Introdução à Física Aplicada à Medicina e Biologia

A física médica é a aplicação de conceitos e métodos da física ao diagnóstico e tratamento de doenças humanas. A biofísica é um campo interdisciplinar que aplica abordagens e métodos tradicionalmente usados em física para estudar sistemas biológicos.

Física no Diagnóstico e Tratamento do Câncer

Radioterapia

O uso de radiação ionizante para matar células cancerosas e encolher tumores:

• Planejamento: Cálculos de dose e distribuição
• Administração: Controle preciso da radiação
• Segurança: Proteção de tecidos saudáveis
• Eficácia: Otimização do tratamento

Imagiologia Médica

Técnicas baseadas em princípios da física para diagnóstico:

• Raios-X: Imagens de densidade tecidual
• Tomografia Computadorizada (TC): Imagens 3D detalhadas
• Ressonância Magnética (RM): Imagens de tecidos moles
• Tomografia por Emissão de Pósitrons (PET): Imagens funcionais

Nanotecnologia

Uso de nanopartículas para entrega direcionada de drogas:

• Entrega Direcionada: Células cancerosas específicas
• Minimização de Danos: Preservação de células saudáveis
• Controle de Liberação: Liberação controlada de medicamentos
• Imagem Guiada: Visualização em tempo real

Biofísica do Câncer

A biofísica do câncer estuda as propriedades físicas das células e tecidos cancerosos:

• Rigidez Celular: Células cancerosas são mais macias
• Metástase: Facilita a disseminação para outros órgãos
• Propriedades Mecânicas: Alterações na elasticidade
• Novas Abordagens: Diagnóstico e tratamento baseados em física

Aplicações Computacionais

Simulação de Radioterapia

import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter

def simulate_radiation_dose(tumor_center, tumor_size, beam_center, beam_width):
    """Simula a distribuição de dose de radiação."""
    
    # Criar grade 3D
    x = np.linspace(0, 20, 100)
    y = np.linspace(0, 20, 100)
    z = np.linspace(0, 20, 50)
    
    X, Y, Z = np.meshgrid(x, y, z)
    
    # Definir tumor
    tumor_mask = np.sqrt((X - tumor_center[0])**2 + 
                         (Y - tumor_center[1])**2 + 
                         (Z - tumor_center[2])**2) < tumor_size
    
    # Definir feixe de radiação
    beam_mask = np.exp(-((X - beam_center[0])**2 + 
                         (Y - beam_center[1])**2) / (2 * beam_width**2))
    
    # Calcular dose
    dose = beam_mask * 100  # Dose máxima de 100 Gy
    
    # Aplicar atenuação com profundidade
    for i in range(len(z)):
        dose[:, :, i] *= np.exp(-0.1 * z[i])
    
    return X, Y, Z, dose, tumor_mask

# Parâmetros da simulação
tumor_center = (10, 10, 10)
tumor_size = 2
beam_center = (10, 10, 0)
beam_width = 1

# Executar simulação
X, Y, Z, dose, tumor_mask = simulate_radiation_dose(
    tumor_center, tumor_size, beam_center, beam_width
)

# Visualizar dose no plano central
plt.figure(figsize=(12, 4))

plt.subplot(1, 3, 1)
plt.contourf(X[:, :, 25], Y[:, :, 25], dose[:, :, 25], levels=20)
plt.colorbar(label='Dose (Gy)')
plt.title('Dose no Plano Central')
plt.xlabel('X (cm)')
plt.ylabel('Y (cm)')

plt.subplot(1, 3, 2)
plt.contourf(X[:, 50, :], Z[:, 50, :], dose[:, 50, :], levels=20)
plt.colorbar(label='Dose (Gy)')
plt.title('Dose no Plano Sagital')
plt.xlabel('X (cm)')
plt.ylabel('Z (cm)')

plt.subplot(1, 3, 3)
plt.contourf(Y[50, :, :], Z[50, :, :], dose[50, :, :], levels=20)
plt.colorbar(label='Dose (Gy)')
plt.title('Dose no Plano Coronal')
plt.xlabel('Y (cm)')
plt.ylabel('Z (cm)')

plt.tight_layout()
plt.show()

Análise de Propriedades Mecânicas

def analyze_cell_mechanics(elastic_modulus, cell_size, applied_force):
    """Analisa propriedades mecânicas de células."""
    
    # Lei de Hooke: F = k * x
    # k = E * A / L (constante elástica)
    
    # Área da célula (assumindo forma esférica)
    cell_area = 4 * np.pi * (cell_size/2)**2
    
    # Constante elástica
    spring_constant = elastic_modulus * cell_area / cell_size
    
    # Deformação
    deformation = applied_force / spring_constant
    
    # Energia elástica
    elastic_energy = 0.5 * spring_constant * deformation**2
    
    return {
        'spring_constant': spring_constant,
        'deformation': deformation,
        'elastic_energy': elastic_energy
    }

# Comparar células normais vs cancerosas
normal_cell = analyze_cell_mechanics(1000, 10, 1)  # kPa, μm, nN
cancer_cell = analyze_cell_mechanics(500, 10, 1)   # Mais macia

print(f"Célula Normal - Constante: {normal_cell['spring_constant']:.1f} nN/μm")
print(f"Célula Cancerosa - Constante: {cancer_cell['spring_constant']:.1f} nN/μm")
print(f"Razão de Rigidez: {normal_cell['spring_constant']/cancer_cell['spring_constant']:.1f}")

Técnicas de Imagiologia

• Radiografia Digital: Imagens de alta resolução
• TC Espiral: Aquisição rápida de volumes
• RM Funcional: Imagens de atividade cerebral
• PET-CT: Combinação de anatomia e função

Recursos de Aprendizado

• Livros/periódicos: Physics in Medicine & Biology
• Cursos: MIT OpenCourseWare: cursos de radiação e engenharia nuclear, busca de física médica no Coursera
• Ferramentas: Geant4, MCNP, MATLAB

---

Entender essas propriedades físicas pode levar a novas abordagens para o diagnóstico e tratamento do câncer.