不同算法下鼻咽癌调强放射治疗计划中空腔和骨性结构对剂量评估的影响

申正文 谭 霞 李 师 田秀梅 罗焕丽 靳 富 王 颖

(重庆大学附属肿瘤医院肿瘤放射治疗中心，重庆 400030)

引言

在放射治疗的计划设计和治疗执行中，任何微小的误差都有可能对患者造成严重损伤。 要保证患者接受到计划设计的剂量分布，必须经过严格的位置和剂量验证。 其中常用的剂量验证包括治疗前剂量验证，在体剂量验证，独立验算软件验证等[1]。 以上剂量验证方法各有侧重，独立验算软件是对计划重新进行剂量计算，以此来验证治疗计划系统(treatment planning system，TPS)产生的剂量分布是否准确，是针对TPS 中剂量算法的验证。 该环节非常关键，因为剂量计算的误差会影响医生对肿瘤局部控制率和周围正常组织并发症概率的判断。常见的独立验算软件有Mubius3D、PerFraction、IMsure、SciMoCa(SMC)等[2-3]。 SMC 利用的是剂量计算金标准－蒙特卡罗(Monte Carlo，MC)算法验算计划。 目前瓦里安Eclipse TPS 中的光子剂量算法有AAA 算法(anisotropic analytical algorithm，AAA)和AXB 算法(acuros external beam algorithm，AXB)。本研究选取20 例鼻咽癌调强放射治疗(intensity modulated radiation therapy， IMRT)计划，利用SMC软件对AAA 算法和AXB 算法产生的剂量分布进行剂量验算，评估两种算法计算的准确性，并分析靶区内空腔和骨性结构对剂量准确计算的影响，以指导临床应用。

1 材料和方法

1.1 计划制作

1.1.1 病历选取

选取20 例2019年10月至12月期间在本中心接受放射治疗的鼻咽癌患者。 其中，男性11 例，女性9 例，年龄33～69 岁，中位年龄55 岁。

1.1.2 模拟定位

20 例患者均采用头颈肩热塑膜固定，使用飞利浦大孔径CT 模拟定位，扫描层厚为3 mm，扫描上界至头顶，下界为锁骨下缘3 cm。

1.1.3 靶区和危及器官勾画

在Eclipse TPS(13.6 版本)上，医师根据影像学检查、内镜检查、临床查体等结果在定位CT 图像上勾画靶区。 包括鼻咽原发肿瘤区域(GTVnx)、阳性淋巴结区域(GTVnd)、高危临床靶区(CTV1)、低危临床靶区(CTV2)。 以上区域外放3 mm(在脑干脊髓处适应缩小1～2 mm)形成计划靶区PGTVnx、PGTVnd、PTV1、PTV2。 勾画的危及器官包括脑干、脊髓、视交叉、左/右视神经、垂体、左/右眼球、左/右颞叶、下颌骨、左/右腮腺、左/右内耳、口腔、喉、气管、左/右颞颌关节等。 同时勾画出PGTVnx 内的空腔和骨性结构，以便后续分析其对算法计算准确性造成的影响。

1.1.4 靶区处方和危及器官剂量限值

靶区处方剂量为: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%的处方剂量需包绕95%以上的靶区体积[4]，最大剂量点位于靶区内，且不超过77.44 Gy(处方剂量的110%)。 危及器官剂量限值见表1。

表1 危及器官剂量限值Tab.1 Dose constraints of organs at risk

1.1.5 计划设计

物理师在Eclipse TPS(13.6 版本)上制定放疗计划，加速器为瓦里安IX 直线加速器，多叶光栅类型为Millennium 120，6 MV X 射线，采用9 野均分(200°、240°、280°、320°、0°、40°、80°、120°、160°)共面照射，准直器均为0°，使用IMRT 滑窗技术。 优化完成后分别利用AAA 算法和AXB 算法计算剂量分布(dose to medium)。 优化与计算网格均为2.5 mm。

1.2 剂量验算

1.2.1 SMC 模型

SMC 利用文献[5－7]中的源模型，可以构建针对直线加速器的射束模型，Hoffmann 对此进行了详细的介绍[8]:治疗机头的模拟包括主原始光子源、初级准直器、均整器、监测电离室背向散射、电子污染这5 个虚拟源，它们的能谱均由MC 程序包BEAMnrc 模拟相空间分析获得。 多叶光栅模型中包含了叶片形状，可以对叶片凹凸槽效应、端面曲率和叶片间漏射进行配置。 本研究构建的模型是1.1.5小节中所述配备Millennium 120 多叶光栅的瓦里安IX 直线加速器6 MV 能量档，采用与Eclipse TPS 中相同的水箱测量数据进行，包括3×3、5×5、10×10、15×15、20×20、30×30、40×40 cm×cm 射野的输出因子、百分深度剂量和在15、50、100、200、300 mm 深度处的离轴比，以及由实测计算出的多叶光栅的叶隙剂量测定(dosimetry leaf gap，DLG)。 模型验证时通过调节DLG 使得模型与TPS 达到最佳适配。

1.2.2 计划传输与验算

以DICOM 格式将病例的图像(CT Image)、结构(RT Structure)、计划(RT Plan)和剂量(RT Dose)传输至SMC 服务器，进行剂量验算(未使用GPU 运算)。 计算的不确定度设置为0.5%，计算网格大小与TPS 保持一致为2.5 mm，剂量模式为dose to medium。

1.2.3 结果分析

比较AAA 和AXB 算法与SMC 验算的靶区和危及器官的剂量学指标差异。 以SMC 验算结果为标准，计算AAA 和AXB 算法下各计划的整体γ 通过率以及各靶区和危及器官的γ 通过率。 采用3 Dγ 通过率计算，最大点归一方式，3%/2 mm 的评判标准，剂量阈值为10%。 同时采用如下公式计算靶区内空腔和骨性结构的平均剂量偏差:

式中，Dmean(TPS)和Dmean(SMC)分别表示TPS 计算的平均剂量和SMC 计算的平均剂量。

1.3 统计分析

采用SPSS20.0 统计软件对两种算法的γ 通过率结果进行配对t检验，P<0.05 为差异有统计学意义。

2 结果

2.1 AAA、AXB 算法计算结果与SMC 验算结果对比

20 例鼻咽癌患者放疗计划的靶区和危及器官AAA 算法和AXB 算法的剂量计算结果以及SMC 独立验算结果见表2 所示。 3 种算法的靶区剂量学指标差异较大，靶区的覆盖率由高到低为AAA、AXB、SMC 算法，靶区的剂量热点由高到低为SMC、AXB、AAA 算法。 因此AAA 算法的计算结果满足靶区处方剂量要求的计划例数最多，AXB 次之，SMC 最少。而3 种算法在危及器官的剂量学指标上差异较小。

表2 20 例计划AAA、AXB 算法和SMC 计算结果对比Tab.2 Comparison of the results estimated by AAA， AXB and MC of the 20 cases

2.2 AAA、AXB 算法计划的γ 通过率分析

以SMC 验算结果为标准，20 例计划AAA 算法和AXB 算法的γ 通过率及统计学检验见表3。 除AAA 算法下的PGTVnx 外，计划的整体通过率以及各靶区和危及器官的平均通过率均>95%，符合临床要求。 其中，在PGTVnx、PTV1、下颌骨、口腔区域AAA 算法和AXB 算法有统计学差异(P<0.05)，其他结构无统计学差异(P>0.05)。 因为PGTVnx 包含了空腔和骨性结构，PTV1 又包含了PGTVnx，所以它们的γ 通过率出现了统计学差异。

表3 20 例鼻咽癌放疗计划靶区和危及器官的γ 通过率Tab.3 γ passing rates for entire plans， targets and OARs.

2.3 空腔和骨性结构平均剂量偏差和γ 通过率

20 例患者PGTVnx 中空腔和骨性结构的平均剂量偏差以及γ 通过率见表4。 AAA 算法在空腔区域平均剂量偏差为负值，在骨性结构区域平均剂量偏差为正值，说明AAA 算法在计算靶区内空腔剂量时偏低，骨性结构偏高。

表4 空腔和骨性结构平均剂量偏差和γ 通过率Tab.4 Dmean differences and γ passing rates of air cavities and bony structures

2.4 空腔和骨性结构体积与γ 通过率关系分析

将空腔及骨性结构的体积和在AAA 算法下的γ 通过率绘制成散点图，如图1 所示。 经拟合可发现空腔体积越大，其γ 通过率越高，呈线性正比，r＝0.65；骨性结构则相反，体积越大，其γ 通过率越低，呈线性反比，r＝－0.74。 当空腔的体积小于20 cm3，骨性结构体积大于10 cm3时，γ 通过率都会低于95%。

图1 AAA 算法下体积与γ 通过率的关系。(a)空腔体积；(b)骨性结构体积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 讨论

放疗剂量计算的准确性至关重要，是质量控制与保证的关键环节。 靶区剂量的总不确定度应当在5%以内，其中剂量计算的精度应当在3%以内。真实人体由不同元素组成，各器官组织密度也不同，特别是在各种空腔区域以及器官之间密度突变的区域，容易产生较大剂量计算偏差，增加了准确计算的难度[9]。 瓦里安Eclipse TPS 目前有两种光子剂量算法:AAA 算法是基于卷积叠加，考虑了电子侧向失衡和不均匀组织的散射，AXB 算法是基于网格的玻尔兹曼方程求解器，在剂量计算时还考虑到了非均匀组织间的不同化学成分[10]。 AXB 算法和蒙特卡罗算法都有两种剂量模式:“dose to water”与“dose to medium”。 Han 等[11]的研究显示，与AXB(dose to water)相比，AXB(dose to medium)的剂量计算结果更接近热释光剂量计与胶片的测量结果。 而Ma 等[12]推荐使用“dose to medium”剂量模式，进行治疗计划评估和治疗结果分析，使得与以往的放射治疗经验保持一致。 所以在本研究中的AXB 和蒙特卡罗算法均使用的是“dose to medium”模式。 本文将20 例鼻咽癌患者的放疗计划导入SMC 进行剂量验算，以SMC 验算的剂量分布为标准，比较AAA 算法和AXB 算法的剂量学差异，分析空腔和骨性结构对剂量准确计算的影响。

比较20 例计划100%处方剂量的靶区覆盖率，发现AXB 算法低于AAA 算法约1%左右，此差异导致了个别计划AAA 算法下处方剂量覆盖了>95%的靶区体积，但AXB 算法并没有达到95%。 为了满足鼻咽癌调强放疗剂量设计指引专家共识[4]的要求，推荐在使用AAA 算法时处方剂量需覆盖96%以上的靶区体积。 此外，AAA 算法下20 例计划的剂量热点都没有超过处方量的110%，AXB 算法的剂量热点高于AAA 算法约1.5 Gy 左右，存在超过处方量110%的情况，但都位于靶区内，因此在计划评估时需要注意此问题。 两种算法在脑干、脊髓、视神经、视交叉这些I 类危及器官的剂量计算差异很小，但是也出现了AAA 算法下满足剂量限值要求，而AXB 算法下结果不满足的情况，所以推荐使用独立验算软件进行剂量核查，以确保患者安全。 两种算法下计划的γ 通过率都在95%以上，均能满足临床要求。 但对于口腔、下颌骨等空腔和骨性结构，AXB算法的γ 通过率高于AAA 算法，且存在统计学差异。 而PGTVnx 既包含了空腔也包含了骨性结构，AAA 算法下的γ 通过率未能达到95%以上，说明空腔和骨性结构对AAA 算法剂量计算的准确性有显著影响。

国内外已经开展了相关AAA 和AXB 算法与蒙特卡罗算法的对比研究，结果显示AXB 算法与蒙特卡罗算法具有更好的一致性[13-15]，本研究结果与上述研究结果一致，并发现AAA 与AXB 算法在计算精度上的差异主要表现在空腔和骨性结构区域。虽然前期Rana 等[16]的研究发现，AAA 算法的计算结果高于AXB 算法，但该研究仅比较了模体中射野中心轴上的百分深度剂量，本研究则详细分析了靶区内空腔体积的平均剂量，并发现AAA 算法计算结果低于AXB 算法，该结果与Kan 等[17-18]的报道一致。 本研究基于剂量验算的结果，进一步分析了靶区内空腔和骨性结构的体积大小对AAA 算法计算准确性的影响。 结果表明空腔体积越大，γ 通过率越高，呈线性正比；骨性结构体积越小，γ 通过率越高，呈线性反比。 当空腔体积小于20 cm3，或骨性结构体积大于10 cm3时，γ 通过率都会低于95%。

4 结论

为了保证实际投照给患者的剂量和计划系统计算的剂量分布之间的偏差在合理的范围内，在使用具体剂量算法时需考虑相关算法影响准确计算的多种因素。 当靶区内空腔体积小于20 cm3，或骨性结构体积大于10 cm3这个阈值范围内，AAA 和AXB 算法的计算准确性都能满足临床要求，若超出阈值，推荐使用AXB 算法，可获得更加准确的剂量计算结果。