Rapidplan简化模型在宫颈癌VMAT计划设计中的应用

王景，季茹，裴曦，汪志

1. 安徽医科大学 生物医学工程学院，安徽 合肥 230032；2. 安徽医科大学第一附属医院 放疗科，安徽 合肥 230022；3. 中国科学技术大学 放射医学物理中心，安徽 合肥 230025

引言

放射治疗是肿瘤治疗的主要方式之一，70%的肿瘤患者可以通过放疗提高肿瘤局部控制率，减少正常组织并发症[1-2]。放射治疗的质量与放疗计划息息相关，放疗计划的挑战之一，是如何在保证靶区剂量的同时保护正常组织[3]，物理师难以先验评估这种平衡，因此物理师和医疗机构的水平经验不同，会导致计划质量的差异，基于先验知识的自动计划（Knowledge Based Planning，KBP）目前已经被建议作为一种解决方案，来减少这种差异[4-5]。Varian公司在其Eclipse计划系统13.5版本正式推出基于先验知识的Rapidplan自动计划模块，通过先验知识建立模型，以模型进行放疗计划参数的自动设计，即自动计划，旨在实现计划的一致性，改进计划质量和提高放射治疗的效率[6]。一经推出就受到国内外学者的关注，并已经研究了其在肝脏[7]、骨盆[8]、食管[9]、头颈部肿瘤[10-11]、乳腺癌[12]、肺癌的立体定向放射治疗（Stereotactic Body Radiation Therapy，SBRT）[13]、脊髓SBRT[14]、前列腺癌[15]等癌症以及在质子放射治疗领域[16]和新冠肺炎的大背景下放射治疗中的应用[17]。但是Rapidplan自动模型的实施、验证和培训过程相当耗时[18]，过去的研究一定程度上忽略了模型建立对于医疗机构水平经验的高要求。本文研究验证一种Rapidplan简化模型在宫颈癌容积调强（Volumetric Modulated Arc Therapy，VMAT）治疗中的应用，摒弃传统的反复筛选验证的训练过程，尝试简化建模方式，解决处于放射治疗发展初期的医疗机构水平经验不足，无法处理复杂的建模流程，从而无法应用Rapidplan模型来稳定放射治疗质量的问题，进一步探索Rapidplan自动计划在临床成规模应用的可行性。

1 材料和方法

1.1 临床资料

选取安徽医科大学第一附属医院肿瘤放疗科2018年12月至2020年3月宫颈癌VMAT放疗计划60例。患者均呈仰卧位，双手抱肘置于额头，真空体模固定，行大孔径CT（GE Discovery RT 590）以5 mm层厚扫描，采用相同处方剂量（50 Gy/25 f），Vitalbeam直线加速器单中心VMAT双整弧照射，计划由资深物理师通过Varian公司Eclipse13.6计划系统优化，且由主治医生认可并已经临床应用。另外抽取10例临床病例，作为测试组。

1.2 Rapidplan简化模型训练

将60例宫颈癌VMAT放疗计划导入Rapidplan模块，进行模型训练。简化模型结合宫颈癌VMAT放射治疗的实际临床需求，只进行膀胱，直肠和小肠三个危及器官（Organ At Risk，OAR）的训练，将病例导入后进行第一次模型训练，此时训练日志会列出强影响点（鉴别工具为cook’s distance，CD，阈值为4），几何异常点（鉴别工具为modified Z-score，mZ，阈值为3.5）和剂量异常点（鉴别工具为Studentized Residual，SR，阈值为3，Areal difference of estimate，dA，阈值为3），以及靶区和各OAR的DVH图，删去DVH图中异常曲线和超过系统阈值所代表的计划和结构，剩余48例病例，之后进行第二次训练，得到最终的自动计划模型。将第二次训练得到的简化模型投入临床测试。表1展示了简化训练完成后统计得到的自动计划模型拟合结果主要统计分析数据。

表1 自动计划模型拟合结果统计主要分析数据

1.3 计划评估

将选取的10例手动优化临床应用（Clinical Manual Optimization，CMO）计划，利用Rapidplan模型生成自动计划，过程中保证除模型生成自动计划参数步骤外，其他所有条件不变。再将优化完成的Rapidplan自动计划和CMO计划进行计划靶区和重要参数的对比，从而确定自动计划的可用性。

基于国际放射性单位委员会83号报告[19]，以D2和D98作为靶区近似最大剂量和近似最小剂量，评估靶区剂量分布，均为越接近处方剂量越好。适形度指数（Conformity Index，CI）值评估靶区适形度，值介于0～1之间，越接近1说明适形度越好，均匀度指数（Homogeneity Index，HI）值评估靶区剂量分布均匀度，HI越小说明均匀度越好。结合临床实际，在处方剂量为50 Gy/25 f的宫颈癌放射治疗中，OAR的限量参数要求膀胱与直肠V40<50%，小肠V50<10%。

1.4 统计学分析

本文运用SPSS 20.0软件比较Rapidplan简化模型生成的自动计划和CMO计划的数据差异，以Shapiro-Wilk法对数据组进行正态分布检验，对符合正态分布的行配对样本t检验，对不符合正态分布的行Wilcoxon符号秩和检验。P<0.05为差异有统计学意义。

2 结果

CMO计划与Rapidplan自动计划结果剂量分布均满足临床需求。图1分别展示了CMO计划与Rapidplan自动计划的靶区的D2、D98、HI和CI 值对比，表2展示了CMO计划与Rapidplan自动计划靶区相关数据统计结果。相比于CMO计划，自动计划的计划靶区 ( Planning Target Volume，PTV ) 的CI值等于0.89±0.02，二者无统计学差异（P=0.085）；HI值为 0.08±0.01 降低了 0.01（P=0.018）；D2为（5341.1±30.1）cGy，降低了0.8%（P=0.003）；D98为（4938.3±19.6）cGy，提高了0.5%（P=0.04）。图2展示了CMO与Rapidplan自动计划的靶区剂量截面图分布对比图，显示Rapidplan计划的靶区高量更低。图3展示了CMO计划与Rapidplan计划的OAR剂量对比，表3展示了CMO计划与Rapidplan自动计划OAR相关数据统计结果。结果为CMO计划和Rapidplan自动计划的直肠V40与小肠V50无统计学差异（P=0.721，P=0.271），膀胱V40则降低了7%，为34.8%±9.2%（P=0.03）。

表2 CMO计划与Rapidplan自动计划靶区统计值

表3 CMO计划与Rapidplan自动计划OAR统计值

图1 CMO计划与Rapidplan自动计划相关数据对比

图2 CMO计划和Rapidplan自动计划的剂量截面图

图3 CMO计划与Rapidplan自动计划OAR相关剂量对比

3 讨论

宫颈癌在妇科恶性肿瘤的发病率仅次于卵巢癌，并且有研究指出新发患者有年轻化趋势，且在城市中年轻妇女的死亡率呈上升趋势，这已经引起全世界医疗工作者的广泛关注[20-21]。放射治疗是宫颈癌治疗的重要手段，且治疗方案通常为内外照射同步进行。由于近距离放射治疗的OAR照射量难以准确评估，所以在外照射中要求尽量降低OAR的照射量。近年来，随着VMAT技术的推广应用，宫颈癌照射外照射时间和执行效率相比于传统的IMRT技术有明显改善[22]。然而VMAT计划算法复杂，在设计阶段运算量大，尤其是在Eclipse15.5版本以下没有GPU加速功能，每一次优化时间相比于调强放疗大大延长，且几乎每个计划都需要优化数次，十分影响计划的设计效率。而且相比于多次优化带来的时间成本，医疗机构和物理师的经验不足，特别是近年来我国放射治疗在城乡全面铺开，优秀的物理师缺口很大，可能使放疗计划不能达到相应标准或者不能得到进一步进行优化才是更重要的问题。

Varian公司推出的Rapidplan自动计划，一定程度上解决了这些问题，其一经推出就成为一个热点研究领域。在过去的研究中已经反复论证了Rapidplan 自动计划模块在临床中的可用性[7-17]，但是模型的建立方式很少作为重点提及，建模方式多参照Varian公司运营手册的建议[23]，手册要求任何的异常值都需要被仔细的重新检查并重新规划[24]，费时费力，要求很高。近年来，也有新的模型库训练方法提出，如Fogliata等[25]提出一种迭代方式建立模型库，Fusella等[26]提出一种利用APQM评分法等。

本文对Rapidplan自动计划模型的建模流程进行简化，抛弃复杂的筛选过程，只进行两次训练，一次筛选，旨在降低模型的建立难度、提高建模效率的同时模型精度也满足临床的需求。筛选过程必不可少，完全不经筛选，只进行60例病例一次训练生成模型，同样10例患者的测试组中出现一例小肠受量异常，V50为14.39%（限量为<10%，同样的数据在简化模型和CMO计划中分别为7.2%，6.96%），模型的精度达不到临床应用要求。经过两次训练后，10例病例进行靶区和OAR的相关参数与照射量的分析测试，结果表明简化模型生成的自动计划不仅满足宫颈癌放射治疗的临床剂量限定，且相比于手动优化的计划，各项参数均持平或者有所改善，该结果也符合Tinoco等[27]关于Rapidplan在宫颈癌中应用的研究。

本文在通过两次训练得到了可临床应用的Rapidplan简化模型，解决了模型建立对医疗机构高水平要求问题，这对于进一步推广自动计划的临床应用，减少不同医疗机构的计划水平差异，提高计划优化效率有一定意义。但是目前的自动计划也存在相应的问题，如当靶区侵犯OAR过多时，对于靶区覆盖度和OAR的保护之间的取舍，各人理解不同，这时自动计划就无法根据标准的变化改变优化策略。高度个体化定制的自动放疗计划设计，这可能是未来自动计划的发展方向之一。