PROBLEM NISKICH DAWEK PROMIENIOWANIA A SPRAWA RADONU Streszczenie Problem niskich dawek promieniowania od lat stanowi przedmiot wielu wnikliwych badań i sporów uczonych co do interpretacji otrzymywanych wyników. Z jednej strony występują zwolennicy hipotezy o liniowym bezprogowym wzroście ryzyka wraz z dawką, a z drugiej strony zwolennicy koncepcji hormezy radiacyjnej. Czy możliwe jest znalezienie złotego środka? Na to pytanie postarano się odpowiedzieć w oparciu o analizę ryzyka nowotworów płuc w zależności od stężenia radioaktywnego gazu radonu. 1. Wstęp W literaturze naukowej ostatnich kilkunastu lat znaleźć można setki prac naukowych traktujących o wpływie niskich dawek promieniowania na zdrowie ludzi [1]. Zdecydowana większość publikacji ukazuje liniowy wzrost ryzyka nowotworowego dla dawek dużych (powyżej 200 msv) oraz brak jednoznacznego trendu w obszarze dawek małych. Ta niejednoznaczność spowodowana jest zasadniczo przez duże niepewności otrzymywanych danych, które mogą wskazywać zarówno na liniowy, progowy lub nawet hormetyczny efekt. Czy zatem z góry skazani jesteśmy na ciągły brak pewności i jedynie domyślanie się jak w rzeczywistości wygląda zależność dawka-efekt w obszarze poniżej ok. 200 msv? Sposób odpowiedzi na to zasadnicze pytanie jednoznacznie determinuje wszelki pogląd na to, czym są niskie dawki promieniowania i jak należy do nich podchodzić. 2. Małe dawki duży problem Zasadniczo występują trzy najbardziej popularne hipotezy zależności efektu zdrowotnego od otrzymanej dawki promieniowania jonizującego (Rysunek 1): hipoteza liniowa bezprogowa (ang. linear no-threshold, LNT) zakładająca, iż ryzyko rośnie liniowo wraz z dawką i nawet najmniejsze dawki są szkodliwe; hipoteza progowa zakładająca, iż poniżej pewnego progu brak jest wpływu promieniowania, a powyżej progu wzrost jest liniowy; hipoteza hormezy radiacyjnej zakładająca, iż w obszarze niskich dawek wpływ promieniowania jest pozytywny, prozdrowotny.
PROBLEM NISKICH DAWEK PROMIENIOWANIA A SPRAWA RADONU Strona 2 Rys. 1. Wykresy przedstawiające schematycznie ideę trzech podstawowych hipotez zależności efektu od dawki: hipoteza liniowa bezprogowa (LNT), hipoteza progowa, hipoteza hormezy radiacyjnej J-kształtna (linią przerywaną zaznaczono wariant dla krzywej U-kształtnej [1]). W literaturze naukowej znaleźć można bardzo kategoryczne opinie popierające daną hipotezę. Najczęściej spór toczy się pomiędzy zwolennikami koncepcji LNT a zwolennikami hormezy radiacyjnej [2][3]. Stojąc nieco na uboczu tego sporu łatwo jest zauważyć, iż obie strony konfliktu zdają się całkowicie nie zauważać argumentów swych oponentów. Co więcej nie zauważa się również dziesiątek cennych i wartościowych prac naukowych, a jedynie selektywnie wybiera te, które akurat danej grupie są użyteczne i służą poparciu ich własnej tezy. Przykładów można by mnożyć. Najczęstszy scenariusz wygląda następująco: grupa A powołuje się na pracę naukową pokazującą hipotezę LNT, jednocześnie całkowicie pomijając inne prace z tej dziedziny, które pokazują nieco inne zależności. W odpowiedzi grupa B pokazuje prace popierające hipotezę hormezy i popełnia ten sam błąd nie zauważa wyników odmiennych, lansowanych przez grupę A. Jeśli grupa A opublikuje 10 wyników badań pokazujących LNT, grupa B poczyni to samo publikując 10 wyników pokazujących hormezę. I odwrotnie, i tak dalej, i tak dalej... W ten sposób działając trudno znaleźć odpowiedź na postawione pytania. Gdzie jest więc złoty środek? Jak umiejętnie analizować wyniki wszystkich badań naukowych z obszaru niskich dawek promieniowania? Odpowiedzi na to pytanie można poszukać w zagadnieniu znanym już od bardzo dawna i równie od dawna kontrowersyjnym, mianowicie we wpływie alfa-radioaktywnego gazu radonu i jego licznych promieniotwórczych pochodnych na ryzyko raka płuc.
PROBLEM NISKICH DAWEK PROMIENIOWANIA A SPRAWA RADONU Strona 3 3. Problem radonu kolejny odcinek niekończącej się sagi Zarówno w prawie atomowym jak i w powszechnej świadomości radon jest gazem szkodliwym, który odpowiedzialny jest za znaczną liczbę chorób nowotworowych płuc [2]. Te opinie są uzasadniane w oparciu chociażby o popularne ostatnimi laty badania łączone (ang. pooled studies) wielu niezależnych wyników [4][5][6]. Niestety tego typu analizy statystyczne mają dwie podstawowe wady: po pierwsze nie uwzględniają wszystkich wyników (wspomniane wcześniej przy okazji przykładu z grupą A i B), a po drugie z góry zakładają model LNT. Jak należy interpretować ów drugi zarzut? Otóż wyobraźmy sobie grupę wyników otrzymanych z kilku niezależnych badań. Wyniki te poddawane są statystycznej analizie danych. Problem polega na tym, iż analiza ta z góry zakłada, iż a) zależność dawka-efekt musi być liniowa; b) zależność dawka-efekt musi dawać efekt zerowy w zerowej dawce (są takie, aby to zweryfikować?); c) zależność dawka-efekt nigdy nie może być mniejsza od zera (czyli wywoływać skutków pozytywnych dla zdrowia). W wyniku analizy statystycznej otrzymuje się wynik zgodny z hipotezą LNT. Nic dziwnego, iż otrzymano zależność liniową, skoro było to głównym założeniem od samego początku [7]! Nie rozwijając dalej wątku badań naukowych, które z góry eliminują pozostałe hipotezy, skupmy się raczej na tych pomijanych wynikach, które pokazują efekt przeciwny. W przypadku wpływu radonu na zdrowie jest ich całkiem sporo [1]. Do najważniejszych należą badania z niemieckiej Saksonii [8][9] (wyniki na Rys. 2), Stanów Zjednoczonych [10] (wyniki na Rys. 3) oraz amerykańskiego hrabstwa Worcester [11] (wyniki na Rys. 4). 1,2 1 ryzyko raka płuc 0,8 0,6 0,4 0,2 0 grupa kontrolna nr 1 grupa kontrolna nr 2 (ICRP) brak wpływu na zdrowie 0 100 200 300 400 500 600 700 koncentracja radonu [Bq/m3] Rys. 2. Wpływ stężenia radonu na ryzyko raka płuc w niemieckiej Saksonii (na podstawie [8][9]). Użyto dwóch grup kontrolnych (szczegóły w oryginalnej pracy). Słupki błędów reprezentują jedno odchylenie standardowe (68% przedział ufności).
PROBLEM NISKICH DAWEK PROMIENIOWANIA A SPRAWA RADONU Strona 4 1,40 1,20 ryzyko raka płuc 1,00 0,80 0,60 0,40 0 50 100 150 200 250 koncentracja radonu [Bq/m3] Rys. 3. Wpływ stężenia radonu na ryzyko raka płuc wśród ok. 400 000 Amerykanów (na podstawie [10]). 3 2,5 ryzyko raka płuc 2 1,5 1 0,5 0 0 50 100 150 200 250 300 350 400 koncentracja radonu [Bq/m3] Rys. 4. Wpływ stężenia radonu na ryzyko raka płuc w hrabstwie Worcester, Massachusetts, USA (na podstawie [11]). Wyniki opublikowane przez L. Cohena [10] tyczą się badań na grupie około 400 000 Amerykanów. Dzięki tak dużej kohorcie niepewności otrzymanych danych są stosunkowo niewielkie (Rys. 3). Analiza uwzględnia kilkadziesiąt czynników gmatwających (ang. confounding factors), takich jak palenie papierosów (niezwykle istotne przy badaniu nowotworów płuc), miejsce zamieszkania, wiek, zawód, płeć, status społeczny i wiele innych. Wyniki Cohena [10] stanowią jeden z najlepiej udokumentowanych przykładów działania hormetycznego, przez co były wielokrotnie krytykowane przez przeciwników tej koncepcji, którzy w rzeczywistości nie podejmowali rzetelnej i merytorycznej dyskusji z Cohenem. Co więcej, znaleźć można opinie, które kwestionują tego typu badania ekologiczne w odniesieniu do
PROBLEM NISKICH DAWEK PROMIENIOWANIA A SPRAWA RADONU Strona 5 pojedynczego człowieka. Jednakże badania Cohena miały z definicji odnosić się do weryfikacji hipotezy LNT w odniesieniu do całej populacji ludzkiej [10] i tak należy je rozumieć. Druga praca zza oceanu [11] wydaje się być na dzień dzisiejszy najbardziej dokładną analizą ryzyka radonowego ze wszystkich opublikowanych (Rys. 4). Autorzy nie popełnili błędu założenia z góry koncepcji LNT, choć w czasie lektury publikacji odczuwalne jest, iż są jej zwolennikami. Jest to kolejny argument przemawiający za dokładnością zebranych i opracowanych danych w pracy Thompson a i współpracowników [11]. Co więcej, wyniki te są zbliżone do wyników wspomnianego już Cohena (Rys. 3). 4. Analiza bayesowska 28 prac o wpływie radonu na zdrowie Obiektywizm naukowy nakazuje traktowanie wszelkich prac, zarówno pokazujących LNT jak i hormezę radiacyjną, na równi jako jednakowo ważne i potrzebne. Z związku z tym wydaje się naturalne zestawienie wszystkich dostępnych publikacji i dokonanie ich całościowej re-analizy, na zasadzie wspomnianych uprzednio pooled studies [12]. Do tego celu wykorzystano wolną od wszelkich odgórnych założeń bayesowską statystyczną analizę danych [13]. Wyniki wszystkich 28 prac przedstawiono zbiorczo na Rys. 5. Rysunek celowo nie zawiera niepewności ze względu na zachowanie czytelności (oczywiście w cytowanej analizie zostały wzięte pod uwagę oryginalne niepewności). Można mieć wątpliwości, czy wyniki z 28 tak różnych studiów, różniących się zarówno metodologią jak i źródłem opracowywanych danych, można umieszczać na jednym wykresie i dokonywać wspólnej całościowej analizy statystycznej. Jednakże tego typu analogiczny zabieg został z powodzeniem zastosowany w raporcie UNSCEAR [14] na rys. XV (zawierającym dane Cohena [10], górników oraz dane dla populacji [5]) oraz w innych zbiorczych analizach [4][5][6]. Dodatkowo wyniki zostały unormowane i uzależnione nie od stężenia radonu, lecz od przypadającej od niego średniej rocznej dawki równoważnej na płuca. Zastosowano przelicznik 1 Bq/m 3 = 0,179 msv/rok [15].
PROBLEM NISKICH DAWEK PROMIENIOWANIA A SPRAWA RADONU Strona 6 2,5 Ryzyko raka płuc 2,0 1,5 1,0 0,5 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 średnia dawka roczna na płuca [msv/rok] Rys. 5. Ryzyko raka płuc w zależności od średniej rocznej dawki równoważnej na płuca dla 28 niezależnych studiów radonowych (na podstawie [12]). Prezentowane punkty nie zawierają niepewności ze względu na zachowanie czytelności wykresu. W pracy [12] dokonano ponownej analizy 28 prac traktujących o wpływie radonu na raka płuc. Za pomocą bayesowskiej analizy danych [13] dopasowano do wszystkich wyników siedem podstawowych modeli matematycznych: dwa stałe (niezależne od dawki), trzy liniowe (w tym LNT) oraz dwa kwadratowe (w tym hormetyczny). Dopasowania bayesowskie pokazały, iż model stały prezentował wynik RR 1 (czyli ani wzrost ani spadek ryzyka), model kwadratowy przedstawiał hormezę radiacyjną, a podstawowy model liniowy pokazywał spadek (!) ryzyka w zależności od dawki (w analizowanym przedziale od 0 do 150 msv/rok). Jak wynika z dalszej analizy [12] prawdopodobieństwo otrzymania poszczególnych dopasowań jest różne (tzw. algorytm selekcji modeli [13]) i najbardziej prawdopodobnym modelem opisującym dane z Rys. 5 jest model stały, niezależny od dawki, RR=1. Jest on ok. 90 razy bardziej prawdopodobny, niż model LNT. Model hormetyczny okazał się najmniej prawdopodobny. Ten zaskakujący wynik jest odpowiedzią algorytmu na znaczny rozrzut prezentowanych punktów (Rys. 5), który uniemożliwia dopasowanie bardziej skomplikowanej krzywej. Co ciekawe, rezultat ten jest taki sam niezależnie od tego, czy w grupie 28 studiów znalazły się wyniki Cohena (Rys. 3 i [10]), czy nie. Z czysto matematycznego punktu widzenia, nie zaburzonego żadnymi odgórnymi założeniami, można spojrzeć na otrzymane wyniki z drugiej strony: forsowanie modelu liniowego bezprogowego (LNT) wymaga założenia, iż jest on przynajmniej 90 razy bardziej prawdopodobny od pozostałych modeli. W ten oto sposób matematyka pokazała, jak bardzo należy wystrzegać się negowania na wstępie jakichkolwiek potencjalnych interpretacji otrzymywanych wyników. Patrząc na Rys. 5 można inną drogą dojść do tych samych wniosków końcowych. Otóż prezentowane punkty układają się w rozkład zbliżony do rozkładu Poissona na osi ryzyka (Rys. 6). Maksimum (czyli wartość oczekiwana rozkładu) przypada na RR = 1, co potwierdza wyniki analizy bayesowskiej. Innymi słowy: wspólna analiza 28 studiów radonowych [12] pokazuje, iż najbardziej prawdopodobnym modelem
PROBLEM NISKICH DAWEK PROMIENIOWANIA A SPRAWA RADONU Strona 7 opisującym dane (Rys. 5) jest model progowy (Rys. 1), w którym poniżej 150 msv/rok brak jest zależności ryzyka od dawki (RR=1). < 2,3 1,8 2,3 ryzyko raka płuc (przedziałami) 1,55 1,8 1,35 1,55 1,25 1,35 1,15 1,25 1,05 1,15 0,95 1,05 0,85 0,95 0,75 0,85 0,5 0,75 < 0,5 0 2 4 6 8 10 12 14 16 18 20 liczba punktów Rys. 6. Rozkład punktów z Rys. 5 w zależności od ryzyka raka płuc. Z Rysunku 6 naturalnie wyłania się jeszcze jeden wniosek: otóż skoro istnieją chociażby pojedyncze punkty powyżej RR=1, to nie oznacza, iż istnieje nawet hipotetyczny wzrost ryzyka w tym obszarze dawek. Wszystkie punkty pokazujące zarówno ostrą zależność liniową (LNT) jak i ostrą hormezę, są po prostu fluktuacjami statystycznymi od średniej RR=1 i nie mogą być podstawą jakichkolwiek finalnych koncepcji czy teorii. 5. Podsumowanie czy możliwy jest kompromis? Od lat trwa burzliwa dyskusja na temat rzeczywistej zależności dawka-efekt przy wdychaniu radioaktywnego gazu radonu. Z jednej strony pojawiają się argumenty przemawiające na korzyść hipotezy liniowego bezprogowego wzrostu ryzyka (LNT), a z drugiej strony wyniki badań wskazujące na zależność przeciwną, hormetyczną [1][2]. Na podstawie analizy statystycznej uwzględniającej 28 różnych wyników wpływu radonu na raka płuc [12] okazuje się, iż modelem najlepiej opisującym wszystkie istniejące dane jest hipoteza progowa (Rys. 1). Wydaje się, iż w obliczu wielu sprzecznych wyników w tej dziedzinie [1], będących de facto fluktuacjami statystycznymi (Rys. 6), najlepszym i najlogiczniejszym kompromisem jest hipoteza progowa, będąca wynikiem bayesowskiej analizy statystycznej [12].
PROBLEM NISKICH DAWEK PROMIENIOWANIA A SPRAWA RADONU Strona 8 Literatura: [1] Charles L. Sanders, Radiation Hormesis and the Linear-No-Threshold Assumption, Springer: Heidelberg 2010 [2] Wade Allison, Radiation and reason, York, 2009 [3] B.G. Charlton, Zombie science: A sinister consequence of evaluating scientific theories purely on the basis of enlightened self-interest, Medical Hypotheses 71(2008) issue 3, p. 327-32 [4] Darby S, Hill D, Auvinen A, Barros-Dios JM, Baysson H, Bochicchio F, Deo H, Falk R, Forastiere F, Hakama M, Heid I, Kreienbrock L, Kreuzer M, Lagarde F, Mäkeläinen I, Muirhead C, Oberaigner W, Pershagen G, Ruano-Ravina A, Ruosteenoja E, Schaffrath Rosario A, Tirmarche M, Tomášek L, Whitley E, Wichmann HE, Doll R. Radon in homes and risk of lung cancer: collaborative analysis of individual data from 13 European case-control studies. British Medical Journal 330(7485):223-226; 2004. [5] Lubin JH, Boice JD. Lung Cancer Risk From Residential Radon: Meta-analysis of Eight Epidemiologic Studies. J Natl Cancer Inst 89:49 57; 1997. [6] Lubin JH, Wang ZY, Boice JD, Xu ZY, Blot WJ, Wang LD, Kleinerman RA. Risk of lung cancer and residential radon in China: pooled results of two studies. Int J Cancer 109:132 137; 2004. [7] Jaynes ET. Probability Theory The Logic of Science. Cambridge; 2003. [8] Conrady J, Martin K. Weniger Modelle spezifischere analytische Studien zum Radonrisiko in Wohnungen sind notwendig. Bundesgesundheitsblatt 19:106 110; 1996. [9] Becker K. Health Effects of High Radon Environments in Central Europe: Another Test for the LNT Hypothesis?. Nonlinearity Biol Toxicol Med 1(1):3 35; 2003. [10] Cohen BL. Test of the Linear No-Threshold Theory of radiation carcinogenesis for inhaled radon decay products. Health Physics 68(2):157-174; 1995. [11] Thompson RE, Nelson DF, Popkin JH, Popkin Z. Case-control study of lung cancer risk from residential radon exposure in Worcester County, Massachusetts. Health Physics 94(3):228 241; 2008. [12] Fornalski K.W., Dobrzyński L. Pooled Bayesian analysis of twenty-eight studies on radon induced lung cancers. Health Physics 101(3); 2011 (in press). [13] Fornalski K.W., Dobrzyński L. Zastosowania twierdzenia Bayesa do analizy niepewnych danych doświadczalnych. Postępy Fizyki, vol. 61, no. 5, 2010, pp. 178-192. [14] UNSCEAR (United Nations Scientific Committee on the Effects of Atomic Radiation) Report 2006. Vol. II, Annex E. Sources-to-effect assessment for radon in homes and workplaces; 2006. [15] Kendall GM, Smith TJ. Doses to organs and tissues from radon and its decay products. J Radiol Prot 22:389-406; 2002. Krzysztof Wojciech Fornalski Instytut Problemów Jądrowych im. A. Sołtana, 05-400 Otwock-Świerk Tel. +48 22 718 0612; e-mail: krzysztof.fornalski@gmail.com Ludwik Dobrzyński Wydział Fizyki, Uniwersytet w Białymstoku, ul. Lipowa 41, 15-424 Białystok Tel. +48 85 745 7240; e-mail: ludwik@ipj.gov.pl