国际原子能机构(IAEA)和国际劳工组织(ILO)于2021年12月中旬联合出版了《职业照射工作人员癌症风险的前瞻性评估》(《Assessment of Prospective Cancer Risks from Occupational Exposure to Ionizing Radiation》)[1],这是IAEA首次出版的对职业照射工作人员癌症风险进行前瞻性评估的技术文件,编写工作由俄国提出,从2018年10月启动,参加文件编写的成员来自不同国家,且包括中国的15名专家。
一些成员国,如美国早在1985年就研究建立了评估辐射照射在癌症发生中归因概率(PC)的方法[2],并在2003年进行了重要的修订[3]。国内对这2个报告做了系统介绍[4],并作为我国放射工作人员放射肿瘤判定国家标准GBZ 97—2017的科学基础。
相关国际组织也出版了工作人员罹患癌症后辐射归因风险估计的技术指导。IAEA于1996年出版TECDOC—870《职业性辐射照射致癌概率的估计方法》(《Methods for Estimating The Probability of Cancer from Occupational Radiation Exposure》)[5]。2010年,ILO、IAEA和世界卫生组织(WHO)联合出版了《Approaches to Attribution of Detrimental Health Effects to Occupational Ionizing Radiation Exposure and Their Application in Compensation Programs for Cancer: A Practical Guide》[6](Occupational Safety and Health Series, No. 73)(有中文译本:《职业性电离辐射照射有害健康效应的归因方法及其在癌症赔偿计划中的应用:实用指南》,中国原子能出版社,2013年3月)[7]。联合国原子辐射效应科学委员会(UNSCEAR)2006年报告和国际辐射防护委员会(ICRP)第103号出版物均涉及辐射致癌风险,包括风险的计算及其在职业照射控制中的应用,但是一直缺乏一份全面的技术报告,IAEA的出版物填补了这方面的空白。本文对此报告的目的及内容要点做以下简介。
1 报告的目的报告提出职业人员可能因职业照射而发生癌症风险的前瞻性评估方法论框架;协助管理层做出限制或控制风险的决策;协助实施职业辐射防护计划。方法论框架可依据未来可用的新型风险模型和人口癌症发病率数据进行更新或修订。
报告可用于公用事业、企业所有者、运营组织、注册人和被许可人;监管机构;研究和学术组织;技术支持组织;辐射防护人员;职业人员及其组织;雇主及其组织。
报告详细阐述了职业人员因电离辐射照射而发生癌症风险的现行前瞻性评估方法,不包括遗传效应或确定性效应的风险,也不包括辐射以外因素的癌症风险评估,除非这些因素改变了辐射诱发的癌症风险。其他辐射对健康的有害效应,如心血管疾病和白内障,尚未被确定是低剂量照射引发,也不在本报告范围内。
氡照射是职业人员罹患肺癌的主要原因之一,但在此文中未专门涉及,因为国际组织最近已经对氡及其短寿命衰变产物α粒子产生的肺癌风险数据进行了评估,目前正在进行铀矿工合并分析(PUMA)[8]。报告内容只涉及IAEA安全术语表中定义的职业照射,即职业人员在工作过程中发生的照射风险,并仅限于在计划照射情况下的正常操作;不涉及医疗和公共照射、子宫内照射(包括女性职业人员的胚胎和胎儿的照射)、工作范围以外的环境辐射源(自然发生或人为)照射,或非电离辐射(如紫外线辐射和微波辐射)照射。
2 报告的内容要点报告有79页,共有7章,分别为:1.引言;2.辐射诱发癌症风险评估;3.描述性癌症风险模型;4.评估辐射风险的计算方法;5.使用现有评估方法的不确定性来源;6.小结与重点;7.总结与展望。有2个附件:附件1.用于监测职业性照射辐射风险的ARMIR 系统-对该系统的简介;附件2. 用于监测职业性照射辐射风险的ARMIR 系统-比较不同系统软件工具的评估结果。
报告评估了各种辐射照射致癌风险模型,认为如果以放射防护为目的,对低剂量或低剂量率的照射应采用线性无阈值(LNT)剂量反应模型[9-10]更加合理。白血病采用线性二次型响应模型,针对日本原爆幸存者寿命研究(LSS)发病率和死亡率,该模型可得到最佳的数据拟合。实体癌一般采用线性剂量响应模型[放射生物和一些流行病学研究支持引入实体癌剂量和剂量率效能因子(DDREF)],该模型与大多数类型的癌症数据相适应[11-13]。
报告中采用的模型与LSS中实体癌和白血病发病率的数据相吻合(如ICRP第103号出版物中所述)。专家组尚未根据最新的白血病发病率数据建立模型[14],围绕男性和女性剂量反应差异的问题还未解决,因此没有使用最新出版的实体癌合并发病率数据。剂量反应斜率的效应修正因子包括经典的放射性流行病学协变量,例如性别、照射时年龄、照射后时间或达到的年龄,其对不同肿瘤部位的影响有显著差异。对于终生风险预测,选择了所有癌症发病率作为终点,包括所有实体肿瘤(不包括皮肤癌)和所有类型的白血病;癌症死亡率本应是可替代终点,但目前大多数风险模型都以癌症发病率来表示,且用健康损害来衡量发病率。为了将风险估计值从LSS中20世纪中期的日本人口转移到特定组成的假设样本人口,使用了乘法转移和加法转移的线性组合,权重各占50%。
报告提出了描述与评估职业人员照射后的某一段时间内,包括在其剩余寿命内,因个人辐射照射而可能罹患癌症的可能性有关风险,其中基本的风险计算方法如下:
癌症超额发病率是特定癌症的超额发病率之和,见公式1):
$\begin{split}& M\left({d}_{i},e,a,s\right)={\sum }_{i=1}^{N}{M}_{i}\left({d}_{i},e,a,s\right)=\\&{\sum }_{i=1}^{N}{L}_{i}\left(a-e\right)\times \frac{{ER}_{i}\left({d}_{i},e,a,s\right)}{{DDREF}_{i}} \end{split}$ | (1) |
其中,i为特定癌症(组织或器官);di为器官或组织(加权)吸收剂量;a是到达年龄;s是性别;(a-e)是指暴露时间;Li(a-e)是潜伏期的时间响应函数,从0到1单调递增,可以是S形函数,也可以是阶跃函数;ERi是特定癌症部位i的超额癌症发病率;DDREFi是第i个风险模型的剂量和剂量率效应因子。为了便于计算,对于均匀的全身γ辐射照射,仅可以使用2种风险模型(N = 2)来计算癌症发病率的总增加:所有实体癌发病率和所有白血病发病率。
(2)每年可归因辐射风险(辐射风险密度)通过癌症超额发病率与生存概率的乘积,见公式2):
$ {AR}_{i}\left(\left\{{d}_{i,e}\right\},\left\{e\right\},a|{a}_{min},s\right)={M}_{i}(\left\{{d}_{i,e}\right\},\left\{e\right\},a,s)\times {S}_{i}\left(a\right|{a}_{min},s) $ | (2) |
(3)每年辐射风险占总风险(包括基线风险)的百分比被称为可归因于辐射的风险部分,或“可归因于风险份数”归因于风险,见公式3)
$ \begin{split}& {ARF}_{i}\left(\left\{{d}_{i,e}\right\},\left\{e\right\},a|{a}_{min},s\right)=\\& \frac{{AR}_{i}(\left\{{d}_{i,e}\right\},\left\{e\right\},a|{a}_{min},s)}{{AR}_{i}\left(\left\{{d}_{i,e}\right\},\left\{e\right\},a|{a}_{min},s\right)+{BR}_{i}\left(a\right|{a}_{min},s)}\times 100\%=\\& \frac{{M}_{i}(\left\{{d}_{i,e}\right\},\left\{e\right\},a,s)}{{M}_{i}\left(\left\{{d}_{i,e}\right\},\left\{e\right\},a,s\right)+{m}_{i}(a,s)}\times 100\% \end{split}$ | (3) |
其中,di,e是i器官或组织的加权吸收剂量;{e}是一组暴露年龄;
报告适用每年可归因辐射风险(AR)和终身可归因风险(LAR)来量化辐射致癌风险。AR作为一种风险度量方式,可在相当长一段时间的累积后转换为LAR。为方便比较,风险度量也可表示为基线风险的分数。文中的计算示例是基于职业照射情景的2个相关主题。第一组示例是希望了解存在职业照射风险的职业人员:使用记录的照射历史来预测未来的风险,可表示为上一次照射后每年的AR,也可表示为LAR。这一组示例包括吸入不溶性234U的情况,其中癌症风险过高的情况只发生在肺部;为了计算肺癌的LAR估计值和最大年AR值,采用了LSS模型,为简单起见,该模型不考虑吸烟行为;为获得本示例对肺部的照射剂量,必须应用234U吸入活度浓度与剂量之间的转换系数,这些系数可从ICRP数据库[15]在线获得。第二组示例涉及辐射照射计划,并对具有给定照射历史的职业人员提出风险限制要求:在未来任何一年不超过指定AR限制的约束下,为了优化的目的,可计算出下一年的适当照射剂量。
报告充分讨论了以上拟议方法进行风险估计的不确定性来源,并在附件2中定量考虑了对风险估计的影响。在该出版物的正文中,计算示例中的风险估计是利用没有置信区间的点值给出的;因此,在流行病学研究中,病例数的统计波动必然会影响风险估计值。剂量反应形状的假设和风险效应修正因子的应用也可对中心估计产生很大影响。由于对放射生物学机制的不完全了解,也意味着要使用更加复杂剂量反应模型。对于低LET辐射,DDREF的应用仍在讨论中,并将增加风险不确定性。流行病学研究往往不能直接用于评估目标人群,风险估计必须从基于LSS的模型转移出来;人群之间的风险转移包括一些关于基线癌症发病率和剂量反应同质性的隐性假设,这些假设接近现实。在个性化风险预测中,个体的辐射敏感性可能会发挥作用,但适用于人群的描述性风险模型没有考虑到这一点。在AR和LAR的定义中包括了原则上不可预测的未来基线率。虽然所有不同类型的电离辐射都可能增加癌症发病率,但在某些类型的辐射中,目前还无法对某些特定部位的癌症进行流行病学的风险估计。为了在没有直接风险估计的情况下对这类辐射得出相应的剂量反应,采用相对生物效能(RBE)因子来获得适用于风险建模的加权吸收剂量;但在某些辐射类型和某些照射情况下,RBE值仍不确定。总之,照射剂量本身是在各种不确定因素下测量的,这些不确定因素因若干原因而有所不同,例如,由于改进了剂量计,中子剂量的测量也有所改进[16]。
3 报告结论与展望职业健康是安全管理体系的重要组成部分。评估预期的职业照射风险是执行IAEA若干基本安全原则的必要条件,特别是为了落实“设施和活动的正当理由”“最佳防护”和“个人限值”的原则。
虽然存在许多不同的模型,为了放射防护的目的,这里建议采用ICRP的建议,对低剂量或低剂量率应用LNT模型。
正当化原则建议将预期辐射风险与设施或活动的预期收益进行比较。由于正当理由的决策是在政府或监管机构层面上做出的,因此在这种情况下需要集体或平均风险估计。
基于个体剂量的风险估计对于实施优化和限制个体风险的原则是重要的。IAEA强调,必须同时使用这2个原则:“剂量和风险限制代表可接受的合法上限,其本身并不是最好的可行性防护,因此必须辅以最优化的防护。优化防护、限制剂量和对个人的风险都是必要的,以达到预期的安全水平”。报告在第4节中的示例说明如何从给定的风险约束推导出剂量约束。
职业人员的个人照射数据对癌症风险评估至关重要。根据GSR第3部分[17]的要求,建立职业照射个人监测且保存相应记录的国家系统非常重要,以确保其在辐射防护和安全方面的正确使用。癌症风险评估结果需要谨慎处理,以避免人员或事物遭受误解或歧视。
进一步研究辐射诱发癌症的因果机制,发展或改进风险评估方法[18]和模型,会减少评估中的不确定性。尤其针对电离辐射导致的癌症风险,鼓励进行国家、区域和全球协调合作的流行病学研究,为评估提供可靠的科学依据是非常必要的。
根据ICRP最近的出版物,推荐开发和使用软件计算工具来评估因内照射或外照射引起的不同器官的吸收剂量率,将有助于提高对风险评估的工作效率。
[1] |
Assessment of Prospective Cancer Risks from Occupational Exposure to Ionizing Radiation [EB/OL]. (2021-12-10)[2022-04-13]. IAEA, 2021. https://www.iaea.org/publications/14916/assessment-of-prospective-cancer-risks-from-occupational-exposure-to-ionizing-radiation.
|
[2] | |
[3] |
Wakeford R. A Review of the Draft Report of the NCI-CDC Working Group to Revise the 1985 Radioepidemiological Tables [J]. J Radiol Prot, 2001, 21(2): 203-204. DOI:10.1088/0952-4746/21/2/701
|
[4] |
叶常青, 龚怡芬, 孙全富, 等. 放射性肿瘤的判断 : 科学基础和损害赔偿[M]. 北京: 科学出版社, 2007. Ye CQ, Gong YF, Sun QF, et al. Determination of radioactive tumors: scientific basis and damage compensation for the determination of radioactive tumors [M]. Beijing: Science Press, 2007. |
[5] |
Barabanova A, Baris D, De Vathaire C, et al. Methods for estimating the probability of cancer from occupational radiation exposure[R]. Vienna: International Atomic Energy Agency, 1996.
|
[6] |
Niu S, Deboodt P, Zeed H. Approaches to the attribution of detrimental health effects to occupational exposure and their application in compensation programmes for cancer [M]. Genève: ILO Publications, International Labour Office, 2010.
|
[7] |
牛胜利, 迪波特·帕斯卡, 西伊伯·哈约, 等. 职业性电离辐射照射有害健康效应的归因方法及其在癌症赔偿计划中的应用: 实用指南[M]. 北京: 中国原子能出版社, 2013. Niu SL, Deboodt PSK, Zeeb HY, et al. Approaches to attribution of detrimental health effects to occupational ionizing radiation exposure and their application in compensation programs for cancer[M]. Beijing: China Atomic Energy Press, 2013. |
[8] |
Rage E, Richardson DB, Demers PA, et al. PUMA - pooled uranium miners analysis: cohort profile.[J]. Occup Environ Med, 2020, 77(3): 194-200. DOI:10.1136/oemed-2019-105981 |
[9] |
National Council on Radiation Protection and Measurements. Commentary No. 27 – implications of recent epidemiologic studies for the linear- nonthreshold model and radiation protection[R]. Bethesda: NCRP, 2018.
|
[10] |
Shore RE, Beck HL, Boice JD, et al. Implications of recent epidemiologic studies for the linear nonthreshold model and radiation protection[J]. J Radiol Prot, 2018, 38: 1217-1233. DOI:10.1088/1361-6498/aad348 |
[11] |
Cologne J, Kim J, Sugiyama H, et al. Effect of heterogeneity in background incidence on inference about the solid-cancerradiation dose response in atomic bomb survivors[J]. Radiat Res, 2019, 192: 388-398. DOI:10.1667/RR15127.1 |
[12] |
Walsh L, Schneider U. Effect of heterogeneity in background incidence on inference about the solid-cancer radiation dose response in atomic bomb survivors by cologne et al[J]. Radiat Res, 2020, 193: 195-197. DOI:10.1667/RRLTE7.1 |
[13] |
Cologne J, Sugiyama H, French B, et al. Response to the Letter to the Editor by Drs. Walshand Schneider[J]. Radiat Res, 2020, 194(1): 101. DOI:10.1667/RARE-20-000JC |
[14] |
Hsu Wl, Preston Dl, Soda M, et al. The incidence of leukemia, lymphoma and multiple myeloma among atomic bomb survivors: 1950-2001.[J]. Radia Res, 2013, 179(3): 361-382. DOI:10.1667/RR2892.1 |
[15] |
Bunker A. The ICRP Database of Dose Coefficients: Workers and Members of the Public[J]. J Radiol Prot, 1999, 19(3): 290. DOI:10.1088/0952-4746/19/3/702 |
[16] |
Wakeford R. The growing importance of radiation worker studies[J]. Br J Cancer, 2018, 119(5): 527-529. DOI:10.1038/s41416-018-0134-6 |
[17] |
European Commission, Food and Agriculture Organization of The United Nations, International Atomic Energy Agency, et al. Radiation Protection and Safety of Radiation Sources: International Basic Safety Standards[R]. IAEA, 2014.
|
[18] |
黄梓培, 杨宇华, 李晓华, 等. 某医疗机构数字减影血管造影放射风险评估探讨[J]. 中国辐射卫生, 2020, 29(4): 382-386. Huang ZP, Yang YH, Li XH, et al. Study on radiation risk assessment of digital subtraction angiography in a medical institution[J]. Chin J Radiol Health, 2020, 29(4): 382-386. DOI:10.13491/j.issn.1004-714X.2020.04.015 |