2023, Vol. 43
射波刀是目前最先进的立体定向放射治疗设备之一，可用于治疗全身各部位的肿瘤，具有疗程短、精度高、不良反应小等优势[1-3]。自1997年射波刀首次应用于临床治疗以来，其单次治疗效率较低这一痛点成为了临床治疗中亟待解决的问题[4]。单次治疗时间长可能会导致患者舒适度下降，从而引起误差，降低治疗效率[5-6]。早期主要是厂家对设备和系统进行升级，采用增加剂量率、可变准直器IRIS、InCise多叶准直器等多种方法使治疗效率达到最优[7]。随着研究的深入，这一主题逐渐围绕射波刀的计划优化展开，主要涉及计划设计过程中孔径优化、角度优化、射野权重优化、开发新的算法等[8-11]，但主要是在射波刀初始计划完成前进行优化，鲜有学者对射波刀初始计划完成后存在很多小跳数(monitor unit, MU)射野的问题进行探讨，小MU射野删减过多会严重影响计划的质量，删减过少则起不到优化的作用。
目前关于小MU射野的删减标准，国内外都没有相关的研究报告，大部分都是依靠个人经验来进行删减，尚未建立统一的删减标准。本文以17例脑转移瘤患者为研究对象，采用二阶导数的方法来判断与肿瘤体积相关的合适删减标准，为射波刀初始计划完成后的小MU射野删减提供参考依据，从而进一步地提高射波刀的治疗效率。
资料与方法1.基于二阶导数的小MU射野删减：二阶导数的几何定义是函数切线斜率的变化率，主要用于描述一阶导数的变化率和函数的凹凸性，函数的二阶导数可用于快速识别函数的极值点。本研究提出的基于二阶导数的小MU射野删减方法，首先通过建立射野MU大小和射野数量的关系曲线，然后计算该关系曲线的二阶导数，从而找出射野MU和数量变化率的极值点。删除该极值点以下的小MU射野，射野数量减少的同时，治疗时间也大大缩短。在大于该极值点的情况下，删除相应MU的射野，则射野数量减少并未达到最佳，治疗时间减少有限。基于二阶导数的小MU计算步骤如下：首先使用射波刀系统的MultiPlan计划系统生成初始计划；其次利用计划系统中的PatientDataExtractor导出初始计划的日志文件，再通过MATLAB编程提取其中的MU值，然后将提取的MU值从大到小进行排序；最后通过MATLAB的diff函数求出二阶导数趋近于0的点对应的小MU值，再从二阶导数趋近于0的小MU中选取MU值>30且30%以下对应的MU值。
2.病例临床资料：选取2021年6月至2022年2月在华中科技大学同济医学院附属协和医院放疗中心接受射波刀系统治疗的头部患者17例，患者的基本信息如表 1所示，其中男性11例，女性6例。靶区最大体积为52.47 cm3，最小体积为1.57 cm3，且均为单病灶治疗。处方剂量为12~36 Gy，分割次数1~5次。所有患者均按计划完成全部的放疗流程且知情同意(伦理审批号：[2017]伦审字(S300) 号)。
|
表 1 17例脑转移瘤患者的射波刀治疗参数及小MU删减情况 Table 1 CyberKnife treatment parameters and small MU deletion of 17 brain metastases patients |
3.定位方法及靶区的勾画：患者采取仰卧位，双手置于身体的两侧，利用热塑小头膜进行固定。采用荷兰飞利浦公司Brilliance Big Bore 16排大孔径CT进行模拟定位扫描，CT扫描范围为颅顶至第7颈椎，层厚为2 mm，扫描条件为120 kV、400 mAs，扫描完成后将CT图像传输至射波刀MultiplanTM治疗计划系统。传输完成后，临床医生在CT/MRI融合图像上进行肿瘤靶区(gross tumor volume, GTV)和危及器官(organ at risk, OAR)的勾画，勾画完成后对GTV进行外放2 mm形成计划靶区(planning target volume，PTV)。OAR的勾画范围包括脑干、视神经、眼球、眼晶状体等。
4.计划设计：采用美国Accuray公司的Multiplan v5.2.1计划系统对17例患者进行射波刀治疗计划逆向优化设计作为无优化组计划。所有病例的计划处方剂量均归一到30 Gy/3次，PTV的覆盖率大于98%以上。初始计算完成后，输入不同的MU值进行删减计划优化，每个计划分别生成经验组和优化组计划。经验组采用的小MU射野删减值为30 MU，优化组采用的小MU射野删减值如表 1所示。剂量限定值规定[12]如下：脑干最大剂量 < 23 Gy、V18 < 0.5 cm3；视神经最大剂量 < 17.4 Gy、V15 < 0.2 cm3；晶状体最大剂量 < 5 Gy(视肿瘤与眼球的位置而定)。
评估的参数包括节点数，射野数，总MU数，预计治疗时间，PTV所接受的2%、95%体积的剂量PTV D2、PTV D95和平均剂量PTV Dmean，脑组织的平均剂量Dmean-Brain，适形指数(comformity index, CI)，新适形指数(new comformity index, nCI)，梯度指数(gradient index, GI)，这些评估参数均可以通过Multiplan计划系统读取完成。其中GI、CI和nCI计算方法如公式(1)~(3) 所示。式中V50和V100分别表示50%和100%处方剂量所包含的体积，VPTV和VP100分别表示处方剂量所包绕的靶区体积和靶区接受的超过处方剂量的体积，单位均为cm3。覆盖率为靶区接受的超过处方剂量体积占靶区总体积的百分比。
| $ G I=\frac{V_{50}}{V_{100}} $ | (1) |
| $ C I=\frac{V_{100}}{V_{\text {PTV }}} $ | (2) |
| $ n C I=\frac{V_{100} \times V_{\mathrm{PTV}}}{V_{P 100}^2} $ | (3) |
OAR的评估参数包括脑干、左右侧晶状体的最大剂量Dmax-BS、Dmax-LL和Dmax-RL，距离PTV20和40 mm的剂量壳的平均剂量Shell20和Shell40。
5.统计学处理：采用SPSS 26.0软件对3组的计划参数行多样本秩和检验，即Kruskal-Wallis H检验，对组间差异P<0.05的指标行Bonferroni多重均数比对。数据采用中位数(下四分位数、上四分位数)来表示，P<0.05为差异有统计学意义。采用Pearson相关性分析PTV体积与治疗时间和Beams的相关性。
结果1.计划参数和剂量学参数比较：采用的两种优化方法均可以满足大于98%PTV接受处方剂量照射。两种方法的计划参数和剂量学参数差异比较结果如表 2所示，结果显示，3组在节点数(H=7.97，P<0.05) 和预计治疗时间(H=6.60，P<0.05) 上差异有统计学意义，在其他剂量学参数方面差异无统计学意义(P>0.05)。多重均数比较结果显示，优化组与无优化组在节点数(P=0.014) 和预计治疗时间(P=0.031) 差异有统计学意义，其中在预计治疗时间方面，经验组比无优化组的预计治疗平均时间减少10.84%，优化组比无优化组的减少17.02%，优化组的预计治疗时间减少的更多。
|
|
表 2 3组计划参数和危及器官剂量学差异比较[M(Q1, Q3)] Table 2 Comparison of the parameters and OAR dosimetric differences among the three groups [M(Q1, Q3)] |
2. PTV体积对治疗时间和射野数相关性分析：相关性分析显示，PTV体积与经验组的预计治疗时间的相关系数为r=0.787(P < 0.01)，PTV体积与经验组射野数的相关系数为r=0.779(P < 0.01)。PTV体积与优化组的预计治疗时间的相关系数为r=0.779(P < 0.01)，PTV体积与优化组的射野数的相关系数为r=0.710(P < 0.01)。
讨论在射波刀治疗领域，国内外的学者对射波刀治疗计划的优化从未停止探索。Schipaanboord等[13]提出了一种总射野空间-射野优化(TBS-BAO)的方法；Gerlach等[14]提出了一种基于放射学特征的深度学习方法；Shiomi等[15]开发了一种混合扫描照射方法用于计划的优化；Liang等[16]采用深度学习框架对射波刀的计划进行优化。上述研究主要集中在初始计划生成过程中，能在不影响计划质量的前提下缩短治疗时间，然而射波刀的MultiPlan计划系统是一个封闭系统，不支持用户进行二次的开发和修改，要在初始计划生成过程中实现优化，难度较大。而本研究主要是针对射波刀初始计划完成后的优化，在初始计划完成后，输入相应的MU值再次计算即可完成计划的优化，操作简单。临床上关于初始计划生成后的小MU射野删减尚无统一标准，删除的射野数量通常依据计划设计者的经验，考验物理师对于计划的判断，删减过多影响计划的质量，删减过少起不到优化的效果。本研究的优化组采用基于二阶导数的方法，确定了最优的小MU射野删减标准，在保证OAR和靶区剂量分布无显著差异的前提下，进一步地缩短治疗时间，尤其是对于PTV体积较大的计划，提高了临床治疗效率，减少了不同物理师之间的差距，保证了计划质量的一致性，为射波刀初始计划完成后的小MU射野删减提供参考。
射波刀治疗颅内的病灶时，采用一对正交的X射线管对病灶进行定位和追踪治疗，其治疗精度可以控制在1 mm以内[17]。有文献报道，在放射治疗开始的30 min内，患者的摆位误差随着时间延长而增加[18]，误差的增加势必会使靶区周围组织的剂量增加和靶区欠量，从而造成局部控制率下降，虽然射波刀可以在治疗过程中进行误差检测并修正，但对于头部无法进行实时检测，缩短拍片的间隔时间会不可避免的造成患者的额外吸收剂量过高；另外，治疗时间过长患者的舒适度会有所下降，这主要是由于患者在治疗时需要使用热塑膜进行固定，并且患者在治疗的过程中需要长时间保持同一体位，热塑膜会对患者的口鼻等部位造成压迫并产生一些额外的精神压力[19-20]。另一方面，治疗时间过长，单日治疗患者数量有限，治疗效率不高，无法最大限度地满足患者的需求。因此，在不影响计划质量的前提下进一步缩短治疗时间显得尤为重要。
本研究所有病例的CI均大于1.1，靶区适形性良好，且经验组和优化组的CI、GI、nCI等与无优化组相似，表明小MU射野删减不会对计划的适形性造成影响，从而确保治疗的精确。本研究结果表明，优化组靶区、脑组织的平均剂量和OAR剂量与初始计划相比变化不大，均符合相应临床要求，但优化组的预计治疗时间最短。这些研究均可表明，基于二阶导数的小MU射野删减优化方法能在保持计划质量的同时提高治疗效率，以上结果与既往的研究相近，但在数值上有一定的差异，主要原因是由于此前的研究主要针对初始计划生成前的优化，且与本研究采用的方法不同导致的[11, 13-15, 21]。另外，在数据分析的过程中发现，小MU的删减将会导致治疗计划的总MU数等增大，分析原因主要是由于小MU射野删除后，为保证计划的PTV的覆盖率大于98%，计划系统通过对剩余射束的MU调整弥补删除这些射束对剂量的变化。
本研究尚存在一些不足之处。首先，影响射波刀治疗效率的因素较多，本文仅针对射波刀初始计划完成后的小MU射野删减优化这单一因素进行研究和分析，而未涉及计划设计过程中和实际治疗过程中的优化，未来的研究工作将探索更多可进一步减少治疗时间的环节；其次，本研究病例的选取只局限于单病灶的脑转移瘤，且样本量有限，未能全面覆盖多靶区和不同部位的计划优化，未来将针对多靶区和不同部位的计划进行研究。
综上所述，基于二阶导数的小MU射野删减优化方法在射波刀计划优化方面是有意义的，能在不明显增加OAR和靶区剂量分布的条件下，减少计划预计治疗时间，提高射波刀的治疗效率，为射波刀初始计划完成后的小MU射野删减提供了参考依据。
利益冲突 无
作者贡献声明 熊咏超负责设计研究方案、研究实施及论文撰写；杨志勇、杨晶、彭振军、张盛负责提出研究思路、技术指导及论文修改；程军平、胡斌、王晔参与研究
| [1] |
De Maria L, Terzi di Bergamo L, Conti A, et al. CyberKnife for recurrent malignant gliomas: a systematic review and meta-analysis[J]. Front Oncol, 2021, 11: 652646. DOI:10.3389/fonc.2021.652646 |
| [2] |
Berber T, Raturi V, Aksaray F, et al. Clinical outcome after CyberKnifeⓇ radiosurgery re-irradiation for recurrent brain metastases[J]. Cancer Radiother, 2021, 25(5): 457-462. DOI:10.1016/j.canrad.2021.02.003 |
| [3] |
上海医学会肿瘤放射治疗分会立体定向放疗学组, 曹洋森, 张建英, 等. 五种光子放疗设备在胰腺癌立体定向放疗中剂量学比较[J]. 中华放射肿瘤学杂志, 2021, 30(2): 156-163. SBRT Group of Radiation Oncology Committee of Shanghai Medical Association, Cao YS, Zhang JY, et al. Comparison of dose distributions among five radiotherapy apparatuses in stereotactic body radiation therapy for pancreatic cancer[J]. Chin J Radiat Oncol, 2021, 30(2): 156-163. DOI:10.3760/cma.j.cn113030-20190606-00214 |
| [4] |
Adler JR Jr, Chang SD, Murphy MJ, et al. The CyberKnife: a frameless robotic system for radiosurgery[J]. Stereotact Funct Neurosurg, 1997, 69(1-4): 124-128. DOI:10.1159/000099863 |
| [5] |
Yang J, Ma L, Wang XS, et al. Dosimetric evaluation of 4 different treatment modalities for curative-intent stereotactic body radiation therapy for isolated thoracic spinal metastases[J]. Med Dosim, 2016, 41(2): 105-112. DOI:10.1016/j.meddos.2015.10.003 |
| [6] |
杨晶, 柳刚, 聂鑫, 等. 基于仿真头颈模体研究处方等剂量线对射波刀计划质量的影响[J]. 中国医学物理学杂志, 2018, 35(12): 1371-1374. Yang J, Liu G, Nie X, et al. Effect of prescription isodose line on the quality of CyberKnife plan designed on anthropomorphic head and neck phantom[J]. Chin J Med Phy, 2018, 35(12): 1371-1374. DOI:10.3969/j.issn.1005-202X.2018.12.002 |
| [7] |
Masi L, Hernandez V, Saez J, et al. Robotic MLC-based plans: a study of plan complexity[J]. Med Phys, 2021, 48(3): 942-952. DOI:10.1002/mp.14667 |
| [8] |
Yu S, Xu H, Zhang Y, et al. Knowledge-based planning in robotic intracranial stereotactic radiosurgery treatments[J]. J Appl Clin Med Phys, 2021, 22(3): 48-54. DOI:10.1002/acm2.13173 |
| [9] |
Teo TP, Ahmed SB, Kawalec P, et al. Feasibility of predicting tumor motion using online data acquired during treatment and a generalized neural network optimized with offline patient tumor trajectories[J]. Med Phys, 2018, 45(2): 830-845. DOI:10.1002/mp.12731 |
| [10] |
Varnava M, Sumida I, Mizuno H, et al. A new plan quality objective function for determining optimal collimator combinations in prostate cancer treatment with stereotactic body radiation therapy using CyberKnife[J]. PLoS One, 2018, 13(11): e0208086. DOI:10.1371/journal.pone.0208086 |
| [11] |
Liang B, Li Y, Wei R, et al. A singular value decomposition linear programming (SVDLP) optimization technique for circular cone based robotic radiotherapy[J]. Phys Med Biol, 2018, 63(1): 015034. DOI:10.1088/1361-6560/aa9b47 |
| [12] |
Benedict SH, Yenice KM, Followill D, et al. Stereotactic body radiation therapy: the report of AAPM Task Group 101[J]. Med Phys, 2010, 37(8): 4078-4101. DOI:10.1118/1.3438081 |
| [13] |
Schipaanboord BWK, Giyńska MK, Rossi L, et al. Fully automated treatment planning for MLC-based robotic radiotherapy[J]. Med Phys, 2021, 48(8): 4139-4147. DOI:10.1002/mp.14993 |
| [14] |
Gerlach S, Fürweger C, Hofmann T, et al. Feasibility and analysis of CNN-based candidate beam generation for robotic radiosurgery[J]. Med Phys, 2020, 47(9): 3806-3815. DOI:10.1002/mp.14331 |
| [15] |
Shiomi H, Akino Y, Sumida I, et al. Development of raster scanning IMRT using a robotic radiosurgery system[J]. J Radiat Res, 2021, 62(2): 364-373. DOI:10.1093/jrr/rraa136 |
| [16] |
Liang B, Wei R, Zhang J, et al. Applying pytorch toolkit to plan optimization for circular cone based robotic radiotherapy[J]. Radiat Oncol, 2022, 17(1): 82. DOI:10.1186/s13014-022-02045-y |
| [17] |
Mei G, Liu X, Song K, et al. CyberKnife radiosurgery on the brainstem metastases of non-small cell lung cancer[J]. Int J Neurosci, 2021, 131(5): 462-467. DOI:10.1080/00207454.2020.1748622 |
| [18] |
Tryggestad E, Christian M, Ford E, et al. Inter-and intrafraction patient positioning uncertainties for intracranial radiotherapy: a study of four frameless, thermoplastic mask-based immobilization strategies using daily cone-beam CT[J]. Int J Radiat Oncol Biol Phys, 2011, 80(1): 281-290. DOI:10.1016/j.ijrobp.2010.06.022 |
| [19] |
Goldsworthy SD, Tuke K, Latour JM. A focus group consultation round exploring patient experiences of comfort during radiotherapy for head and neck cancer[J]. J Radio Prac, 2016, 15(2): 143-149. DOI:10.1017/S1460396916000066 |
| [20] |
王斌, 孙云川, 刘光波, 等. 3D打印头膜固定技术在头部肿瘤放疗的应用研究[J]. 中华放射肿瘤学杂志, 2020, 29(11): 937-977. Wang B, Sun YC, Liu GB, et al. Application of 3D printed head film fixation technology in radiotherapy for head tumors[J]. Chin J Radiat Oncol, 2020, 29(11): 937-977. DOI:10.3760/cma.j.cn113030-20190830-00355 |
| [21] |
Schlüter M, Gerlach S, Fürweger C, et al. Analysis and optimization of the robot setup for robotic-ultrasound-guided radiation therapy[J]. Int J Comput Assist Radiol Surg, 2019, 14(8): 1379-1387. DOI:10.1007/s11548-019-02009-w |