblott等[42]和Green[43]提出，该方法针对高介电常数的液体(如水)，用与时间相关的概率模型近似描述离子对间的反应行为。连续介质近似方法可用于减轻FLASH-IR化学阶段对氧相关反应模拟带来的计算负荷，该方法将溶解在细胞内的氧分子视为一个均匀分布的连续体，化学自由基在一定的时间步长内与含氧连续介质的反应可以通过概率分布公式计算，从而避免直接引入海量的氧分子造成的内存爆炸和算力负荷增加[32]。
IRT算法由Plante和Devroye [44]提出，目前已经在Geant4-DNA TOPAS-nBio、NASIC、IONLYS-IRT等平台中引入实现[30-31, 41]。IRT算法的核心假设为：自由基反应对相互独立，且忽略自由基扩散过程，将化学反应简化为基于概率和初始空间位置的时间采样问题。首先计算所有可能反应对的反应时间，依据反应概率和初始空间位置进行采样；将所有反应时间按升序排列，逐一独立处理；模拟过程中不更新粒子的扩散轨迹，仅计算初始位置与反应位点。相较于SBS算法，IRT方法并不模拟自由基的随机行走，大幅降低了遍历次数，计算效率可以提高百倍以上[45]，但其缺陷在于模拟过程中不更新自由基的空间游走信息，仅保留初始位置和反应位点，导致时空动态性缺失。
IRT-syn算法在IRT基础上引入间歇性时空同步，以IRT采样的反应时间作为步长，周期性更新分子位置并重建反应列表。IRT-syn算法可获取特定时刻的时空信息，兼顾效率与动态跟踪。但是其缺点在于每次同步需重新计算所有反应对距离，重建反应列表产生额外的计算成本，对大规模的反应过程模拟仍不理想[41]。
GPU适合于大量计算任务并行处理，应用于MCTS模拟可以大幅压缩计算时间[46]。例如，gMicroMC在MCTS的物理、前化学、化学和生物效应模拟阶段均使用GPU加速，每一个GPU线程负责追踪一个粒子或自由基的反应过程，实现计算效率大幅提高[33-36]。NASIC模拟平台在IRT算法的基础上进一步采用CPU-GPU耦合加速方法，提高计算效率[31]，该平台对IRT方法中反应时间的抽样采用GPU并行处理，对排序后的反应物的采用CPU串行处理。模拟时，将反应物分成若干个任务包，将程序设计为流水线的形式，GPU和CPU在流水线上异步地完成内存、显存的数据传输及各自的计算任务。在GPU上进行计算时，使用GPU快速排序算法将反应物根据反应类型进行排序，使得相邻的线程尽可能处理相同的反应，避免线程发散，提高了GPU计算的效率。
3. 辐射化学反应列表拓展：实验研究表明，FLASH-IR可以在通过辐射化学反应迅速消耗细胞中的氧分子[47-49]，并且改变活性氧自由基浓度，从而影响生物效应。Spitz等[50]和Labarbe等[12]率先采用数学建模的方法分析了FLASH-IR束流条件下放射化学反应中氧消耗以及有机过氧化物的产额的衍化过程；Spitz等[50]提出正常组织和肿瘤组织中的内源性活性游离铁离子和抗氧化酶储备存在差异，影响游离铁参与的芬顿反应(Fenton reaction，即促氧化链式反应)，从而导致有机过氧化物和氧化损伤产额的差异，进一步影响肿瘤和正常组织中的生物效应。Labarbe等[12]的分析指出，氧消耗作用对FLASH-IR的正常组织保护作用贡献可能十分有限，主要原因可能在于FLASH-IR产生的大量过氧自由基(ROO·)更容易发生互相复合(而非与有机生物靶发生反应)。需要注意的是，单纯数学模型只能求解氧消耗或ROS的总产额，无法对各反应在生物组织中的空间分布进行模拟，缺乏与生物结构的映射关系，这限制了对FLASH生物效应的深入分析。
拓展MCTS的反应列表是实现FLASH-IR微观反应精细分析的必要条件。目前TRAX-Chem[29]、gMicroMC[35]、NASIC[31-32]、Geant4-DNA[41]等模拟平台都已经拓展了非均匀化学阶段氧相关化学反应过程(表 1)，支持FLASH-IR束流产生的自由基在细胞内的氧消耗过程仿真模拟。此外，NASIC在平台中引入了氧分子和抗氧化剂与DNA自由基(DNA·)和过氧化DNA自由基(DNA-OO·)损伤及修复过程的仿真模拟[51]，可以应用于FLASH-IR氧消耗过程导致的生物效应变化评估。TOPAS-nBio拓展了游离铁离子与自由基反应的相关列表，可用于分析化学剂量计Fricke溶液(Fricke solution)中的自由基衍化过程，以及氧浓度对芬顿反应的影响[27, 52]。
|
表 1 部分MCTS模拟平台的氧相关反应列表拓展及加速方法 Table 1 Expansion of oxygen-related reactions and computational acceleration methods in selected MCTS simulation platforms |
4. 细胞环境的模拟：著名辐射化学家Wardman[53]指出，仅以纯水模型开展模拟，可能会高估高剂量率条件下轨迹间相互作用对辐射化学反应的影响。因此，尽管已有大量MCTS工作关注剂量率变化对自由基行为的影响，这些结果在转化至实际生物系统中时往往缺乏临床相关性。其根本原因在于细胞内复杂的生物化学环境尚未被充分纳入模拟模型中，细胞环境中辐射化学链式反应简化模型中，涉及了多种抗氧化剂、酶类以及蛋白质参与(图 2)。如何实现细胞环境的MCTS模拟，是当前FLASH模拟中仍具挑战性的关键环节。
一种常见的处理方式是将抗氧化剂显式引入自由基反应网络中，以观察其浓度变化如何调节辐射化学过程。研究者在IONLYS-IRT平台中模拟了GSH、抗坏血酸(AH-)和α-生育酚(TOH)在不同剂量率下对氧气消耗和脂质过氧化自由基(ROO·)形成的影响。结果显示，这些抗氧化剂可有效中断ROO·的链式反应过程，从而在一定程度上解释了FLASH所展现出的正常组织保护效应[30]。另一项研究通过MCTS模拟发现，抗氧化剂胱胺(cystamine)的引入显著改变了氧化产物Fe3+的最终产额，进一步验证了抗氧化机制在FLASH效应中的潜在作用[54]。
另一种思路则从自由基清除动力学的角度出发，不再逐一建模各类细胞内抗氧化成分的反应行为，而是将它们的总体效应等效为自由基清除的综合反应速率。在这种建模框架中，自由基的去除过程被近似为一阶动力学反应，通过引入“半衰期”或“清除速率”参数，在每一时间步中赋予自由基一个与环境相关的存活概率。例如，Baikalov等[55]基于TOPAS-nBio平台提出了一个参数化的扩散-反应模型，简化自由基扩散过程，并通过MCTS提供的时间分辨数据对模型参数进行拟合。该方法有效捕捉了自由基在长时间尺度下的演化行为，并在模拟中引入了不同清除机制对自由基浓度变化的调节作用。该研究不仅确认了inter-track效应在FLASH保护性效应中的贡献，还进一步量化了实现FLASH效应所需的剂量阈值与剂量率条件，其预测结果与实验数据具有良好的一致性。
5. 模拟功能拓展：受计算资源限制，目前的MCTS模拟多局限在单细胞尺度的模拟计算，难以推广到器官或组织等宏观层面的分析。García等[56]联合宏观和微观蒙特卡罗模拟工具实现了多细胞尺度的生物效应分析，并建立了模拟平台TOPAS-Tissue。该平台可以实现辐照前的细胞分裂增殖模拟、细胞照射中的径迹结构计算和DNA损伤、修复、细胞存活等生物效应分析。该平台的构建为FLASH-IR研究提供了跨尺度、多机制整合模拟的潜力框架，未来有望在机制探索与放疗计划优化中发挥重要作用。
三、总结及展望FLASH-IR因其“高效低毒”的优势，被认为是肿瘤放疗领域的潜在革命性技术。然而，FLASH效应的生物学机制尚未完全阐明，严重制约了其临床推广与应用。MCTS作为研究FLASH-IR微观反应过程的重要理论工具，近年来取得显著进展，已能实现对辐射诱导微观化学反应过程的高精度、高效率建模与计算。尽管如此，当前MCTS在FLASH-IR研究中的应用仍面临诸多挑战，亟待进一步突破，包括：
1. 拓展反应截面、速率常数数据库：目前MCTS模拟普遍采用水作为生物组织的等效介质，因生物组织中60%~95%的成分为水，且缺乏丰富的生物物理反应截面数据和化学反应速率常数。然而，真实生物环境中存在多种放射敏感的有机分子、活性自由基和催化酶，其反应行为可能显著偏离水相模型。因此，构建更具生理代表性的反应截面和速率常数数据库，引入与不同粒子相关的生物介质专属反应参数，将是提升模拟准确性的关键方向。
2. MCTS与实验的协同研究：受建模复杂性、参考数据、计算资源等因素限制，MCTS是真实情况的简化建模。虽然单纯的MCTS模拟难以还原实验中的所有变量，但能有效探究实验趋势并识别FLASH效应的关键影响因素。例如，基于FLASH-IR氧消耗过程的MCTS模拟分析提出单脉冲照射模式能更好地保护正常组织，如果受限于加速器硬件条件必须使用多脉冲照射，建议脉冲间隔不超过10~50 ms[32]；该研究结论为实验的开展提出了关键建议，并在实验中得到验证[57]。基于FLASH-IR自由基复合反应过程MCTS模拟分析提示，FLASH-IR能够保护正常细胞并杀伤肿瘤细胞的生物效应可能来源于正常细胞与肿瘤细胞中的抗氧化剂含量不同，从而影响了自由基复合反应和DNA损伤过程[58]，实验研究通过抗氧化剂干预逆转了FLASH-IR对正常肠道组织的保护作用[59]，支持MCTS研究结论。未来研究可通过MCTS模拟系统分析FLASH-IR的物理、生化参数，结合实验验证明确优选的参数条件，为FLASH-IR的临床转化提供更有建设性的指导。
3. MCTS应用于FLASH-IR生物效应机制研究：明确FLASH-IR的生物效应机制是推动其临床转化的关键基础。相较于实验研究，MCTS模拟的优势在于可以对电离辐射涉及的微观物理、化学反应精细分析，尤其适用于FLASH-IR的氧消耗和自由基假说这类以辐射化学反应为基础的假说，相关研究已有较多文献支持[29, 51, 60]。随着新的科学假说的提出，MCTS的应用范围也可以进一步扩大，例如：研究提出FLASH-IR的照射时间极短，可以减少外周循环血液中淋巴细胞的受照比例，从而促进正常组织保护[61]。有研究尝试建立简单血管模型[32]或3D分布血管模型[62]，未来研究可进一步对人体血液循环系统进行高精度建模[63]，基于宏观蒙特卡罗模拟和MCTS计算可以进一步精细分析循环淋巴细胞的受照剂量和生物效应。还有研究提出FLASH-IR和CONV-IR对于线粒体的损伤差异也可能是阐释FLASH效应的潜在机制[16]，未来可以针对线粒体构建精细的几何模型和生物终点计算方法，为FLASH-IR生物效应机制研究提供不同的视角。
综上所述，微观蒙特卡罗模拟在FLASH-IR的机制研究与模型构建方面具备广阔前景，有望为FLASH效应的本质揭示和临床应用转化提供关键理论支撑与技术保障。
利益冲突 无
作者贡献声明 朱红玉负责论文选题、撰写与修改；胡安康、赖有方、杨雨晨负责论文修改；邓小武指导论文选题与修改
| [1] |
Favaudon V, Caplier L, Monceau V, et al. Ultrahigh dose-rate FLASH irradiation increases the differential response between normal and tumor tissue in mice[J]. Sci Transl Med, 2014, 6(245): 245ra93. DOI:10.1126/scitranslmed.3008973 |
| [2] |
Levy K, Natarajan S, Wang J, et al. Abdominal FLASH irradiation reduces radiation-induced gastrointestinal toxicity for the treatment of ovarian cancer in mice[J]. Sci Rep, 2020, 10(1): 21600. DOI:10.1038/s41598-020-78017-7 |
| [3] |
Zhu H, Xie D, Wang Y, et al. Comparison of intratumor and local immune response between MV X-ray FLASH and conventional radiotherapies[J]. Clin Transl Radiat Oncol, 2023, 38: 138-146. DOI:10.1016/j.ctro.2022.11.005 |
| [4] |
Gao F, Yang Y, Zhu H, et al. First demonstration of the FLASH effect with ultrahigh dose rate high-energy X-rays[J]. Radiother Oncol, 2022, 166: 44-50. DOI:10.1016/j.radonc.2021.11.004 |
| [5] |
Iturri L, Bertho A, Lamirault C, et al. Proton FLASH radiation therapy and immune infiltration: evaluation in an orthotopic glioma rat model[J]. Int J Radiat Oncol Biol Phys, 2023, 116(3): 655-665. DOI:10.1016/j.ijrobp.2022.12.018 |
| [6] |
Zhu H, Xie D, Yang Y, et al. Radioprotective effect of X-ray abdominal FLASH irradiation: adaptation to oxidative damage and inflammatory response may be benefiting factors[J]. Med Phys, 2022, 49(7): 4812-4822. DOI:10.1002/mp.15680 |
| [7] |
Montay-Gruel P, Acharya MM, Petersson K, et al. Long-term neurocognitive benefits of FLASH radiotherapy driven by reduced reactive oxygen species[J]. Proc Natl Acad Sci USA, 2019, 116(22): 10943-10951. DOI:10.1073/pnas.1901777116 |
| [8] |
Karsch L, Pawelke J, Brand M, et al. Beam pulse structure and dose rate as determinants for the flash effect observed in zebrafish embryo[J]. Radiother Oncol, 2022, 173: 49-54. DOI:10.1016/j.radonc.2022.05.025 |
| [9] |
杨成梁, 罗辉, Marie-CatherineV, 等. 电子束超高剂量率放疗治疗阴囊皮肤Paget's病的效果[J]. 郑州大学学报(医学版), 2025, 60(6): 822-825. Yang CL, Luo H, Marie-Catherine V, et al. Efficacy of electron ultra-high dose rate radiotherapy for scrotal Paget's disease[J]. J Zhengzhou Univ (Med Sci), 2025, 60(6): 822-825. DOI:10.13705/j.issn.1671-6825.2025.02.039 |
| [10] |
Daugherty EC, Zhang Y, Xiao Z, et al. FLASH radiotherapy for the treatment of symptomatic bone metastases in the thorax (FAST-02): protocol for a prospective study of a novel radiotherapy approach[J]. Radiat Oncol, 2024, 19(1): 34. DOI:10.1186/s13014-024-02419-4 |
| [11] |
Mascia AE, Daugherty EC, Zhang Y, et al. Proton FLASH radiotherapy for the treatment of symptomatic bone metastases: the FAST-01 nonrandomized trial[J]. JAMA Oncol, 2023, 9(1): 62-69. DOI:10.1001/jamaoncol.2022.5843 |
| [12] |
Labarbe R, Hotoiu L, Barbier J, et al. A physicochemical model of reaction kinetics supports peroxyl radical recombination as the main determinant of the FLASH effect[J]. Radiother Oncol, 2020, 153: 303-310. DOI:10.1016/j.radonc.2020.06.001 |
| [13] |
Pratx G, Kapp DS. A computational model of radiolytic oxygen depletion during FLASH irradiation and its effect on the oxygen enhancement ratio[J]. Phys Med Biol, 2019, 64(18): 185005. DOI:10.1088/1361-6560/ab3769 |
| [14] |
Zhou G. Mechanisms underlying FLASH radiotherapy, a novel way to enlarge the differential responses to ionizing radiation between normal and tumor tissues[J]. Radiat Med Prot, 2020, 1(1): 35-40. DOI:10.1016/j.radmp.2020.02.002 |
| [15] |
Ni H, Reitman ZJ, Zou W, et al. FLASH radiation reprograms lipid metabolism and macrophage immunity and sensitizes medulloblastoma to CAR-T cell therapy[J]. Nat Cancer, 2025, 6(3): 460-473. DOI:10.1038/s43018-025-00905-6 |
| [16] |
Guo Z, Buonanno M, Harken A, et al. Mitochondrial damage response and fate of normal cells exposed to FLASH irradiation with protons[J]. Radiat Res, 2022, 197(6): 569-582. DOI:10.1667/RADE-21-00181.1 |
| [17] |
Bell BI, Velten C, Pennock M, et al. Whole abdominal pencil beam scanned proton FLASH increases acute lethality[J]. Int J Radiat Oncol Biol Phys, 2025, 121(2): 493-505. DOI:10.1016/j.ijrobp.2024.09.006 |
| [18] |
Nomura S, Hasegawa M, Kamiguchi N, et al. FLASH effect is not always induced by ultra-high dose-rate proton irradiation under hypoxic conditions[J]. Anticancer Res, 2024, 44(7): 2973-2979. DOI:10.21873/anticanres.17109 |
| [19] |
Cuitiño MC, Fleming JL, Jain S, et al. Comparison of gonadal toxicity of single-fraction ultra-high dose rate and conventional radiation in Mice[J]. Adv Radiat Oncol, 2023, 8(4): 101201. DOI:10.1016/j.adro.2023.101201 |
| [20] |
Zhang Q, Gerweck LE, Cascio E, et al. Absence of tissue-sparing effects in partial proton FLASH irradiation in murine intestine[J]. Cancers (Basel), 2023, 15(8): 2269. DOI:10.3390/cancers15082269 |
| [21] |
Zhu H, McNamara AL, McMahon SJ, et al. Cellular response to proton irradiation: a simulation study with TOPAS-nBio[J]. Radiat Res, 2020, 194(1): 9-21. DOI:10.1667/RR15531.1 |
| [22] |
Friedland W, Jacob P, Kundrát P. Stochastic simulation of DNA double-strand break repair by non-homologous end joining based on track structure calculations[J]. Radiat Res, 2010, 173(5): 677-688. DOI:10.1667/RR1965.1 |
| [23] |
Li WB, Belchior A, Beuve M, et al. Intercomparison of dose enhancement ratio and secondary electron spectra for gold nanoparticles irradiated by X-rays calculated using multiple Monte Carlo simulation codes[J]. Phys Med, 2020, 69: 147-163. DOI:10.1016/j.ejmp.2019.12.011 |
| [24] |
Xie WZ, Friedland W, Li WB, et al. Simulation on the molecular radiosensitization effect of gold nanoparticles in cells irradiated by X-rays[J]. Phys Med Biol, 2015, 60(16): 6195-6212. DOI:10.1088/0031-9155/60/16/6195 |
| [25] |
Uehara S, Nikjoo H. Monte Carlo simulation of water radiolysis for low-energy charged particles[J]. J Radiat Res, 2006, 47(1): 69-81. DOI:10.1269/jrr.47.69 |
| [26] |
Tran HN, Archer J, Baldacchino G, et al. Review of chemical models and applications in Geant4-DNA: Report from the ESA BioRad Ⅲ Project[J]. Med Phys, 2024, 51(9): 5873-5889. DOI:10.1002/mp.17256 |
| [27] |
Ramos-Méndez J, Domínguez-Kondo N, Schuemann J, et al. LET-dependent intertrack yields in proton irradiation at ultra-high dose rates relevant for FLASH therapy[J]. Radiat Res, 2020, 194(4): 351-362. DOI:10.1667/RADE-20-00084.1 |
| [28] |
Schuemann J, McNamara AL, Ramos-Méndez J, et al. TOPAS-nBio: an extension to the TOPAS simulation toolkit for cellular and sub-cellular radiobiology[J]. Radiat Res, 2019, 191(2): 125-138. DOI:10.1667/RR15226.1 |
| [29] |
Boscolo D, Scifoni E, Durante M, et al. May oxygen depletion explain the FLASH effect? A chemical track structure analysis[J]. Radiother Oncol, 2021, 162: 68-75. DOI:10.1016/j.radonc.2021.06.031 |
| [30] |
Rabeya I, Meesungnoen J, Jay-Gerin JP. Oxygen depletion and the role of cellular antioxidants in FLASH radiotherapy: mechanistic insights from Monte Carlo radiation-chemical modeling[J]. Antioxidants (Basel), 2025, 14(4): 406. DOI:10.3390/antiox14040406 |
| [31] |
Hu A, Qiu R, Wu Z, et al. CPU-GPU coupling independent reaction times method in NASIC and application in water radiolysis by FLASH irradiation[J]. Biomed Phys Eng Express, 2022, 8(2): 025015. DOI:10.1088/2057-1976/ac52d9 |
| [32] |
Zhu H, Li J, Deng X, et al. Modeling of cellular response after FLASH irradiation: a quantitative analysis based on the radiolytic oxygen depletion hypothesis[J]. Phys Med Biol, 2021, 66(18): 185009. DOI:10.1088/1361-6560/ac226d |
| [33] |
Tsai MY, Tian Z, Qin N, et al. A new open-source GPU-based microscopic Monte Carlo simulation tool for the calculations of DNA damages caused by ionizing radiation - Part Ⅰ: Core algorithm and validation[J]. Med Phys, 2020, 47(4): 1958-1970. DOI:10.1002/mp.14037 |
| [34] |
Lai Y, Tsai MY, Tian Z, et al. A new open-source GPU-based microscopic Monte Carlo simulation tool for the calculations of DNA damages caused by ionizing radiation - Part Ⅱ: sensitivity and uncertainty analysis[J]. Med Phys, 2020, 47(4): 1971-1982. DOI:10.1002/mp.14036 |
| [35] |
Lai Y, Jia X, Chi Y. Modeling the effect of oxygen on the chemical stage of water radiolysis using GPU-based microscopic Monte Carlo simulations, with an application in FLASH radiotherapy[J]. Phys Med Biol, 2021, 66(2): 025004. DOI:10.1088/1361-6560/abc93b |
| [36] |
Peng Y, Lai Y, Yin L, et al. Investigating radical yield variations in FLASH and conventional proton irradiation via microscopic Monte Carlo simulations[J]. Phys Med Biol, 2025, 70(10): 105012. DOI:10.1088/1361-6560/add07b |
| [37] |
Adrian G, Konradsson E, Lempart M, et al. The FLASH effect depends on oxygen concentration[J]. Br J Radiol, 2020, 93(1106): 20190702. DOI:10.1259/bjr.20190702 |
| [38] |
Valota A, Ballarini F, Friedland W, et al. Modelling study on the protective role of OH radical scavengers and DNA higher-order structures in induction of single- and double-strand break by gamma-radiation[J]. Int J Radiat Biol, 2003, 79(8): 643-653. DOI:10.1080/09553000310001596977 |
| [39] |
Lai Y, Jia X, Chi Y. Recent developments on gMicroMC: Transport simulations of proton and heavy ions and concurrent transport of radicals and DNA[J]. Int J Mol Sci, 2021, 22(12): 6615. DOI:10.3390/ijms22126615 |
| [40] |
Chappuis F, Tran HN, Zein SA, et al. The general-purpose Geant4 Monte Carlo toolkit and its Geant4-DNA extension to investigate mechanisms underlying the FLASH effect in radiotherapy: current status and challenges[J]. Phys Med, 2023, 110: 102601. DOI:10.1016/j.ejmp.2023.102601 |
| [41] |
Le TA, Tran HN, Fattori S, et al. Modeling water radiolysis with Geant4-DNA: impact of the temporal structure of the irradiation pulse under oxygen conditions [J]. arXiv preprint arXiv: 240911993, 2024.
|
| [42] |
Pimblott SM, Pilling MJ, Green NJB. Stochastic-models of spur kinetics in water[J]. Radiat Phys Chem, 1991, 37(3): 377-388. DOI:10.1016/1359-0197(91)90006-n |
| [43] |
Green NJB. Reaction probability and diffusion-controlled rate constants for ionic reactions in solvents of high permittivity[J]. Chem Phys Lett, 1984, 107(4-5): 485-488. DOI:10.1016/s0009-2614(84)80260-2 |
| [44] |
Plante I, Devroye L. Considerations for the independent reaction times and step-by-step methods for radiation chemistry simulations[J]. Radiat Phys Chem, 2017, 139: 157-172. DOI:10.1016/j.radphyschem.2017.03.021 |
| [45] |
Ramos-Méndez J, Shin WG, Karamitros M, et al. Independent reaction times method in Geant4-DNA: implementation and performance[J]. Med Phys, 2020, 47(11): 5919-5930. |
| [46] |
Tian Z, Jiang SB, Jia X. Accelerated Monte Carlo simulation on the chemical stage in water radiolysis using GPU[J]. Phys Med Biol, 2017, 62(8): 3081-3096. DOI:10.1088/1361-6560/aa6246 |
| [47] |
Van Slyke AL, El Khatib M, Velalopoulou A, et al. Oxygen monitoring in model solutions and in vivo in mice during proton irradiation at conventional and FLASH dose rates[J]. Radiat Res, 2022, 198(2): 181-189. DOI:10.1667/RADE-21-00232.1 |
| [48] |
Cao X, Zhang R, Esipova TV, et al. Quantification of oxygen depletion during FLASH irradiation in vitro and in vivo[J]. Int J Radiat Oncol Biol Phys, 2021, 111(1): 240-248. DOI:10.1016/j.ijrobp.2021.03.056 |
| [49] |
Jansen J, Knoll J, Beyreuther E, et al. Does FLASH deplete oxygen? Experimental evaluation for photons, protons, and carbon ions[J]. Med Phys, 2021, 48(7): 3982-3990. DOI:10.1002/mp.14917 |
| [50] |
Spitz DR, Buettner GR, Petronek MS, et al. An integrated physico-chemical approach for explaining the differential impact of FLASH versus conventional dose rate irradiation on cancer and normal tissue responses[J]. Radiother Oncol, 2019, 139: 23-27. DOI:10.1016/j.radonc.2019.03.028 |
| [51] |
Hu A, Zhou W, Qiu R, et al. Computational model of radiation oxygen effect with Monte Carlo simulation: effects of antioxidants and peroxyl radicals[J]. Int J Radiat Biol, 2024, 100(4): 595-608. DOI:10.1080/09553002.2023.2295292 |
| [52] |
Chaoui M, Tayalati Y, Bouhali O, et al. Monte Carlo track-structure simulation of the impact of ultra-hight dose rate and oxygen concentration on the Fenton reaction[J]. bioRxiv, 2025: 2025.05.13.652705[pii]. DOI: 10.1101/2025.05.13.652705.
|
| [53] |
Wardman P. Radiotherapy using high-intensity pulsed radiation beams (FLASH): a radiation-chemical perspective[J]. Radiat Res, 2020, 194(6): 607-617. DOI:10.1667/RADE-19-00016 |
| [54] |
Penabeï S, Meesungnoen J, Jay-Gerin JP. Comparative analysis of cystamine and cysteamine as radioprotectors and antioxidants: insights from Monte Carlo chemical modeling under high linear energy transfer radiation and high dose rates[J]. Int J Mol Sci, 2024, 25(19): 10490. DOI:10.3390/ijms251910490 |
| [55] |
Baikalov A, Abolfath R, Schüler E, et al. Intertrack interaction at ultra-high dose rates and its role in the FLASH effect[J]. Front Phys, 2023, 11(8): 1215422. DOI:10.3389/fphy.2023.1215422 |
| [56] |
García García OR, Ortiz R, Moreno-Barbosa E, et al. TOPAS-tissue: a framework for the simulation of the biological response to ionizing radiation at the multi-cellular level[J]. Int J Mol Sci, 2024, 25(18): 10061. DOI:10.3390/ijms251810061 |
| [57] |
Ruan JL, Lee C, Wouters S, et al. Irradiation at ultra-high (FLASH) dose rates reduces acute normal tissue toxicity in the mouse gastrointestinal system[J]. Int J Radiat Oncol Biol Phys, 2021, 111(5): 1250-1261. DOI:10.1016/j.ijrobp.2021.08.004 |
| [58] |
Hu A, Qiu R, Li WB, et al. Radical recombination and antioxidants: a hypothesis on the FLASH effect mechanism[J]. Int J Radiat Biol, 2023, 99(4): 620-628. DOI:10.1080/09553002.2022.2110307 |
| [59] |
Zhang Y, Huang C, Hu A, et al. Influencing factors of the FLASH effect: Unveiling the importance of rree[J]. arXiv, 2024. DOI:10.48550/arXiv.2411.19194 |
| [60] |
Hu A, Qiu R, Wu Z, et al. A computational model for oxygen depletion hypothesis in FLASH effect[J]. Radiat Res, 2022, 197(2): 175-183. DOI:10.1667/RADE-20-00260.1 |
| [61] |
Jin JY, Gu A, Wang W, et al. Ultra-high dose rate effect on circulating immune cells: a potential mechanism for FLASH effect?[J]. Radiother Oncol, 2020, 149: 55-62. DOI:10.1016/j.radonc.2020.04.054 |
| [62] |
Cui S, Pratx G. 3D computational model of oxygen depletion kinetics in brain vasculature during FLASH RT and its implications for in vivo oximetry experiments[J]. Med Phys, 2022, 49(6): 3914-3925. DOI:10.1002/mp.15642 |
| [63] |
Hammi A, Paganetti H, Grassberger C. 4D blood flow model for dose calculation to circulating blood and lymphocytes[J]. Phys Med Biol, 2020, 65(5): 055008. DOI:10.1088/1361-6560/ab6c41 |