Rapidplan簡化模型在宮頸癌VMAT計劃設計中的應用

王景，季茹，裴曦，汪志

1. 安徽醫科大學 生物醫學工程學院，安徽 合肥 230032；2. 安徽醫科大學第一附屬醫院 放療科，安徽 合肥 230022；3. 中國科學技術大學 放射醫學物理中心，安徽 合肥 230025

引言

放射治療是腫瘤治療的主要方式之一，70%的腫瘤患者可以通過放療提高腫瘤局部控制率，減少正常組織并發癥[1-2]。放射治療的質量與放療計劃息息相關，放療計劃的挑戰之一，是如何在保證靶區劑量的同時保護正常組織[3]，物理師難以先驗評估這種平衡，因此物理師和醫療機構的水平經驗不同，會導致計劃質量的差異，基于先驗知識的自動計劃（Knowledge Based Planning，KBP）目前已經被建議作為一種解決方案，來減少這種差異[4-5]。Varian公司在其Eclipse計劃系統13.5版本正式推出基于先驗知識的Rapidplan自動計劃模塊，通過先驗知識建立模型，以模型進行放療計劃參數的自動設計，即自動計劃，旨在實現計劃的一致性，改進計劃質量和提高放射治療的效率[6]。一經推出就受到國內外學者的關注，并已經研究了其在肝臟[7]、骨盆[8]、食管[9]、頭頸部腫瘤[10-11]、乳腺癌[12]、肺癌的立體定向放射治療（Stereotactic Body Radiation Therapy，SBRT）[13]、脊髓SBRT[14]、前列腺癌[15]等癌癥以及在質子放射治療領域[16]和新冠肺炎的大背景下放射治療中的應用[17]。但是Rapidplan自動模型的實施、驗證和培訓過程相當耗時[18]，過去的研究一定程度上忽略了模型建立對于醫療機構水平經驗的高要求。本文研究驗證一種Rapidplan簡化模型在宮頸癌容積調強（Volumetric Modulated Arc Therapy，VMAT）治療中的應用，摒棄傳統的反復篩選驗證的訓練過程，嘗試簡化建模方式，解決處于放射治療發展初期的醫療機構水平經驗不足，無法處理復雜的建模流程，從而無法應用Rapidplan模型來穩定放射治療質量的問題，進一步探索Rapidplan自動計劃在臨床成規模應用的可行性。

1 材料和方法

1.1 臨床資料

選取安徽醫科大學第一附屬醫院腫瘤放療科2018年12月至2020年3月宮頸癌VMAT放療計劃60例?；颊呔恃雠P位，雙手抱肘置于額頭，真空體模固定，行大孔徑CT（GE Discovery RT 590）以5 mm層厚掃描，采用相同處方劑量（50 Gy/25 f），Vitalbeam直線加速器單中心VMAT雙整弧照射，計劃由資深物理師通過Varian公司Eclipse13.6計劃系統優化，且由主治醫生認可并已經臨床應用。另外抽取10例臨床病例，作為測試組。

1.2 Rapidplan簡化模型訓練

將60例宮頸癌VMAT放療計劃導入Rapidplan模塊，進行模型訓練。簡化模型結合宮頸癌VMAT放射治療的實際臨床需求，只進行膀胱，直腸和小腸三個危及器官（Organ At Risk，OAR）的訓練，將病例導入后進行第一次模型訓練，此時訓練日志會列出強影響點（鑒別工具為cook’s distance，CD，閾值為4），幾何異常點（鑒別工具為modified Z-score，mZ，閾值為3.5）和劑量異常點（鑒別工具為Studentized Residual，SR，閾值為3，Areal difference of estimate，dA，閾值為3），以及靶區和各OAR的DVH圖，刪去DVH圖中異常曲線和超過系統閾值所代表的計劃和結構，剩余48例病例，之后進行第二次訓練，得到最終的自動計劃模型。將第二次訓練得到的簡化模型投入臨床測試。表1展示了簡化訓練完成后統計得到的自動計劃模型擬合結果主要統計分析數據。

表1 自動計劃模型擬合結果統計主要分析數據

1.3 計劃評估

將選取的10例手動優化臨床應用（Clinical Manual Optimization，CMO）計劃，利用Rapidplan模型生成自動計劃，過程中保證除模型生成自動計劃參數步驟外，其他所有條件不變。再將優化完成的Rapidplan自動計劃和CMO計劃進行計劃靶區和重要參數的對比，從而確定自動計劃的可用性。

基于國際放射性單位委員會83號報告[19]，以D2和D98作為靶區近似最大劑量和近似最小劑量，評估靶區劑量分布，均為越接近處方劑量越好。適形度指數（Conformity Index，CI）值評估靶區適形度，值介于0～1之間，越接近1說明適形度越好，均勻度指數（Homogeneity Index，HI）值評估靶區劑量分布均勻度，HI越小說明均勻度越好。結合臨床實際，在處方劑量為50 Gy/25 f的宮頸癌放射治療中，OAR的限量參數要求膀胱與直腸V40<50%，小腸V50<10%。

1.4 統計學分析

本文運用SPSS 20.0軟件比較Rapidplan簡化模型生成的自動計劃和CMO計劃的數據差異，以Shapiro-Wilk法對數據組進行正態分布檢驗，對符合正態分布的行配對樣本t檢驗，對不符合正態分布的行Wilcoxon符號秩和檢驗。P<0.05為差異有統計學意義。

2 結果

CMO計劃與Rapidplan自動計劃結果劑量分布均滿足臨床需求。圖1分別展示了CMO計劃與Rapidplan自動計劃的靶區的D2、D98、HI和CI 值對比，表2展示了CMO計劃與Rapidplan自動計劃靶區相關數據統計結果。相比于CMO計劃，自動計劃的計劃靶區 ( Planning Target Volume，PTV ) 的CI值等于0.89±0.02，二者無統計學差異（P=0.085）；HI值為 0.08±0.01 降低了 0.01（P=0.018）；D2為（5341.1±30.1）cGy，降低了0.8%（P=0.003）；D98為（4938.3±19.6）cGy，提高了0.5%（P=0.04）。圖2展示了CMO與Rapidplan自動計劃的靶區劑量截面圖分布對比圖，顯示Rapidplan計劃的靶區高量更低。圖3展示了CMO計劃與Rapidplan計劃的OAR劑量對比，表3展示了CMO計劃與Rapidplan自動計劃OAR相關數據統計結果。結果為CMO計劃和Rapidplan自動計劃的直腸V40與小腸V50無統計學差異（P=0.721，P=0.271），膀胱V40則降低了7%，為34.8%±9.2%（P=0.03）。

表2 CMO計劃與Rapidplan自動計劃靶區統計值

表3 CMO計劃與Rapidplan自動計劃OAR統計值

圖1 CMO計劃與Rapidplan自動計劃相關數據對比

圖2 CMO計劃和Rapidplan自動計劃的劑量截面圖

圖3 CMO計劃與Rapidplan自動計劃OAR相關劑量對比

3 討論

宮頸癌在婦科惡性腫瘤的發病率僅次于卵巢癌，并且有研究指出新發患者有年輕化趨勢，且在城市中年輕婦女的死亡率呈上升趨勢，這已經引起全世界醫療工作者的廣泛關注[20-21]。放射治療是宮頸癌治療的重要手段，且治療方案通常為內外照射同步進行。由于近距離放射治療的OAR照射量難以準確評估，所以在外照射中要求盡量降低OAR的照射量。近年來，隨著VMAT技術的推廣應用，宮頸癌照射外照射時間和執行效率相比于傳統的IMRT技術有明顯改善[22]。然而VMAT計劃算法復雜，在設計階段運算量大，尤其是在Eclipse15.5版本以下沒有GPU加速功能，每一次優化時間相比于調強放療大大延長，且幾乎每個計劃都需要優化數次，十分影響計劃的設計效率。而且相比于多次優化帶來的時間成本，醫療機構和物理師的經驗不足，特別是近年來我國放射治療在城鄉全面鋪開，優秀的物理師缺口很大，可能使放療計劃不能達到相應標準或者不能得到進一步進行優化才是更重要的問題。

Varian公司推出的Rapidplan自動計劃，一定程度上解決了這些問題，其一經推出就成為一個熱點研究領域。在過去的研究中已經反復論證了Rapidplan 自動計劃模塊在臨床中的可用性[7-17]，但是模型的建立方式很少作為重點提及，建模方式多參照Varian公司運營手冊的建議[23]，手冊要求任何的異常值都需要被仔細的重新檢查并重新規劃[24]，費時費力，要求很高。近年來，也有新的模型庫訓練方法提出，如Fogliata等[25]提出一種迭代方式建立模型庫，Fusella等[26]提出一種利用APQM評分法等。

本文對Rapidplan自動計劃模型的建模流程進行簡化，拋棄復雜的篩選過程，只進行兩次訓練，一次篩選，旨在降低模型的建立難度、提高建模效率的同時模型精度也滿足臨床的需求。篩選過程必不可少，完全不經篩選，只進行60例病例一次訓練生成模型，同樣10例患者的測試組中出現一例小腸受量異常，V50為14.39%（限量為<10%，同樣的數據在簡化模型和CMO計劃中分別為7.2%，6.96%），模型的精度達不到臨床應用要求。經過兩次訓練后，10例病例進行靶區和OAR的相關參數與照射量的分析測試，結果表明簡化模型生成的自動計劃不僅滿足宮頸癌放射治療的臨床劑量限定，且相比于手動優化的計劃，各項參數均持平或者有所改善，該結果也符合Tinoco等[27]關于Rapidplan在宮頸癌中應用的研究。

本文在通過兩次訓練得到了可臨床應用的Rapidplan簡化模型，解決了模型建立對醫療機構高水平要求問題，這對于進一步推廣自動計劃的臨床應用，減少不同醫療機構的計劃水平差異，提高計劃優化效率有一定意義。但是目前的自動計劃也存在相應的問題，如當靶區侵犯OAR過多時，對于靶區覆蓋度和OAR的保護之間的取舍，各人理解不同，這時自動計劃就無法根據標準的變化改變優化策略。高度個體化定制的自動放療計劃設計，這可能是未來自動計劃的發展方向之一。