Auto-Planning在肺癌調強放療計劃中的劑量學研究

李慧君，王琳婧，王銳濠，張書旭

廣州醫科大學附屬腫瘤醫院 放療中心，廣東 廣州 510095

引言

隨著放療技術的不斷發展，調強放射治療[1-2]（Intensity Modulated Radiation Therapy，IMRT）已經成為非小細胞肺癌的主要治療手段之一[3-5]，其能夠在提高靶區劑量的同時保護正常組織，有效提高患者的腫瘤控制率及生存質量。計劃設計作為精確放療實現的中樞環節，其質量直接影響放療療效[7-9]。常規IMRT計劃是物理師根據臨床要求對靶區和危及器官進行限量的逆向優化過程，優化過程中物理師根據劑量分布情況反復補充調整限量條件，最終得到臨床滿意的治療計劃，因此物理師的經驗對常規計劃質量至關重要。Auto-Planning（AP）作為一種新的計劃設計方法[10-13]，將以往的治療經驗融入到計劃優化中，由計劃系統自動生成劑量成形結構（Dose Shaping Structure，DSS），并根據限量條件反復優化目標函數[14]，使其無限接近最優解，在無需物理師外加干預的情況下得到臨床可用的治療計劃。本研究選取16例肺癌患者，分別進行手動計劃和AP計劃，比較兩種計劃的劑量學差異[15-16]，探討AP自動優化計劃在肺癌放療中可行性，以期更好的為臨床服務。

1 材料與方法

1.1 病例選擇

隨機選取2017年6月至2017年12月在我院接受調強放療的16例肺癌患者，其中右肺癌7例，左肺癌7例，中央型肺癌2例，年齡52～69歲，中位年齡59歲，選取病例均具有明確放療適應癥。

1.2 CT模擬定位及靶區勾畫

患者均采用仰臥位，雙臂上舉，用熱塑體膜進行體位固定。應用美國GE公司的Lightspeed 16排螺旋CT進行掃描，掃描范圍包括下頜至全胸廓的所有區域，掃描層厚設置為5 mm，掃描過程中患者保持自主平靜呼吸。掃描后的CT圖像傳至Pinnacle3V 9.10計劃系統，由醫生勾畫腫瘤靶區（Gross Tumor Volume，GTV）、臨床靶區（Clinical Target Volume，CTV）、計劃靶區（Planning Target Volume，PTV）及危及器官（Organs At Risk，OARs）。GTV包括肺內原發灶、縱膈淋巴結和轉移肺門，CTV由GTV向肺部及轉移淋巴結外放獲得，PTV考慮器官運動范圍及擺位誤差，由CTV外放6 mm獲得，危及器官包括脊髓、心臟和雙肺組織。

1.3 計劃設計

利用Pinnacle3V9.10計劃系統對16例肺癌病例分別設計手動調強計劃和AP調強計劃。為方便比較，手動計劃和AP計劃均采用醫科達Synergy直線加速器6 MV X線，且設置相同射野，射野角度根據腫瘤位置設置為5野偏分或均分，處方劑量6000 cGy/30次。手動計劃由本院5年以上工作經驗的物理師首先對非重疊的靶區及OARs進行外擴處理，而對重疊的部分根據需要進行內縮處理，然后根據給定的靶區和OARs限量設置目標函數及其權重，經初步計算后，根據劑量分布情況，由物理師反復補充、調整限量條件使得劑量成型。AP計劃首先利用Pinnacle3V9.10系統中自帶的Technique對靶區和OARs進行處理，對處理后的靶區和OARs進行限量后自動優化，優化過程中由系統根據經驗自動生成DSS結構并反復補充優化，使目標函數無限接近最優解，最終達到劑量成型。

1.4 計劃參數比較

根據劑量體積直方圖（Dose Volume Histogram，DVH）分析和比較兩種計劃的劑量分布差異，劑量分布指標包括：

（1）靶區：最大受照劑量Dmax、平均受照劑量Dmean、最小受照劑量Dmin、靶區均勻性指數（Homogeneity Index，HI）和靶區適形度指數（Conformity Index，CI）。其中HI、CI指數公式如下：

HI=D5/D95

CI=(VPTV95%/VT)*( VPTV95%/VPTV)

其中D5為5%的靶區體積所接受的照射劑量，D95為95%的靶區體積所接受的照射劑量。HI值越小，靶區劑量越均勻。VPTV95%為95%處方劑量曲線覆蓋的PTV面積，VT為95%處方劑量曲線覆蓋的面積，VPTV為靶區體積。CI值越接近1（范圍為0～1），靶區適形度越好。

（2）危及器官：脊髓的最大劑量Dmax和平均劑量Dmean；雙肺的平均劑量Dmean和特定劑量受到的照射體積V30，V20，V5；心臟的平均劑量Dmean和特定劑量受到的照射體積 V40，V30。

1.5 統計學分析

采用SPSS 20.0統計軟件，對兩種計劃的各項劑量參數行配對t檢驗。P＜0.05為差異有統計學意義。

2 結果

2.1 靶區劑量比較

與手動計劃相比，AP計劃靶區平均劑量更接近處方劑量，比手動計劃少約19.38 cGy（t=-4.257，P=0.001）；最小劑量增加約72.55 cGy（t=2.903，P=0.011）；適形度優于手動計劃（t=6.376，P=0.000012），差異均具有統計學意義。靶區的最大劑量和均勻性差異無統計學意義，具體結果見表1。

表1 兩種計劃的靶區劑量學分布（cGy）

2.2 危及器官劑量比較

與手動計劃相比，AP計劃脊髓的最大劑量和平均劑量分別減少約183.83 cGy（t=-3.933，P=0.001）、103.61 cGy（t=-2.865，P=0.012），差異有統計學意義。AP計劃心臟的平均劑量減少約 43.44 cGy（t=-2.332，P=0.036），V40減少約0.91%（t=-2.554，P=0.029），差異有統計學意義。V30差異無統計學意義。AP計劃雙肺的平均劑量減少約34.49 cGy（t=-5.257，P=0.000097），V30和V20分別減少約0.72%（t=-3.974，P=0.001）、0.53%（t=-3.46，P=0.003），差異有統計學意義。V5差異無統計學意義，具體分析見表2。

表2 兩種計劃的危及器官劑量學分布（cGy）

3 討論

隨著放療技術的發展，IMRT精確放療技術廣泛應用于肺癌。初步結果表明，IMRT可提高肺癌靶區的受照劑量，同時降低危及器官，如肺、脊髓等的照射劑量。計劃設計作為放療的中樞環節，計劃質量直接影響放療療效。因此如何高效優質的完成計劃設計對放療技術的臨床應用具有重要意義。

IMRT計劃的本質就是根據目標函數直接優化子野形狀和權重，逆向求得接近最優解的劑量分布。但優化程序只會依據定義的限量條件求最優射野參數，對沒有描述到的正常組織區域不作要求，由此可能導致靶區適形度差，靶區外存在劑量熱點，腦干或脊髓等危及器官出現劑量“套圈”現象。針對此類現象，計劃設計者通過定義DSS結構給定相應限量解決這一問題。常用的DSS結構包括3種：① 將靶區外廓一定范圍得到環狀結構，對環狀結構限定最大劑量約束，其作用能夠提高靶區適形度；② 凹形靶區的凹陷區，考慮凹陷區內危及器官的受量要求，給定凹陷區一個劑量體積約束，同時限定最大劑量容許值，可以消除危及器官劑量“套圈”現象；③ 外擴靶區與一些重要并行器官的重疊區，將危及器官與靶區的重疊區設定最大劑量約束，非重疊區給出最小劑量約束，可以在保證靶區劑量的同時減少危及器官某一劑量以上的體積。手動計劃中，物理師首先對非重疊的靶區及OARs進行外擴處理，而對重疊的部分根據需要進行內縮處理，然后根據臨床給定的要求設置限量條件及其權重，經初步計算后，物理師繼續根據劑量分布情況補充、調整限量條件，最終使得劑量成型。由此可見DSS結構的設計極大程度上依賴物理師的臨床經驗，AP的精華即模仿有經驗的物理師，并且相對手動計劃，AP能不斷根據計算出的劑量分布系統生成DSS結構，并自動給出限量條件，直到目標函數無限接近最優解，最終劑量成型。

本文分析比較了手動調強計劃和AP調強計劃的劑量學特性，研究結果發現，AP放療計劃不僅能夠滿足臨床要求，而且相對手動計劃提高了靶區的最低劑量和適形度，平均劑量更接近處方劑量，并且很好的控制了脊髓的最高劑量，減少了脊髓的平均受量，一定程度上降低了雙肺的平均劑量和特定劑量的受照體積（V30，V20），在保護心臟的平均劑量和V40方面也稍有優勢。

綜上所述，AP作為一種新的計劃設計方法，可以模仿有經驗的物理師，自動生成DSS結構優化目標函數，最終獲得滿足臨床要求的治療計劃。AP計劃能夠有效優化靶區劑量分布，減少危及器官受照，實現了計劃設計的自動化，減少了人工依賴以及人為因素影響，提高了物理師的工作效率，使治療計劃更趨智能科學。

[1] 戴建榮,胡逸民.調強放療的計劃設計[J].中國醫療器械信息,2005,11(2):9-12.

[2] Mell LK,JCMundt AR.A survey of intensity-modulated radiation therapy use in the United States[J].Cancer,2003,98(1):204-211.

[3] Chan C,Lang S,Rowbottom C,et al.Intensity-modulated radiotherapy for lung cancer: Current status and future developments[J].J Thorac Oncol,2014,9(11):1598-1608.

[4] Bezjak A,Rumble RB,Rodrigues G,et al.Intensity-modulated radiotherapy in the treatment of lung cancer[J].Clin Oncol,2012,24:508-520.

[5] 周曉琳.高齡早期非小細胞肺癌單純放射治療效果研究[J].中國繼續醫學教育,2015,(33):123-124.

[6] Selek U,Bolukbasi Y,Welsh JW,et al.Intensity-modulated radiotherapy versus 3-dimensional conformal radiotherapy strategies for locally advanced non-small-cell lung cancer[J].Balk Med J,2015,31(4):286-294.

[7] Xu Y,Deng W,Yang S,et al.Dosimetric comparison of the helical tomotherapy, volumetric-modulated arc therapy and fixed- field intensity-modulated radiotherapy for stage IIB-IIIB non-small cell lung cancer[J].Sci Rep,2017,7(1).

[8] Zarepisheh M,Long T,Li N,et al.A DVH-guided IMRT optimization algorithm for automatic treatment planning and adaptive radiotherapy replanning[J].Med Phys,2014,41(6 Part1):61711.

[9] Li N,Zarepisheh M,Uribesanchez A,et al.Automatic treatment plan re-optimization for adaptive radiotherapy guided with the initial plan DVHs[J].Phys Med Biol,2013,58:8725-8738.

[10] Marwaha G,Zhuang T,Ward MC,et al.Autoplanning for lung SBRT: Quicker, without compromising quality[J].Inter J Radiat Oncol Biol Phys,2015,93(3):E580-E581.

[11] Gintz D,LatifiK,Caudell J,et al.Initial evaluation of automated treatment planning software[J].J Appl Clin Med Phys,2016.

[12] Kusters JMAM,Bzdusek K,Kumar P,et al.Correction to:Automated IMRT planning in pinnacle—A study in head-andneck cancer[J].Strahl Onkol,2017,193(12): 1077-1078.

[13] Kusters JMAM,Bzdusek K,Kumar P,et al.Automated IMRT planning in pinnacle[J].Strahl Onkol,2017,193(12):1031-1038.

[14] 王琳婧,王銳濠,雷懷宇,等.基于Auto-Planning的宮頸癌調強放療的劑量學研究[J].中國醫療設備,2017,32(6):83-86.

[15] 李洪水,廖麗娟.局部晚 期非小細胞肺癌調強放療與三維適形放療的對比[J].中國衛生標準管理,2017,(24):62-64.

[16] 廖雄飛,李廚榮,李寧山,等.自動和逆向3DCRT與逆向IMRT計劃劑量學比較[J].中華放射腫瘤學雜志,2017,26(4):437-441.