两种不同优化算法在胸部肿瘤调强放射治疗计划中的对比分析

王东东，姜玉冰

（1.山东乳山市人民医院，山东 乳山 264500；2.乳山市城中社区卫生服务中心，山东 乳山 264500）

0 引言

强调放射治疗计划的优化是一个涉及到多个目标的问题，各个靶区及危及器官的临床剂量目标会相互冲突，某个临床目标的优劣性可能受到其他目标的影响[1-2]。放射治疗计划的好坏与治疗结局息息相关，因而物理师需结合不同软件的特点，将经验与系统特点相结合，明确收益更高的计划类型[3]。目前临床中针对放射治疗计划主要选用DMPO算法与MCO算法[4]，本次研究笔者为明确上述两种算法在胸部肿瘤调强放射治疗计划中应用效果与价值的差异，共选取近期收治的40例患者进行研究分析，现将研究进展及结果报告如下。

1 资料与方法

1.1 一般资料

研究对象共40例，均为食管癌患者，其中男性35例，女性5例，患者年龄24~76岁，平均（54.13±6.08）岁。纳入研究的所有患者均拒绝手术治疗或不适合进行手术治疗，所有患者及家属均对研究知情，并自愿签署知情同意书。

1.2 优化算法设计方法

观察所有食管癌患者CT定位影像，由放疗医师在VENUS计划系统中勾画靶区（GTV）由物理师勾画出计划靶区，计划靶区体积（PTV）区域范围为GTV上缘、下缘外扩2cm，轴向外扩1cm，危及器官（OAR）参照ICRU83号报告进行定义并勾画。对GTV、PTV及OAR的计划剂量进行约束，GTVV100%≥95%且 V110% ≤ 10%；PTVV95% ≥ 95%； 双 肺 V20＜30%，V30＜20%，心脏 V40＜40%，脊髓最大剂量 D1cm3-s＜40Gy。先采用DMPO算法后采用MCO算法进行优化计算，HI与CI值均于0~1，HI值越小表示靶区剂量分布越均匀，CI越大表示靶区剂量分布越适形，并统计两种计划所需设计时间。

1.3 统计学方法

2 结果

2.1 靶区剂量分布情况对比

DMPO算法下靶区剂量分布与Monte Carlo算法对比未见显著差异（P＞0.05），详见表1。

表1 两种不同计算方法下靶区剂量分布对比（±s）

表1 两种不同计算方法下靶区剂量分布对比（±s）

项目 分类 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 危及器官剂量分析

MCO 算法下全肺 V10、V20、V30、Dmean-l，心脏 V30、V40、Dmean-h，脊髓D1cm3-s、Dmean-s等指标项目均显著低于DMPO算法（P<0.05），详见表2。

表2 两种不同计算方法下危及器官剂量对比（±s）

表2 两种不同计算方法下危及器官剂量对比（±s）

项目 分类 DMPO算法 MCO算法 t P双肺心脏脊髓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 计划设计时间分析

DMPO算法计划设计时间为（62.37±5.23）min，MCO算法计划设计时间为（35.18±4.15）min，两组算法计划设计时间对比差异显著（t=22.675，P<0.05）。

3 讨论

食管癌是肿瘤放射治疗中的常见疾病，目前临床中针对食管癌患者多采用放射治疗。

本次研究笔者为明确MCO算法与DMPO算法在强放射治疗计划中的应用效果的差异，共选取近期收治的40例患者进行研究分析，结果表明：MCO算法可降低危及器官的受照剂量，从而减少并发症的发生，此外，MCO算法较DMPO算法所需计算时间更短，提高了工作效率。上述结论与邵凯南、要雪品等[5-6]研究中所述基本一致，为进一步明确上述两种算法临床应用价值，笔者收集了近期多位学者相关研究报告进行综合分析：吴建亭等[7]就曾在研究中指出，就胸部肿瘤而言，食管癌病灶存在部位固定程度更高，此外病灶周围存在肺、心脏、脊髓等重要器官，因而MCO算法与DMPO算法数据对比结果可信度更高。DMPO算法在临床应用时通常需不断对靶区及处方剂量进行相应调整后生成相应的放射治疗计划，该过程中重复次数较多，因而错误生成率较为明显，花费时间较长[8-9]；MCO算法在对整体空间进行收集，后明确最优解，可根据患者疾病情况对靶区及危及器官计划剂量进行调整，若医师对计划生成结果并不满意，则可通过增加条件进行微调整，从而最大程度优化各靶区剂量的分布，因而临床应用安全性更高，计划生成时间更短[10]。

综上所述，胸部肿瘤强放射治疗计划中的应用MCO算法可有效降低危及器官的受照量，减少各种并发症的发生，可以改善患者得预后，可考虑临床推广应用。