復(fù)旦大學(xué)附屬腫瘤醫(yī)院放療科，復(fù)旦大學(xué)上海醫(yī)學(xué)院腫瘤學(xué)系，上海200032

包括計劃設(shè)計者自身經(jīng)驗在內(nèi)的多種因素會影響適形調(diào)強放射治療（intensity-modulated radiotherapy，IMRT）技術(shù)應(yīng)用的實際結(jié)果，基于先前經(jīng)驗的預(yù)測模型能夠減少IMRT計劃質(zhì)量對計劃設(shè)計者自身經(jīng)驗的依賴［1］。瓦里安提供一款商用知識庫計劃模型產(chǎn)品“RapidPlan”，利用已有IMRT計劃中的劑量和患者解剖學(xué)信息，以劑量體積直方圖（dose-volume histogram，DVH）預(yù)測模型的方式來預(yù)測新計劃的劑量分布。許多研究證明知識庫計劃模型能可靠地為IMRT計劃預(yù)測目標(biāo)函數(shù)，使優(yōu)化過程更加自動化［2］。

知識庫計劃模型（以下簡稱知識庫模型）的建立和驗證依賴于足夠數(shù)量高質(zhì)量的已有計劃［3-4］，在實際應(yīng)用中，單個放療單位針對某個病種的計劃數(shù)目有限，而且即使在放療方案完全相同的情況下，放療單位也可能會使用不同的治療計劃系統(tǒng)（treatment planning system，TPS）和治療機器數(shù)據(jù)模型。比如，某單位以往經(jīng)驗只有飛利浦的Pinnacle治療計劃經(jīng)驗，也無Varian的加速器數(shù)據(jù)，現(xiàn)在要用RapidPlan模塊和Varian的加速器，那么重新累積數(shù)據(jù)將非常耗時費力。

考慮到針對每種TPS和治療機器模型分別建立知識庫模型需耗費大量精力且利用率較低，選擇繁瑣，因此臨床上需要將單一TPS和機器模型下建立的知識庫模型擴展到不同的TPS和治療機器模型的環(huán)境。本研究即是評估加速器參數(shù)和TPS對知識庫模型的影響，考察將單一TPS和機器模型下建立的知識庫模型應(yīng)用于不同TPS和機器模型中是否具有臨床可行性。

1 資料和方法

1.1 患者選擇

選取2015—2016年于復(fù)旦大學(xué)附屬腫瘤醫(yī)院采用IMRT技術(shù)治療的50例宮頸癌患者的治療計劃作為訓(xùn)練集用于知識庫模型的建立，50例放療計劃均為單一計劃靶區(qū)，處方劑量均為45 Gy（1.80 Gy×25次）。完成模型訓(xùn)練后，另外抽取同時期15例患者用于研究知識庫模型的擴展性。

1.2 訓(xùn)練集計劃

訓(xùn)練集之中的計劃均由Pinnacle38.0m計劃系統(tǒng)設(shè)計。設(shè)7～9個共面射野，最大子野數(shù)為35，子野最小機器跳數(shù)（monitor unit，MU）為10，最小子野面積10 cm2。優(yōu)化算法為直接機器參數(shù)優(yōu)化，劑量計算為自適應(yīng)卷積，計算網(wǎng)格取4 mm。治療使用醫(yī)科達Synergy直線加速器，裝備40對寬10 mm葉片的多葉光柵（multileave collimators，MLC）。

計劃要求如下：①PTV：100%處方劑量線包含95%PTV，95%處方劑量線包括100%PTV。② 危及器官（organ at risk，OAR）目標(biāo)：膀胱和直腸接受大于等于45 Gy劑量照射的體積（V45）小于50%。腸道接受大于等于30 Gy劑量照射的體積（V30）小于40%、接受大于等于40 Gy劑量照射的體積（V40）小于30%。OAR最低要求：在保證靶區(qū)的前提下90%處方劑量線在靶區(qū)與OAR交疊區(qū)域盡可能適形。

1.3 RapidPlan建模

將訓(xùn)練計劃的數(shù)據(jù)（包括勾畫輪廓信息、劑量學(xué)信息、射野幾何參數(shù)和計劃處方量等）傳至Eclipse，建立知識庫模型。

在模型建立過程中OAR在射野和靶區(qū)幾何信息的基礎(chǔ)上被分區(qū)為不同的子體積，通過結(jié)合子體積的DVH預(yù)測和以相對體積所取各子體積相應(yīng)權(quán)重來構(gòu)造預(yù)測DVH。模型使用基于幾何參數(shù)的預(yù)期劑量［2］來評估幾何信息。幾何信息被轉(zhuǎn)化為OAR體積內(nèi)預(yù)期劑量的累積體積直方圖和一些解剖學(xué)特征。RapidPlan對累積體積直方圖和DVH曲線使用主成分分析法［5］并訓(xùn)練回歸模型。

1.4 基于知識庫模型的知識庫計劃和人工計劃

使用15例與訓(xùn)練集計劃優(yōu)化環(huán)境相同的患者用于研究TPS和加速器模型改變對知識庫模型的影響。

1.4.1 知識庫計劃與人工計劃的組內(nèi)比較

分別在3組環(huán)境中將知識庫計劃與相應(yīng)環(huán)境中的人工計劃重新優(yōu)化，進行比較：①與模型構(gòu)建一致的TPS和機器型號，即Pinnacle與Synergy；② 與模型構(gòu)建的TPS一致但機器型號不一致，即Pinnacle與Truebeam；③與模型構(gòu)建的TPS和機器型號均不一致，即Eclipse 和Truebeam。知識庫計劃和人工計劃采用相同數(shù)量和方向的射野，但目標(biāo)函數(shù)及權(quán)重分別來自知識庫模型的預(yù)測（知識庫計劃，KBP）或計劃設(shè)計者的自身判斷（人工計劃，Manual Plan）。

組1中使用的TPS、機器模型參數(shù)、計算網(wǎng)格和優(yōu)化及計算算法與訓(xùn)練集計劃均一致。人工計劃即臨床治療計劃，知識庫計劃的優(yōu)化措施如下：優(yōu)化開始前讀取知識庫模型預(yù)測的劑量體積限值，在Pinnacle中輸入。優(yōu)化中進行權(quán)重調(diào)整以盡可能使DVH曲線靠近預(yù)測點。

組2使用的TPS為Pinnacle，機器參數(shù)為Truebeam加速器產(chǎn)生的6 MV X射線，其搭載的MLC為millennium 120，共60對葉片，中間40對在等中心平面投影寬0.5 cm，兩端各10對寬1.0 cm。使用與訓(xùn)練計劃相同的計算網(wǎng)格和優(yōu)化及計算算法。組2知識庫計劃的優(yōu)化措施與組1相同。

組3使用的TPS和機器模型參數(shù)及具體實施如下：機器模型為搭載millennium 120葉MLC的Truebeam，使用Eclipse13.5.35版本采用光子優(yōu)化算法（photon optimizer，PO）進行IMRT優(yōu)化，各向異性分析算法（anisotropic analytical algorithm，AAA）（13.5.35版本）計算模型計算劑量，計算網(wǎng)格取2.5 mm。知識庫計劃使用模型預(yù)測的目標(biāo)函數(shù)，優(yōu)化開始后在必要時對初始權(quán)重進行手動調(diào)節(jié)，使OAR DVH在保證PTV的情況下落在模型給出的范圍內(nèi)并盡量靠近下限。

1.4.2 知識庫計劃的組間比較

將重新優(yōu)化所得的組1知識庫計劃分別與組2、組3中的知識庫計劃作劑量學(xué)比較。研究不同優(yōu)化環(huán)境對知識庫計劃自身質(zhì)量的影響。

1.5 計劃評估

組內(nèi)及組間比較分別計算靶區(qū)和危機器官的劑量體積指數(shù)，相關(guān)指數(shù)如下：

靶區(qū)：近似最大劑量D2，近似最小劑量D98，及適形性指數(shù)（conformity index，CI），［見式⑴］和均勻度指數(shù)（homogeneity index，HI）［見式⑵］。

其中VT,ref為參考等劑量線所包括的靶區(qū)體積，VT為靶區(qū)體積，Vref為參考等劑量線所包繞的體積。

其中D50為50%體積達到的劑量D50。

危及器官：OAR DVH參數(shù)的差異比較，包括膀胱和直腸的V30、V45和平均劑量、腸道的V30、V40和平均劑量。此外還將針對膀胱V45、直腸V45和腸道V30分別計算各組計劃中未達到臨床目標(biāo)的計劃數(shù)。

1.6 統(tǒng)計學(xué)處理

使用SPSS進行統(tǒng)計分析，以Shapiro-Wilk法對數(shù)據(jù)組進行正態(tài)分布檢驗，對符合正態(tài)分態(tài)的數(shù)據(jù)采用配對t檢驗，對不符合正態(tài)分布的數(shù)據(jù)行Wilcoxon秩和檢驗。P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

組1的劑量體積指數(shù)比較見表1。知識庫計劃與原計劃相比，除D98、直腸V30、直腸V45以及腸道V40以外，各項指標(biāo)均有改善。與人工計劃組相比，知識庫計劃組的PTV劑量分布提高，差異有統(tǒng)計學(xué)意義。表2為組2的劑量體積指數(shù)比較。

知識庫計劃在膀胱和腸道V30及平均劑量等指標(biāo)數(shù)有明顯改善，而PTV和直腸的劑量學(xué)相比差異無統(tǒng)計學(xué)意義。表3為組3的劑量體積指數(shù)比較，知識庫計劃在腸道V40以外的OAR DVH參數(shù)得到了更優(yōu)的結(jié)果，但兩者的PTV劑量參數(shù)沒有明顯區(qū)別。

表1 人工計劃與知識庫計劃的劑量體積指數(shù)比較（組1）Tab.1 Comparison of DVH analysis between manual plan and KBP (group 1)

表2 人工計劃和知識庫計劃的劑量體積指數(shù)比較（組2）Tab.2 Comparison of DVH analysis between manual plan and KBP (group 2)

表3 人工計劃與知識庫計劃的劑量體積指數(shù)比較（組3）Tab.3 Comparison of DVH analysis between manual plan and KBP (group 3)

3組相比，知識庫計劃均達到了不遜于人工計劃的質(zhì)量，且相比人工計劃對大多數(shù)OAR的DVH參數(shù)均有改善，結(jié)果表明，將模型應(yīng)用到不同的TPS和機器參數(shù)IMRT計劃中時，所得計劃符合臨床要求。

表4為各組計劃中膀胱V45、直腸V45和腸道V30的DVH參數(shù)未達到臨床目標(biāo)的計劃數(shù)。知識庫計劃未達標(biāo)的計劃數(shù)在3組比較中均略少于人工計劃。

知識庫計劃的組間比較中，組2知識庫計劃與組1知識庫計劃相比未有統(tǒng)計學(xué)差異。而組3知識庫計劃對比組1在PTV各參數(shù)和直腸V30（2.16%，P＜0.01）及其平均值（1.32 Gy，P＜0.01）均有顯著提高。

表4 未滿足臨床OAR保護目標(biāo)的計劃數(shù)Tab.4 Number of index that did not meet goals for OAR sparing

3 討 論

本研究分析了知識庫模型應(yīng)用于IMRT計劃中以預(yù)測OAR劑量體積限值的能力是否依賴于與訓(xùn)練集計劃相同的加速器模型和TPS。結(jié)果表明，基于單一TPS和加速器的知識庫模型能夠應(yīng)用于不同的TPS和加速器模型。

相同優(yōu)化環(huán)境下，KBP在與人工計劃的比較中得到了相似或更優(yōu)質(zhì)量的結(jié)果。在3組知識庫計劃的比較中，組2較組1差異無統(tǒng)計學(xué)意義，而組3相比組1有6項參數(shù)顯著提高。知識庫計劃在優(yōu)化環(huán)境改變后同樣會受益或受限。

Wu等［6］報道，將直腸癌容積旋轉(zhuǎn)調(diào)強計劃訓(xùn)練的模型應(yīng)用于常規(guī)IMRT技術(shù)的計劃中，采用與建模不同體位的知識庫計劃可得與人工計劃相似的靶區(qū)劑量分布，同時降低膀胱所受的平均劑量（22.77%，P＜0.01）。在本研究的膀胱平均劑量比較中，3組自動計劃對比人工計劃劑量分別降低了2.43%（P＜0.01）、2.93%（P＜0.01）和3.20%（P＜0.01）。對比兩次研究，知識庫模型在腹部放療計劃中的表現(xiàn)會因不同形式的參數(shù)改變而受到部分影響，但都能更好地降低膀胱的受量。在另一項研究［7］中，研究者在Eclipse系統(tǒng)中模擬前列腺癌TOMO計劃的結(jié)果來建立知識庫模型并應(yīng)用于RapidArc計劃中，結(jié)果顯示，模型優(yōu)化所得的自動計劃中PTV參數(shù)100%達到了劑量參數(shù)要求，同時92%的OAR劑量參數(shù)滿足要求。本次研究的3組比較中知識庫計劃未達計劃目標(biāo)的計劃數(shù)均略少于人工計劃。在優(yōu)化環(huán)境發(fā)生改變后，兩次實驗的知識庫模型都能滿足放療計劃的臨床要求。盡管不同優(yōu)化環(huán)境的改變對不同的知識庫模型產(chǎn)生計劃質(zhì)量的影響仍需更多研究，3組實驗都證明了模型在與訓(xùn)練計劃不同的優(yōu)化環(huán)境下完成自動計劃的可行性。

本研究包括50例訓(xùn)練集，已經(jīng)達到了模型要求的最低建模所需病例數(shù)（20例），考慮到Boutilier等［4］在研究中提到前列腺部位的知識庫模型中，準(zhǔn)確預(yù)測直腸和膀胱的DVH曲線分別需要的樣本數(shù)為20例和75例。因此，此次研究中宮頸癌知識庫模型準(zhǔn)確預(yù)測各危及器官實際需要的訓(xùn)練計劃數(shù)還需要進一步探索。此外本次研究僅考慮了單一優(yōu)化條件訓(xùn)練所得模型對不同優(yōu)化條件的IMRT計劃的適應(yīng)性，下一步研究將著手于是否能使用不同優(yōu)化條件的IMRT計劃作為訓(xùn)練集建立通用模型以應(yīng)用于新的IMRT計劃中。

基于知識庫的計劃模型對加速器模型和TPS沒有顯著的依賴性。將一個RapidPlan模型應(yīng)用于采用不同TPS和機器參數(shù)的計劃優(yōu)化中是具有可行性的。