Auto-Planning在直肠癌容积旋转调强自动计划中的优化性能评估*

2020-06-08戴相昆王小深蔡博宁徐寿平杜乐辉曲宝林

中国医学装备 2020年5期

戴相昆王小深蔡博宁徐寿平杜乐辉马娜曲宝林*

直肠癌是常见恶性肿瘤之一，放射治疗是其主要治疗手段之一。目前，直肠癌放射治疗主要采用调强放射治疗(intensity modulated radiation therapy，IMRT)，且由于容积旋转调强放射治疗(volumetric modulated arc therapy，VMAT)技术具有更优的剂量学优势，更快的治疗速度逐渐成为直肠癌放射治疗主流技术[1-3]。IMRT计划是逆向优化过程，依赖于物理师的临床工作经验设置优化参数，不同治疗中心以及同一治疗中心不同物理师计划结果存在差异，可能对患者放射治疗效果及毒副反应产生影响[4-6]。

Auto-Planning(AP)作为一种新的计划设计方法，可以有效地减小计划差异并提高计划设计效率。近年来，多家计划系统厂商推出了自动计划设计模块，如Varian Rapidplan、pinnacle3V9.10 AP等。pinnacle3V9.10 AP模块通过使用自动优化引擎，依据物理师给出相应目标函数进行放射治疗计划的自动优化。本研究采用pinnacle3V9.10 AP模块，对接受手动VMAT(manual VMAT，M-VMAT)计划治疗的直肠癌患者，采集临床已接受M-VMAT计划中的相关剂量-体积直方图(dose volume histogram，DVH)优化设置参数作为自动计划优化参数，并进行自动VMAT计划(auto planning VAMT，AP-VMAT)优化。分析AP-VMAT计划与M-VMAT计划的相关剂量学参数，探讨AP自动计划模块在直肠癌VMAT计划中的自动优化性能。

1 资料与方法

1.1 研究资料

选取2019年4-8月在解放军总医院第一医学中心就诊时使用Pinnacle3V9.10进行放射治疗计划设计的20例直肠癌患者，处方剂量为50 Gy/25 F，所有患者均采用360°双弧VMAT技术。危及器官(organ at risk，OAR)包括肠、膀胱和左右股骨头。

1.2 仪器设备

采用SIEMENS SOMATOM Definition AS型大孔径定位CT(德国Siemens公司)；Pinnacle3V9.10计划系统(荷兰Philips公司)；自动计划设计使用AP模块(荷兰飞利浦公司)。

1.3 治疗方法

(1)扫描条件：所有患者均使用SIEMENS SOMATOM Definition AS型大孔径定位CT，使用相同扫描条件进行扫描，在放射治疗计划优化及剂量计算过程中均使用相同的电子密度曲线。

(2)自动优化参数设置：使用Pinnacle3V9.10计划系统AP模块进行AP-VMAT计划的自动优化，相关目标函数参照M-VMAT计划DVH剂量学参数设置，其中包括肠V30、肠V15、肠平均剂量Dmean、膀胱V40、膀胱V10、平均剂量Dmean、左右股骨头V40、肠、肠、膀胱；靶区剂量均设置为50.8 Gy。计划自动优化最大迭代次数设置为80次，Tuning balance设置为11%，剂量跌落区间设置为2.6 cm，热点定义为107%处方剂量，优化过程中使用冷点自动生成。将APVMAT计划参考M-VMAT计划进行处方剂量归一，即处方剂量靶区覆盖率相同。

1.4 剂量学参数比较

对两种计划相应剂量学参数进行采集，分别采集：肠V30、肠V15、肠平均剂量Dmean、膀胱V40、膀胱V20、膀胱平均剂量Dmean、左右股骨头V40及平均剂量Dmean；靶区均匀指数(homogeneity index，HI)、靶区适形指数(conformal index，CI)和剂量梯度(dose gradient，DG)；HI、CI和DG计算分别为公式1、公式2和公式3：

式中Dx为靶区x%体积对应剂量值，Vpre为处方剂量对应绝对体积，VPTV_pre处方剂量对应靶区绝对体积，VPTV为靶区据对体积；V25为25 Gy组织相对体积，V50为50 Gy组织相对体积。

1.5 统计学方法

使用SPSS19.0软件对数据进行统计学分析，计量资料以均值±标准差(±s)表示，数据符合正态分布则使用配对样本t检验，否则使用秩和检验，以P＜0.05为差异有统计学意义。

2 结果

2.1 剂量分布及DVH比较

在AP-VMAT和M-VMAT的计划靶区剂量(planning target volume dosage，PTVD)分布中，AP-VMAT计划自动优化过程中剂量跌落梯度设置为2.6 cm，但优化结果的剂量分布存在部分剂量外溢的情况。同一例患者两种计划的DVH差异显示，APVMAT的PTVD相对于M-VMAT计划更均匀，且部分OAR的DVH明显优于M-VMAT计划。两种计划方式的剂量分布差异见图1，两种计划DVH的差异见图2。

图1 两种计划方式的剂量分布差异

图2 两种计划DVH的差异

2.2 剂量学参数比较

(1)对AP-VMAT计划和M-VMAT计划剂量参数进行统计学分析，两种计划PTV的CI和HI参数比较，差异有统计学意义(t=-2.100，t=-3.876；P＜0.05)；DG差异无统计学意义，见表1。

表1 AP-VMAT计划和M-VMAT靶区剂量学参数比较(±s)

注：表中AP-VMAT为自动容积调强计划；M-VMAT为手工容积调强计划；PTV为计划靶区体积；CI为适形指数；HI为均匀性指数；BODY为扫描范围全部体积；DG为剂量梯度

(2)数据分布不符合正态分布、AP-VMAT计划与M-VMAT计划的膀胱平均剂量Dmean、肠V30、肠V15、肠平均剂量Dmean、左股骨头平均剂量Dmean和右股骨头V40比较，差异有统计学意义(t=-2.38，t=-3.342，t=-5.018，t=-5.835，t=-2.441，t=-1.120；P＜0.05)，AP-VMAT计划优化结果均优于M-VMAT计划，对直肠癌患者的VMAT计划，使用适当的临床优化目标函数，可通过AP模块自动优化得到较为理想的临床应用VMAT计划，见表2。

表2 AP-VMAT计划和M-VMAT的OAR剂量学参数比较(±s)

注：AP-VMAT为自动容积调强计划；M-VMAT为手工容积调强计划；Vx为靶区x剂量对应器官体积；Dmean为平均剂量

3 讨论

自动计划逐渐成为放射治疗计划设计的发展趋势，不仅能够减少不同物理师、不同治疗中心的放射治疗计划水平的差异，且能够有效提高计划设计效率。相关文献[7-14]表明，在头颈部等肿瘤中Rapidplan和Auto-Planning均能够得到较为理想的放射治疗计划。Rapidplan是通过利用先验知识建立剂量预测模型，而后基于预测所得剂量进行计划自动优化，在剂量预测方法较为成熟的条件下，使用回归等各种方法实现的DVH预测[15-19]或者使用深度学习以及机器学习等实现的剂量分布预测均能得到理想的结果[20-21]。而Auto-planning则是通过使用自动优化引擎，依据用户给出的相应目标函数计划的自动优化，需要人为设置相应目标函数进一步地进行治疗计划自动优化。人为设置相应目标函数的缺点在于无法确定精确的目标函数值，如果OAR目标函数设置不合理，可能导致自动优化的放射治疗计划出现靶区欠量或OAR超量等问题，因此Auto-Planning在放射治疗计划个体化的应用方面存在一定的缺陷。

本研究中基于直肠癌探索Pinnacle3V9.10计划系统Auto-Planning自动优化引擎优化VMAT计划的性能，使用已有M-VMAT计划相应DVH剂量学参数作为AP-VMAT计划的目标函数进行自动放射治疗计划设计，探索自动计划是否能够得到与M-VMAT相同或更优的放射治疗计划。当前放射治疗计划剂量预测较为成熟，从最初的使用距离目标直方图(distance to target histogram，DTH)或器官体积直方图(overlap volume histogram，OVH)等进行OAR的DVH预测，到使用深度学习进行放射治疗剂量分布的预测，均能够得到良好的预测结果[22]。因此，使用预测所得精度更高的目标函数作为Auto-planning的自动优化目标函数，可以通过自动优化获得更适用于临床的放射治疗计划。

本研究比较了基于Pinnacle3V9.10计划系统的AP-VMAT计划与M-VMAT计划，结果表明APVMAT计划中在靶区适形度、剂量均匀性方面均具有一定的优势，表明AP方法能有效减少热点的产生；同时在OAR剂量方面，膀胱平均剂量Dmean、肠V30、肠V15、肠平均剂量Dmean、左股骨头平均剂量Dmean和右股骨头V40等也具有优势，且OAR剂量均有不同程度的降低。以上结果表明Pinnacle3V9.10计划系统的AP模块在自动优化直肠癌VMAT计划时能对靶区和OAR的权重进行最大限度的调节，更好的实现剂量分布的优化。

本研究中AP-VMAT计划自动优化过程中剂量跌落梯度设置为2.6 cm，但是从优化结果看在剂量分布方面仍存在一定不足，即部分剂量外溢的情况。因此虽然AP模块具有很好的自动优化性能，但是本研究在自动优化过程中剂量跌落梯度相关设置中缺少对剂量外溢进行剂量限制的辅助结构，因此在使用AP模块进行放射治疗自动计划设计时应添加对剂量外溢进行限值的辅助结构(如剂量环等)。从表1中还可以看出APVMAT计划的剂量梯度数值高于M-VMAT计划，虽然两者不存在统计学差异，但图1中剂量分布对比结果提示在治疗计划自动优化过程中同样需要相应辅助结构。