Auto-Planning在直腸癌容積旋轉調強自動計劃中的優化性能評估*

戴相昆 王小深 蔡博寧 徐壽平 杜樂輝 馬 娜 曲寶林*

直腸癌是常見惡性腫瘤之一，放射治療是其主要治療手段之一。目前，直腸癌放射治療主要采用調強放射治療(intensity modulated radiation therapy，IMRT)，且由于容積旋轉調強放射治療(volumetric modulated arc therapy，VMAT)技術具有更優的劑量學優勢，更快的治療速度逐漸成為直腸癌放射治療主流技術[1-3]。IMRT計劃是逆向優化過程，依賴于物理師的臨床工作經驗設置優化參數，不同治療中心以及同一治療中心不同物理師計劃結果存在差異，可能對患者放射治療效果及毒副反應產生影響[4-6]。

Auto-Planning(AP)作為一種新的計劃設計方法，可以有效地減小計劃差異并提高計劃設計效率。近年來，多家計劃系統廠商推出了自動計劃設計模塊，如Varian Rapidplan、pinnacle3V9.10 AP等。pinnacle3V9.10 AP模塊通過使用自動優化引擎，依據物理師給出相應目標函數進行放射治療計劃的自動優化。本研究采用pinnacle3V9.10 AP模塊，對接受手動VMAT(manual VMAT，M-VMAT)計劃治療的直腸癌患者，采集臨床已接受M-VMAT計劃中的相關劑量-體積直方圖(dose volume histogram，DVH)優化設置參數作為自動計劃優化參數，并進行自動VMAT計劃(auto planning VAMT，AP-VMAT)優化。分析AP-VMAT計劃與M-VMAT計劃的相關劑量學參數，探討AP自動計劃模塊在直腸癌VMAT計劃中的自動優化性能。

1 資料與方法

1.1 研究資料

選取2019年4-8月在解放軍總醫院第一醫學中心就診時使用Pinnacle3V9.10進行放射治療計劃設計的20例直腸癌患者，處方劑量為50 Gy/25 F，所有患者均采用360°雙弧VMAT技術。危及器官(organ at risk，OAR)包括腸、膀胱和左右股骨頭。

1.2 儀器設備

采用SIEMENS SOMATOM Definition AS型大孔徑定位CT(德國Siemens公司)；Pinnacle3V9.10計劃系統(荷蘭Philips公司)；自動計劃設計使用AP模塊(荷蘭飛利浦公司)。

1.3 治療方法

(1)掃描條件：所有患者均使用SIEMENS SOMATOM Definition AS型大孔徑定位CT，使用相同掃描條件進行掃描，在放射治療計劃優化及劑量計算過程中均使用相同的電子密度曲線。

(2)自動優化參數設置：使用Pinnacle3V9.10計劃系統AP模塊進行AP-VMAT計劃的自動優化，相關目標函數參照M-VMAT計劃DVH劑量學參數設置，其中包括腸V30、腸V15、腸平均劑量Dmean、膀胱V40、膀胱V10、平均劑量Dmean、左右股骨頭V40、腸、腸、膀胱；靶區劑量均設置為50.8 Gy。計劃自動優化最大迭代次數設置為80次，Tuning balance設置為11%，劑量跌落區間設置為2.6 cm，熱點定義為107%處方劑量，優化過程中使用冷點自動生成。將APVMAT計劃參考M-VMAT計劃進行處方劑量歸一，即處方劑量靶區覆蓋率相同。

1.4 劑量學參數比較

對兩種計劃相應劑量學參數進行采集，分別采集：腸V30、腸V15、腸平均劑量Dmean、膀胱V40、膀胱V20、膀胱平均劑量Dmean、左右股骨頭V40及平均劑量Dmean；靶區均勻指數(homogeneity index，HI)、靶區適形指數(conformal index，CI)和劑量梯度(dose gradient，DG)；HI、CI和DG計算分別為公式1、公式2和公式3：

式中Dx為靶區x%體積對應劑量值，Vpre為處方劑量對應絕對體積，VPTV_pre處方劑量對應靶區絕對體積，VPTV為靶區據對體積；V25為25 Gy組織相對體積，V50為50 Gy組織相對體積。

1.5 統計學方法

使用SPSS19.0軟件對數據進行統計學分析，計量資料以均值±標準差(±s)表示，數據符合正態分布則使用配對樣本t檢驗，否則使用秩和檢驗，以P＜0.05為差異有統計學意義。

2 結果

2.1 劑量分布及DVH比較

在AP-VMAT和M-VMAT的計劃靶區劑量(planning target volume dosage，PTVD)分布中，AP-VMAT計劃自動優化過程中劑量跌落梯度設置為2.6 cm，但優化結果的劑量分布存在部分劑量外溢的情況。同一例患者兩種計劃的DVH差異顯示，APVMAT的PTVD相對于M-VMAT計劃更均勻，且部分OAR的DVH明顯優于M-VMAT計劃。兩種計劃方式的劑量分布差異見圖1，兩種計劃DVH的差異見圖2。

圖1 兩種計劃方式的劑量分布差異

圖2 兩種計劃DVH的差異

2.2 劑量學參數比較

(1)對AP-VMAT計劃和M-VMAT計劃劑量參數進行統計學分析，兩種計劃PTV的CI和HI參數比較，差異有統計學意義(t=-2.100，t=-3.876；P＜0.05)；DG差異無統計學意義，見表1。

表1 AP-VMAT計劃和M-VMAT靶區劑量學參數比較(±s)

表1 AP-VMAT計劃和M-VMAT靶區劑量學參數比較(±s)

注：表中AP-VMAT為自動容積調強計劃；M-VMAT為手工容積調強計劃；PTV為計劃靶區體積；CI為適形指數；HI為均勻性指數；BODY為掃描范圍全部體積；DG為劑量梯度

(2)數據分布不符合正態分布、AP-VMAT計劃與M-VMAT計劃的膀胱平均劑量Dmean、腸V30、腸V15、腸平均劑量Dmean、左股骨頭平均劑量Dmean和右股骨頭V40比較，差異有統計學意義(t=-2.38，t=-3.342，t=-5.018，t=-5.835，t=-2.441，t=-1.120；P＜0.05)，AP-VMAT計劃優化結果均優于M-VMAT計劃，對直腸癌患者的VMAT計劃，使用適當的臨床優化目標函數，可通過AP模塊自動優化得到較為理想的臨床應用VMAT計劃，見表2。

表2 AP-VMAT計劃和M-VMAT的OAR劑量學參數比較(±s)

表2 AP-VMAT計劃和M-VMAT的OAR劑量學參數比較(±s)

注：AP-VMAT為自動容積調強計劃；M-VMAT為手工容積調強計劃；Vx為靶區x劑量對應器官體積；Dmean為平均劑量

3 討論

自動計劃逐漸成為放射治療計劃設計的發展趨勢，不僅能夠減少不同物理師、不同治療中心的放射治療計劃水平的差異，且能夠有效提高計劃設計效率。相關文獻[7-14]表明，在頭頸部等腫瘤中Rapidplan和Auto-Planning均能夠得到較為理想的放射治療計劃。Rapidplan是通過利用先驗知識建立劑量預測模型，而后基于預測所得劑量進行計劃自動優化，在劑量預測方法較為成熟的條件下，使用回歸等各種方法實現的DVH預測[15-19]或者使用深度學習以及機器學習等實現的劑量分布預測均能得到理想的結果[20-21]。而Auto-planning則是通過使用自動優化引擎，依據用戶給出的相應目標函數計劃的自動優化，需要人為設置相應目標函數進一步地進行治療計劃自動優化。人為設置相應目標函數的缺點在于無法確定精確的目標函數值，如果OAR目標函數設置不合理，可能導致自動優化的放射治療計劃出現靶區欠量或OAR超量等問題，因此Auto-Planning在放射治療計劃個體化的應用方面存在一定的缺陷。

本研究中基于直腸癌探索Pinnacle3V9.10計劃系統Auto-Planning自動優化引擎優化VMAT計劃的性能，使用已有M-VMAT計劃相應DVH劑量學參數作為AP-VMAT計劃的目標函數進行自動放射治療計劃設計，探索自動計劃是否能夠得到與M-VMAT相同或更優的放射治療計劃。當前放射治療計劃劑量預測較為成熟，從最初的使用距離目標直方圖(distance to target histogram，DTH)或器官體積直方圖(overlap volume histogram，OVH)等進行OAR的DVH預測，到使用深度學習進行放射治療劑量分布的預測，均能夠得到良好的預測結果[22]。因此，使用預測所得精度更高的目標函數作為Auto-planning的自動優化目標函數，可以通過自動優化獲得更適用于臨床的放射治療計劃。

本研究比較了基于Pinnacle3V9.10計劃系統的AP-VMAT計劃與M-VMAT計劃，結果表明APVMAT計劃中在靶區適形度、劑量均勻性方面均具有一定的優勢，表明AP方法能有效減少熱點的產生；同時在OAR劑量方面，膀胱平均劑量Dmean、腸V30、腸V15、腸平均劑量Dmean、左股骨頭平均劑量Dmean和右股骨頭V40等也具有優勢，且OAR劑量均有不同程度的降低。以上結果表明Pinnacle3V9.10計劃系統的AP模塊在自動優化直腸癌VMAT計劃時能對靶區和OAR的權重進行最大限度的調節，更好的實現劑量分布的優化。

本研究中AP-VMAT計劃自動優化過程中劑量跌落梯度設置為2.6 cm，但是從優化結果看在劑量分布方面仍存在一定不足，即部分劑量外溢的情況。因此雖然AP模塊具有很好的自動優化性能，但是本研究在自動優化過程中劑量跌落梯度相關設置中缺少對劑量外溢進行劑量限制的輔助結構，因此在使用AP模塊進行放射治療自動計劃設計時應添加對劑量外溢進行限值的輔助結構(如劑量環等)。從表1中還可以看出APVMAT計劃的劑量梯度數值高于M-VMAT計劃，雖然兩者不存在統計學差異，但圖1中劑量分布對比結果提示在治療計劃自動優化過程中同樣需要相應輔助結構。

4 結論

Pinnacle3V9.10的AP自動優化模塊具有良好的自動優化性能，但是在進行自動計劃設計過程中，其優化結果依賴于優化參數的設計。因此在當前成熟的劑量預測條件下，通過使用劑量預測所得目標函數，并預先設置適當的劑量限制輔助結構，可以實現直腸癌AP-VMAT計劃的精確自動優化。