不同算法下鼻咽癌調強放射治療計劃中空腔和骨性結構對劑量評估的影響

申正文 譚 霞 李 師 田秀梅 羅煥麗 靳 富 王 穎

(重慶大學附屬腫瘤醫院腫瘤放射治療中心，重慶 400030)

引言

在放射治療的計劃設計和治療執行中，任何微小的誤差都有可能對患者造成嚴重損傷。 要保證患者接受到計劃設計的劑量分布，必須經過嚴格的位置和劑量驗證。 其中常用的劑量驗證包括治療前劑量驗證，在體劑量驗證，獨立驗算軟件驗證等[1]。 以上劑量驗證方法各有側重，獨立驗算軟件是對計劃重新進行劑量計算，以此來驗證治療計劃系統(treatment planning system，TPS)產生的劑量分布是否準確，是針對TPS 中劑量算法的驗證。 該環節非常關鍵，因為劑量計算的誤差會影響醫生對腫瘤局部控制率和周圍正常組織并發癥概率的判斷。常見的獨立驗算軟件有Mubius3D、PerFraction、IMsure、SciMoCa(SMC)等[2-3]。 SMC 利用的是劑量計算金標準－蒙特卡羅(Monte Carlo，MC)算法驗算計劃。 目前瓦里安Eclipse TPS 中的光子劑量算法有AAA 算法(anisotropic analytical algorithm，AAA)和AXB 算法(acuros external beam algorithm，AXB)。本研究選取20 例鼻咽癌調強放射治療(intensity modulated radiation therapy， IMRT)計劃，利用SMC軟件對AAA 算法和AXB 算法產生的劑量分布進行劑量驗算，評估兩種算法計算的準確性，并分析靶區內空腔和骨性結構對劑量準確計算的影響，以指導臨床應用。

1 材料和方法

1.1 計劃制作

1.1.1 病歷選取

選取20 例2019年10月至12月期間在本中心接受放射治療的鼻咽癌患者。 其中，男性11 例，女性9 例，年齡33～69 歲，中位年齡55 歲。

1.1.2 模擬定位

20 例患者均采用頭頸肩熱塑膜固定，使用飛利浦大孔徑CT 模擬定位，掃描層厚為3 mm，掃描上界至頭頂，下界為鎖骨下緣3 cm。

1.1.3 靶區和危及器官勾畫

在Eclipse TPS(13.6 版本)上，醫師根據影像學檢查、內鏡檢查、臨床查體等結果在定位CT 圖像上勾畫靶區。 包括鼻咽原發腫瘤區域(GTVnx)、陽性淋巴結區域(GTVnd)、高危臨床靶區(CTV1)、低危臨床靶區(CTV2)。 以上區域外放3 mm(在腦干脊髓處適應縮小1～2 mm)形成計劃靶區PGTVnx、PGTVnd、PTV1、PTV2。 勾畫的危及器官包括腦干、脊髓、視交叉、左/右視神經、垂體、左/右眼球、左/右顳葉、下頜骨、左/右腮腺、左/右內耳、口腔、喉、氣管、左/右顳頜關節等。 同時勾畫出PGTVnx 內的空腔和骨性結構，以便后續分析其對算法計算準確性造成的影響。

1.1.4 靶區處方和危及器官劑量限值

靶區處方劑量為:PGTVnx(70.4 Gy/32 F)、PGTVnd(70.4 Gy/32 F)、PTV1(60.8 Gy/32 F)、PTV2(54.4 Gy/32 F)，100%的處方劑量需包繞95%以上的靶區體積[4]，最大劑量點位于靶區內，且不超過77.44 Gy(處方劑量的110%)。 危及器官劑量限值見表1。

表1 危及器官劑量限值Tab.1 Dose constraints of organs at risk

1.1.5 計劃設計

物理師在Eclipse TPS(13.6 版本)上制定放療計劃，加速器為瓦里安IX 直線加速器，多葉光柵類型為Millennium 120，6 MV X 射線，采用9 野均分(200°、240°、280°、320°、0°、40°、80°、120°、160°)共面照射，準直器均為0°，使用IMRT 滑窗技術。 優化完成后分別利用AAA 算法和AXB 算法計算劑量分布(dose to medium)。 優化與計算網格均為2.5 mm。

1.2 劑量驗算

1.2.1 SMC 模型

SMC 利用文獻[5－7]中的源模型，可以構建針對直線加速器的射束模型，Hoffmann 對此進行了詳細的介紹[8]:治療機頭的模擬包括主原始光子源、初級準直器、均整器、監測電離室背向散射、電子污染這5 個虛擬源，它們的能譜均由MC 程序包BEAMnrc 模擬相空間分析獲得。 多葉光柵模型中包含了葉片形狀，可以對葉片凹凸槽效應、端面曲率和葉片間漏射進行配置。 本研究構建的模型是1.1.5小節中所述配備Millennium 120 多葉光柵的瓦里安IX 直線加速器6 MV 能量檔，采用與Eclipse TPS 中相同的水箱測量數據進行，包括3×3、5×5、10×10、15×15、20×20、30×30、40×40 cm×cm 射野的輸出因子、百分深度劑量和在15、50、100、200、300 mm 深度處的離軸比，以及由實測計算出的多葉光柵的葉隙劑量測定(dosimetry leaf gap，DLG)。 模型驗證時通過調節DLG 使得模型與TPS 達到最佳適配。

1.2.2 計劃傳輸與驗算

以DICOM 格式將病例的圖像(CT Image)、結構(RT Structure)、計劃(RT Plan)和劑量(RT Dose)傳輸至SMC 服務器，進行劑量驗算(未使用GPU 運算)。 計算的不確定度設置為0.5%，計算網格大小與TPS 保持一致為2.5 mm，劑量模式為dose to medium。

1.2.3 結果分析

比較AAA 和AXB 算法與SMC 驗算的靶區和危及器官的劑量學指標差異。 以SMC 驗算結果為標準，計算AAA 和AXB 算法下各計劃的整體γ 通過率以及各靶區和危及器官的γ 通過率。 采用3 Dγ 通過率計算，最大點歸一方式，3%/2 mm 的評判標準，劑量閾值為10%。 同時采用如下公式計算靶區內空腔和骨性結構的平均劑量偏差:

式中，Dmean(TPS)和Dmean(SMC)分別表示TPS 計算的平均劑量和SMC 計算的平均劑量。

1.3 統計分析

采用SPSS20.0 統計軟件對兩種算法的γ 通過率結果進行配對t檢驗，P<0.05 為差異有統計學意義。

2 結果

2.1 AAA、AXB 算法計算結果與SMC 驗算結果對比

20 例鼻咽癌患者放療計劃的靶區和危及器官AAA 算法和AXB 算法的劑量計算結果以及SMC 獨立驗算結果見表2 所示。 3 種算法的靶區劑量學指標差異較大，靶區的覆蓋率由高到低為AAA、AXB、SMC 算法，靶區的劑量熱點由高到低為SMC、AXB、AAA 算法。 因此AAA 算法的計算結果滿足靶區處方劑量要求的計劃例數最多，AXB 次之，SMC 最少。而3 種算法在危及器官的劑量學指標上差異較小。

表2 20 例計劃AAA、AXB 算法和SMC 計算結果對比Tab.2 Comparison of the results estimated by AAA， AXB and MC of the 20 cases

2.2 AAA、AXB 算法計劃的γ 通過率分析

以SMC 驗算結果為標準，20 例計劃AAA 算法和AXB 算法的γ 通過率及統計學檢驗見表3。 除AAA 算法下的PGTVnx 外，計劃的整體通過率以及各靶區和危及器官的平均通過率均>95%，符合臨床要求。 其中，在PGTVnx、PTV1、下頜骨、口腔區域AAA 算法和AXB 算法有統計學差異(P<0.05)，其他結構無統計學差異(P>0.05)。 因為PGTVnx 包含了空腔和骨性結構，PTV1 又包含了PGTVnx，所以它們的γ 通過率出現了統計學差異。

表3 20 例鼻咽癌放療計劃靶區和危及器官的γ 通過率Tab.3 γ passing rates for entire plans， targets and OARs.

2.3 空腔和骨性結構平均劑量偏差和γ 通過率

20 例患者PGTVnx 中空腔和骨性結構的平均劑量偏差以及γ 通過率見表4。 AAA 算法在空腔區域平均劑量偏差為負值，在骨性結構區域平均劑量偏差為正值，說明AAA 算法在計算靶區內空腔劑量時偏低，骨性結構偏高。

表4 空腔和骨性結構平均劑量偏差和γ 通過率Tab.4 Dmean differences and γ passing rates of air cavities and bony structures

2.4 空腔和骨性結構體積與γ 通過率關系分析

將空腔及骨性結構的體積和在AAA 算法下的γ 通過率繪制成散點圖，如圖1 所示。 經擬合可發現空腔體積越大，其γ 通過率越高，呈線性正比，r＝0.65；骨性結構則相反，體積越大，其γ 通過率越低，呈線性反比，r＝－0.74。 當空腔的體積小于20 cm3，骨性結構體積大于10 cm3時，γ 通過率都會低于95%。

圖1 AAA 算法下體積與γ 通過率的關系。(a)空腔體積；(b)骨性結構體積Fig.1 The relationship between the volume and γ passing rate under AAA.(a) The volumes of air cavities； (b) The volumes of bone structures

3 討論

放療劑量計算的準確性至關重要，是質量控制與保證的關鍵環節。 靶區劑量的總不確定度應當在5%以內，其中劑量計算的精度應當在3%以內。真實人體由不同元素組成，各器官組織密度也不同，特別是在各種空腔區域以及器官之間密度突變的區域，容易產生較大劑量計算偏差，增加了準確計算的難度[9]。 瓦里安Eclipse TPS 目前有兩種光子劑量算法:AAA 算法是基于卷積疊加，考慮了電子側向失衡和不均勻組織的散射，AXB 算法是基于網格的玻爾茲曼方程求解器，在劑量計算時還考慮到了非均勻組織間的不同化學成分[10]。 AXB 算法和蒙特卡羅算法都有兩種劑量模式:“dose to water”與“dose to medium”。 Han 等[11]的研究顯示，與AXB(dose to water)相比，AXB(dose to medium)的劑量計算結果更接近熱釋光劑量計與膠片的測量結果。 而Ma 等[12]推薦使用“dose to medium”劑量模式，進行治療計劃評估和治療結果分析，使得與以往的放射治療經驗保持一致。 所以在本研究中的AXB 和蒙特卡羅算法均使用的是“dose to medium”模式。 本文將20 例鼻咽癌患者的放療計劃導入SMC 進行劑量驗算，以SMC 驗算的劑量分布為標準，比較AAA 算法和AXB 算法的劑量學差異，分析空腔和骨性結構對劑量準確計算的影響。

比較20 例計劃100%處方劑量的靶區覆蓋率，發現AXB 算法低于AAA 算法約1%左右，此差異導致了個別計劃AAA 算法下處方劑量覆蓋了>95%的靶區體積，但AXB 算法并沒有達到95%。 為了滿足鼻咽癌調強放療劑量設計指引專家共識[4]的要求，推薦在使用AAA 算法時處方劑量需覆蓋96%以上的靶區體積。 此外，AAA 算法下20 例計劃的劑量熱點都沒有超過處方量的110%，AXB 算法的劑量熱點高于AAA 算法約1.5 Gy 左右，存在超過處方量110%的情況，但都位于靶區內，因此在計劃評估時需要注意此問題。 兩種算法在腦干、脊髓、視神經、視交叉這些I 類危及器官的劑量計算差異很小，但是也出現了AAA 算法下滿足劑量限值要求，而AXB 算法下結果不滿足的情況，所以推薦使用獨立驗算軟件進行劑量核查，以確保患者安全。 兩種算法下計劃的γ 通過率都在95%以上，均能滿足臨床要求。 但對于口腔、下頜骨等空腔和骨性結構，AXB算法的γ 通過率高于AAA 算法，且存在統計學差異。 而PGTVnx 既包含了空腔也包含了骨性結構，AAA 算法下的γ 通過率未能達到95%以上，說明空腔和骨性結構對AAA 算法劑量計算的準確性有顯著影響。

國內外已經開展了相關AAA 和AXB 算法與蒙特卡羅算法的對比研究，結果顯示AXB 算法與蒙特卡羅算法具有更好的一致性[13-15]，本研究結果與上述研究結果一致，并發現AAA 與AXB 算法在計算精度上的差異主要表現在空腔和骨性結構區域。雖然前期Rana 等[16]的研究發現，AAA 算法的計算結果高于AXB 算法，但該研究僅比較了模體中射野中心軸上的百分深度劑量，本研究則詳細分析了靶區內空腔體積的平均劑量，并發現AAA 算法計算結果低于AXB 算法，該結果與Kan 等[17-18]的報道一致。 本研究基于劑量驗算的結果，進一步分析了靶區內空腔和骨性結構的體積大小對AAA 算法計算準確性的影響。 結果表明空腔體積越大，γ 通過率越高，呈線性正比；骨性結構體積越小，γ 通過率越高，呈線性反比。 當空腔體積小于20 cm3，或骨性結構體積大于10 cm3時，γ 通過率都會低于95%。

4 結論

為了保證實際投照給患者的劑量和計劃系統計算的劑量分布之間的偏差在合理的范圍內，在使用具體劑量算法時需考慮相關算法影響準確計算的多種因素。 當靶區內空腔體積小于20 cm3，或骨性結構體積大于10 cm3這個閾值范圍內，AAA 和AXB 算法的計算準確性都能滿足臨床要求，若超出閾值，推薦使用AXB 算法，可獲得更加準確的劑量計算結果。