兩種不同優化算法在胸部腫瘤調強放射治療計劃中的對比分析

王東東，姜玉冰

（1.山東乳山市人民醫院，山東 乳山 264500；2.乳山市城中社區衛生服務中心，山東 乳山 264500）

0 引言

強調放射治療計劃的優化是一個涉及到多個目標的問題，各個靶區及危及器官的臨床劑量目標會相互沖突，某個臨床目標的優劣性可能受到其他目標的影響[1-2]。放射治療計劃的好壞與治療結局息息相關，因而物理師需結合不同軟件的特點，將經驗與系統特點相結合，明確收益更高的計劃類型[3]。目前臨床中針對放射治療計劃主要選用DMPO算法與MCO算法[4]，本次研究筆者為明確上述兩種算法在胸部腫瘤調強放射治療計劃中應用效果與價值的差異，共選取近期收治的40例患者進行研究分析，現將研究進展及結果報告如下。

1 資料與方法

1.1 一般資料

研究對象共40例，均為食管癌患者，其中男性35例，女性5例，患者年齡24~76歲，平均（54.13±6.08）歲。納入研究的所有患者均拒絕手術治療或不適合進行手術治療，所有患者及家屬均對研究知情，并自愿簽署知情同意書。

1.2 優化算法設計方法

觀察所有食管癌患者CT定位影像，由放療醫師在VENUS計劃系統中勾畫靶區（GTV）由物理師勾畫出計劃靶區，計劃靶區體積（PTV）區域范圍為GTV上緣、下緣外擴2cm，軸向外擴1cm，危及器官（OAR）參照ICRU83號報告進行定義并勾畫。對GTV、PTV及OAR的計劃劑量進行約束，GTVV100%≥95%且 V110% ≤ 10%；PTVV95% ≥ 95%； 雙 肺 V20＜30%，V30＜20%，心臟 V40＜40%，脊髓最大劑量 D1cm3-s＜40Gy。先采用DMPO算法后采用MCO算法進行優化計算，HI與CI值均于0~1，HI值越小表示靶區劑量分布越均勻，CI越大表示靶區劑量分布越適形，并統計兩種計劃所需設計時間。

1.3 統計學方法

2 結果

2.1 靶區劑量分布情況對比

DMPO算法下靶區劑量分布與Monte Carlo算法對比未見顯著差異（P＞0.05），詳見表1。

表1 兩種不同計算方法下靶區劑量分布對比（±s）

表1 兩種不同計算方法下靶區劑量分布對比（±s）

項目 分類 DMPO算法 MCO算法 t P GTV D98%（Gy）D50%（Gy）D2%PTV HIpgtv CIpgtv 56（Gy）CI 60.15±1.27 63.52±1.40 66.14±1.56 0.08±0.05 0.48±0.17 0.96±0.13 0.70±0.09 60.18±1.30 63.49±1.37 65.98±1.52 0.08±0.04 0.47±0.15 0.95±0.12 0.69±0.10 0.092 0.085 0.409 0.000 0.246 0.315 0.414 0.927 0.932 0.684 1.000 0.807 0.754 0.681

2.2 危及器官劑量分析

MCO 算法下全肺 V10、V20、V30、Dmean-l，心臟 V30、V40、Dmean-h，脊髓D1cm3-s、Dmean-s等指標項目均顯著低于DMPO算法（P<0.05），詳見表2。

表2 兩種不同計算方法下危及器官劑量對比（±s）

表2 兩種不同計算方法下危及器官劑量對比（±s）

項目 分類 DMPO算法 MCO算法 t P雙肺心臟脊髓V5（%）V10（%）V20（%）V30（%）Dmean-l（Gy）V30（%）V40（%）Dmean-h（Gy）D1cm3-s（Gy）Dmean-s（Gy）47.20±6.43 34.26±4.25 21.26±2.18 11.84±2.03 11.20±1.62 25.45±7.25 14.26±6.33 17.01±2.36 39.25±1.67 21.38±4.52 47.15±6.45 31.48±4.33 19.67±2.23 10.24±1.98 10.02±1.49 18.76±5.79 10.12±5.26 14.25±2.41 35.81±2.21 17.10±4.28 0.031 2.551 2.839 3.142 2.985 4.015 2.809 4.556 6.914 3.828 0.976 0.013 0.006 0.003 0.004 0.000 0.007 0.000 0.000 0.000

2.3 計劃設計時間分析

DMPO算法計劃設計時間為（62.37±5.23）min，MCO算法計劃設計時間為（35.18±4.15）min，兩組算法計劃設計時間對比差異顯著（t=22.675，P<0.05）。

3 討論

食管癌是腫瘤放射治療中的常見疾病，目前臨床中針對食管癌患者多采用放射治療。

本次研究筆者為明確MCO算法與DMPO算法在強放射治療計劃中的應用效果的差異，共選取近期收治的40例患者進行研究分析，結果表明：MCO算法可降低危及器官的受照劑量，從而減少并發癥的發生，此外，MCO算法較DMPO算法所需計算時間更短，提高了工作效率。上述結論與邵凱南、要雪品等[5-6]研究中所述基本一致，為進一步明確上述兩種算法臨床應用價值，筆者收集了近期多位學者相關研究報告進行綜合分析：吳建亭等[7]就曾在研究中指出，就胸部腫瘤而言，食管癌病灶存在部位固定程度更高，此外病灶周圍存在肺、心臟、脊髓等重要器官，因而MCO算法與DMPO算法數據對比結果可信度更高。DMPO算法在臨床應用時通常需不斷對靶區及處方劑量進行相應調整后生成相應的放射治療計劃，該過程中重復次數較多，因而錯誤生成率較為明顯，花費時間較長[8-9]；MCO算法在對整體空間進行收集，后明確最優解，可根據患者疾病情況對靶區及危及器官計劃劑量進行調整，若醫師對計劃生成結果并不滿意，則可通過增加條件進行微調整，從而最大程度優化各靶區劑量的分布，因而臨床應用安全性更高，計劃生成時間更短[10]。

綜上所述，胸部腫瘤強放射治療計劃中的應用MCO算法可有效降低危及器官的受照量，減少各種并發癥的發生，可以改善患者得預后，可考慮臨床推廣應用。