肝癌四維CT放療計劃設計方式探討

卿珍　邢立剛　尹勇　王慧玲　方浩　趙海　張愛萍　韓軍

[摘 要] 目的：通過與標準流程制作的4D放療計劃劑量分布對比分析，探討四維計劃設計過程簡化可行性。方法：選取原發性肝癌患者10例，每例患者都采用兩種方案進行4D放療計劃設計，分別定義為準4D計劃和4D計劃。兩種方案基于相同的4D輪廓勾畫方式、射野方向和處方劑量，準4D計劃在參考時相上進行布野及射野優化，而4D計劃在各個時相上各自進行優化，然后變形疊加到參考時相。最終對比分析兩種方案的劑量差異。結果：在肝癌危及器官保護和處方劑量提升方面，4D計劃都略優于準4D計劃，但無統計學意義差異。結論：臨床應用肝癌的四維放射治療技術，可以對4D計劃優化過程進行部分簡化，提高該技術臨床應用的可操作性。但對于個別呼吸幅度較大或靶區與危及器官結構相對復雜患者，需要后續研究中進一步探討。

[關鍵詞] 4D CT；呼吸時相；計劃優化；四維放射治療；原發性肝癌

中圖分類號：R445 文獻標識碼： A 文章編號：2095-5200（2015）03-004-04

四維放射治療技術是在影像定位、計劃設計和治療實施階段均明確考慮解剖結構隨時間變化的放射治療技術[1]。4D CT技術在掃描過程中引入時間概念，通過呼吸感受器準確捕捉腫瘤隨呼吸的運動軌跡，并依此確定內靶區、制定放療計劃。四維計劃設計是根據四維影像數據制定帶有時間標記的射野參數的過程[2-3]，大致包括如下過程：①4D圖像采集：采集多套時相序列的4D CT圖像；②時相間變形配準：以某個時相為參考圖像，配準其他時相3D圖像，獲得各時相間的變形配準矩陣；③組織建模：逐層勾畫各時相上靶區及危及器官解剖結構（或把參考圖像上勾畫的靶區、危及器官的解剖結構，通過變形配準矩陣映射到其他時相上）；④計劃設計及劑量計算：設計參考時相的放療計劃，并對其他時相的射野形狀、強度分布等做相應調整，計算劑量；⑤計劃評價：對所有時相的合成劑量分布進行評價。

目前，四維放療計劃設計，基本基于4D CT，通過各時相輪廓融合，準確獲取個體化的內靶區（ITV），然后在單一時相上計算劑量分布；然后與3DCT上制作的相同處方劑量、射野方向、優化條件下的放療計劃進行對比分析。肺癌、肝癌、胰腺癌等應用研究表明，四維靶區勾畫可在保證靶區準確基礎上減少進入PTV的正常組織體積，更好地保護正常組織[4-7]。四維CT在完成靶區精確定位同時，也為危及器官受量的準確評估提供了一種有力工具[8-10]。本文基于以上結果，進一步研究在采用相同靶區、危及器官勾畫方式，相同處方劑量情況下，采用兩種不同4D計劃設計方案的劑量分布差異，探討在滿足臨床精度要求時，是否可對4D計劃設計進行部分簡化。

1 材料與方法

原發性肝癌患者10例，腫瘤位于肝右葉。4D CT掃描前訓練患者呼吸，使其在自然狀態下保持平靜、均勻呼吸。每例患者的4D CT圖像都由10個不同呼吸時相CT序列組成，且均采用兩種方案進行4D計劃設計，分別定義為準4D計劃和4D計劃。對比分析兩種方式的劑量差異。

1.1 輪廓勾畫

研究表明，基于參考時相輪廓變形獲得其余時相的4D 輪廓，相比作為4D輪廓標準實現形式的逐層勾畫所有時相輪廓方式，體積平均增大約9%[11]。故本文采用所有時相逐層勾畫方式進行4D CT輪廓勾畫。利用ModernTPS計劃系統軟件，輸入10個呼吸時相的CT圖像，并在各時相序列圖像中分別勾畫GTV、CTV和危及器官。為了保證靶區勾畫的重復性及準確性，同一患者的所有靶區、危及器官均由同一放療醫師在同一窗寬、窗位條件下勾畫。

1.1.1 準4D計劃的輪廓勾畫 靶區：在4D CT的10套時相序列圖像中分別勾畫GTV、CTV，外擴擺位邊界得到PTV，融合形成PTV準4D。危及器官：在4D CT的10套時相序列圖像中分別勾畫各個危及器官，各危及器官輪廓所有時相融合后，形成各危及器官自己的4D融合輪廓。為了更準確評估肝臟受量，我們對肝臟進行勾畫時，會扣去GTV，把剩下部分作為正常肝臟。

1.1.2 4D計劃的輪廓勾畫 靶區：采用準4D計劃勾畫的各時相的GTV、CTV、PTV，但不進行時相間的融合；危及器官：采用準4D計劃勾畫的各時相的危及器官輪廓，但不進行時相間的融合。

1.2 放療計劃優化

采用兩種方案進行4D計劃優化，分別如下。

1.2.1 準4D計劃（基于PTV準4D，在單一時相上計劃優化） 以吸氣末時相為參考時相，在參考時相中進行計劃優化。靶心設置為PTV準4D幾何中心，總劑量50～60Gy，常規分割，要求95%的等劑量曲線覆蓋≥95%PTV準4D。

1.2.2 4D計劃（不同時相各自計劃優化后變形疊加） 每個時相采用與準4D計劃相同的靶心設置方式、適形目標、射野方向、分次數，但處方劑量為準4D計劃的十分之一。同時，射野形狀、權重根據靶區和危及器官的變化做相應調整。各時相劑量評價標準也要求95%的等劑量曲線覆蓋≥95%PTV。同樣選取吸氣末的時相為參考時相，各時相劑量計算完成后，將所有時相的劑量通過變形配準，等權重疊加到參考時相上，然后在參考時相上進行計劃評價。

1.3 分析方法

把4D計劃得到的靶區和危及器官劑量結果視為理想結果，比較其與準4D計劃的靶區和危及器官的劑量差異。對結果數據采用配對Wilcoxon符號秩和檢驗的方法進行統計分析，P<0.05認為差異有統計學意義。

2 結果

2.1 兩種方案中處方劑量對比

在不增加肝臟V30、肝臟Dmean及左右腎V20等危及器官劑量的前提下，4D計劃在原有處方劑量的基礎上可略有提升。如表1所示，4D計劃相比準4D計劃10例患者PTV的平均劑量略有提升，但兩者的差異不顯著（P>0.05）；同時，4D計劃相比準4D計劃ITV的的平均劑量也略有提升，但兩者的差異也不顯著（P>0.05）。

2.2 兩種方案中危及器官的劑量對比

如表2所示，對于肝V30（%），準4D計劃的百分比體積略大于4D計劃，但無統計學意義差異（P>0.05）；對于肝的平均劑量，準4D計劃（略大于4D計劃，但差異不顯著（P>0.05，無統計學意義差異）。同時，4D計劃中左腎、右腎、胃的受量均略有降低。結果表明4D計劃相比準4D計劃對危及器官的保護要稍好，但差異并不顯著。

注：V30（%）代表30Gy劑量對應的百分比體積；V20（%）代表20Gy劑量對應的百分比體積；Dmean（Gy）代表平均劑量，單位為Gy；Dmax（Gy）代表最大劑量，單位為Gy。

3 討論

四維影像定位技術已較為成熟，并已商業化。隨著成像技術、多葉光柵以及機械控制技術發展，患者治療時可實時跟蹤腫瘤運動，使射線束實時跟隨目標腫瘤，成為腫瘤運動補償問題的發展方向。實時跟蹤優點在于直線加速器的工作周期不會和呼吸門限法一樣有所損失，因此不會加長治療時間。最常用的跟蹤方法是基于X射線透視成像對運動腫瘤實時成像跟蹤[12-14]，還有基于電磁的追蹤技術[15]。四維治療實施過程中，除對腫瘤實時跟蹤外，治療實施對呼吸時相的變化有響應時間（呼吸監測系統、光柵等設備的參數調整需要時間），需要預測軟件來減小響應時間引入誤差[16-18]。隨著上述技術發展，真正的四維放療實施即將成為可能。

本文研究目的是評估是否可對四維計劃設計過程進行簡化，以減少4D治療實施過程中射野參數調整，進而減少四維治療實施過程中累積誤差，間接提高治療效果，同時改善四維放療臨床應用可操作性。本研究可見，在采用相同的4D靶區和危及器官輪廓勾畫方式，相同的射野方向和處方劑量要求的情況下，對各個時相各自優化射野參數的真正4D計劃，在靶區劑量提升及危及器官保護方面都優于直接在參考時相上計劃優化的準4D計劃，但兩種方案下的差異并不顯著。說明在肝癌四維放射治療技術臨床應用時，可以探討對4D計劃優化過程中進行部分簡化，提高該技術臨床應用的可操作性。本文受限于所收集到的患者數量，對臨床各種復雜情況的覆蓋率有限，對于個別呼吸幅度較大或靶區與危及器官結構相對比較復雜的患者，本文中的兩種方式可能會產生稍大的差異，需要后續研究中進一步探索。

參 考 文 獻

[1] Keall PJ， Joshi S， Vedam SS， et al. Four-dimensional radiotherapy planning for DMLC-based respiratory motion tracking[J]. Med Phys，2005，32（4）：942-951.

[2] Keall PJ. 4-dimensional computed tomography imaging and treatment planning[J]. Semi Radiat Oncol，2004，14（1）：81-90.

[3] 戴建榮，胡逸民. 圖像引導放療的實現方式[J].中華放射腫瘤學雜志，2006，15（2）： 132-135.

[4] Xi M， Liu MZ， Deng XW， et al. Defining internal target volume（ITV）for hepatocellular carcinoma using four-dimensional CT[J]. Radiother Oncol， 2007，84（3）： 272-278.

[5] Korreman S， Persson G， Nygaard D，et al. Respiration-correlated image guidance is the most important radiotherapy motion management strategy for most lung cancer patients[J].Int J Radiat Oncol Biol Phys，2012，83（4）：1338-1343.

[6] Sangalli G， Passoni P， Cattaneo GM， et al. Planning design of locally advanced pancreatic carcinoma using 4DCT and IMRT/IGRT technologies[J]. Acta Oncol，2011， 50（1）：72-80.

[7] 習勉，劉孟忠，鄧小武，等.基于四維CT原發性肝癌內靶體積的確定及劑量學研究[J]，中華放射腫瘤學雜志，2009，18（6）：477-481.

[8] Admiraal MA， Schuring D， Hurkmans CW. Dose calculations accounting for breathing motion in stereotactic lung radiotherapy based on 4D-CT and the internal target volume[J]. Radiother Oncol，2008，86（1）：55–60.

[9] Glide-Hurst CK， Hugo GD， Liang J， et al. A simpli?ed method of four-dimensional dose accumulation using the mean patient density representation[J]. Med Phys，2008， 35（12）： 5269–5277.

[10] Zhang G， Feygelman V， Huang TC， et al. Motion-weighted target volume and dose-volume histogram： a practical approximation of four-dimensional planning and evaluation[J]. Radiother Oncol，2011，99（1）：67-72.

[11] Elisabeth Weiss， Krishni Wijesooriya， Viswanathan Ramakrishnan，et al.Comparison of intensity-modulated radiotherapy planning based on manual and automatically generated contours using deformable image registration in four-dimensional computed tomography of lung cancer patients[J].International Journal of Radiation Oncology Biology Physics，2008，70（2）：572-581+2.

[12] Cooper B， OBrien R， Balik S， et al. Respiratory triggered 4D cone-beam computed tomography： A novel method to reduce imaging dose[J]. Med Phys，2013， 40（4）：041901.

[13] Cho B， Poulsen P， Sloutsky A，et al. First demonstration of combined kV/MV image-guided real-time dynamic multileaf-collimator target tracking[J]. Int J Radiat Oncol Biol Phys， 2009，74（3）： 859-867.

[14] Cho B， Poulsen PR， Keall PJ， Real-time tumor tracking using sequential kV imaging combined with respiratory monitoring： a general framework applicable to commonly used IGRT systems[J]. Phys Med Biol，2010， 55（12）：3299-3316.

[15] Ravkilde T， Keall PJ， H?jbjerre K，et al. Geometric accuracy of dynamic MLC tracking with an implantable wired electromagnetic transponder[J]. Acta Oncol，2011， 50（6）：944-951.

[16] Ruan D， Keall PJ. Online prediction of respiratory motion： multidimensional processing with low-dimensional feature learning[J]. Phys Med Biol，2010， 55（11）：3011-3025.

[17] Pollock S， Lee D， Keall PJ，et al. Audiovisual biofeedback improves motion prediction accuracy[J]. Med Phys，2013， 40（4）： 041705.

[18] Fledelius W， Keall PJ， Cho B， et al. Tracking latency in image-based dynamic MLC tracking with direct image access[J]. Acta Oncol，2011， 50（6）： 952-959.