能谱CT的引入标志着肿瘤成像领域的重大进展,并可用于放射治疗领域[1]。与传统CT不同,能谱CT能够获取多个能量水平的数据,从而多参数定量分析病变组织,在放射治疗的多个环节中展现出了巨大的应用潜力[2]。本文旨在综述能谱CT在放射治疗中的应用现状,探讨其在图像质量提升、剂量计算改进和定量评估方面的贡献,并基于当前的研究进展和存在的挑战,展望能谱CT未来的发展方向。
一、能谱CT成像的技术与发展自1972年首台CT机研发成功并应用于临床以来,传统CT在物质区分上一直存在局限,因为不同物质有时会显示相同或接近的CT值。1973年,Hounsfield[3]发现在100 kV和140 kV条件下采集CT图像可以区分较高原子序数的物质,如碘(Z=53)和钙(Z=20)等,为能谱CT的研究奠定了基础。此后,美国GE、荷兰Philips、德国Siemens等公司相继推出了各种不同的能谱扫描采集方案,进一步推动了能谱CT技术的发展和临床应用[4]。
1.能谱CT成像的技术原理:X射线是一种电磁波,具有波粒二象性。从粒子性的角度看,X射线是大量光速运动的、携带确定能量的粒子流,这些粒子称为光子。当X射线光子穿透物体时,会发生吸收和散射,引起X射线的衰减。X射线成像依赖于不同组织对X射线衰减程度的差异,这取决于康普顿散射和光电效应(Compton scatter and the photoelectric effect,CS/PE)。在原子序数相同的物质中,低能光子主要通过光电效应与物质相互作用,而高能光子主要通过康普顿散射与物质相互作用[5]。因此,不同能量光子在同一物质中的衰减值不同,在不同物质中的衰减值变化幅度也会有所不同。CT通过探测器接收穿透人体的X射线光子,产生不同灰度的图像,衰减遵循Beer-Lambert定律。其中,衰减系数可近似视为光电效应与康普顿散射之和,光电效应与物质的原子序数和质量密度密切相关,而康普顿散射则与电子密度(electron density,ED)相关[6]。通过在两种不同的能量下扫描同一物质,能谱CT可以确定物质的电子密度和有效原子序数(effective atomic numbers,Zeff),从而确定其成分。
2.能谱CT成像的方式:能谱CT成像方式包括单源快速管电压切换、单源双层探测器、单源同源双光束、单源连续采集和双源双能量CT。单源快速管电压切换技术在一次扫描中获取双能量数据,优点是提高了数据采集效率,但存在X射线谱升降效应、投影数量减少和辐射剂量较高的问题[7]。单源双层探测器技术采用创新的探测器设计获取双能量数据,无需变换管电压,简化系统设计,但软组织对比较差。单源同源双光束技术通过单一球管在同一管电压下进行双能量成像,能够更好地匹配高、低能量输出,从而提高成像质量[8]。单源连续采集技术通过序列扫描获取双能量数据,虽然能够解决硬件限制,但采集时间较长。双源双能量CT利用两个独立X射线源和数据采集系统,允许独立控制每个源的电压和电流,优化图像质量、提高能谱分离度和信噪比,但面临散射校正和辐射剂量控制的挑战[9]。
二、图像质量的提升能谱CT通过获取两个不同能级的CT数据,并将其分解为两组基本图像,用于描述X射线的相互作用特征,如康普顿散射与光电效应、有效原子序数、电子密度。这些数据可形成一个定量数据集,然后重新组合成其他定量图像,如虚拟单能图像(virtual monochromatic images,VMI),虚拟平扫图像(virtual non-contrast,VNC)和碘密度图等[10]。低keV的VMI能够有效提高了碘的对比度,而高keV的VMI有效地减少了金属伪影[11]。Zeff可以根据物质的化学成分来描述其特征,而碘密度图则可以直观地显示出碘的浓度。能谱CT能够提高各种肿瘤的对比度,降低图像噪声和光束硬化伪影,显著提高图像质量。通过合理的选择成像参数,可以优化放射治疗中的多个环节,包括靶区和危及器官勾画、肿瘤分期以及伪影减少等。
1.靶区和危及器官勾画:能谱CT利用双能量技术根据组织的物质成分来区分不同的组织类型,能够更准确地区分肿瘤组织与周围正常组织之间的边界,进而在靶区和危及器官的勾画方面发挥了关键作用,为精准放射治疗计划的制定提供了可靠的依据[12]。Nagayama等[13]研究表明,与传统CT相比,低keV的VMI图像产生更高的对比噪声比(contrast-to-noise ratio,CNR),这有助于更清晰地识别图像中的结构。Ng等[14]研究报告了图像质量的提升对勾画的影响,比较使用能谱CT与磁共振成像在头颈癌放射治疗中勾画肿瘤的观察者间一致性,结果发现60 keV的VMI对非颅底肿瘤提供了更高的观察者间一致性。然而,VMI图像在应用过程中也存在一些缺陷,例如,不同解剖区域的VMI能量水平可能会影响观察者的偏好,从而影响靶区勾画的一致性和准确性。此外,单一能量水平的VMI难以在各个解剖部位实现最优效果,因此需要重建多种能量下的VMI,需要进一步的研究以制定统一的标准[15]。
2.伪影减少:在放射治疗计划中,伪影的存在会影响到CT图像的质量,从而影响到勾画、电子密度量化、剂量计算等。这些伪影主要是由光子不足、光束硬化和散射效应等引起的,其中能谱CT技术可以将不同能量水平下获取的数据进行重组,从而减少伪影的产生[16]。此外,为了克服伪影带来的相关问题,已经研究出了多种伪影减少算法,能谱CT系统配备了先进的金属伪影减少(metal artifact reduction,MAR)算法,利用双能量数据区分金属和非金属结构。MAR算法能有效识别和校正金属导致的伪影,同时保留组织对比度,从而提高图像质量和治疗精度。Zhang等[17]研究表明VMI结合MAR软件可以显著减少膝关节假体的金属伪影,提高图像质量,在100~120 keV的能级下,可以达到良好的金属伪影减少效果和软组织对比度,在140 keV时可以达到最佳的金属伪影减少效果。然而,金属伪影的处理仍面临一定挑战。尽管现有的金属伪影减少算法(metal artifact reduction for orthopedic implants,O-MAR)在大多数情况下表现出较好的效果,但在一些特殊情况下,尤其是金属物质较多或形态较复杂时,去伪影的效果仍然有限,且可能导致图像细节的丧失,进而影响图像的清晰度和质量。
三、剂量计算的改善放射治疗中准确的剂量计算对于治疗的成功至关重要,它确保有效控制肿瘤的同时最大限度地减少对周围正常组织的辐射损伤。传统的CT成像依赖于混合能量,其提供的组织特征信息有限,这可能导致剂量计算的不准确。相比之下,能谱CT通过双能量成像确定电子密度和有效原子序数等重要参数,因为不同组织的电子密度和原子序数会影响放射线的吸收和散射,从而影响剂量分布,能谱CT通过区分这些组织特性,可以更准确地预测和计算放射线在组织中的剂量沉积,从而提高剂量计算的精度[18]。
1.近距离放射治疗:在近距离放射治疗中,由于光电效应在低能量下占主导地位,并且该效应对原子序数(Zeff)有很强的依赖性,因此对于(低能量)近距离放射治疗,估计光子相互作用的截面需要更加精确的组织表征[19]。由于这个原因,蒙特卡罗技术作为一种精确模拟光子和电子在组织中传输的方法,广泛依赖于对组织特性的精确分配。传统的基于CT值的方法具有很大的不确定性,因为人体组织具有类似的CT值,但物理性质不同,导致剂量计算误差较大。能谱CT则可以改善组织分配,Côté等[20]研究表明在前列腺近距离治疗中,使用传统单能CT方法组织错配比高达0.40%,而使用能谱CT降低至0.05%。
2.质子放射治疗:质子放射治疗依赖于将质子束精确传递到肿瘤靶区,利用特征布拉格峰在肿瘤内最大限度地沉积辐射剂量,同时保护健康组织。准确的质子剂量计算一般通过阻止本领比(stopping power ratio, SPR)进行,需要对质子束路径上的组织成分和电子密度有精确的了解。能谱CT在此方面发挥着重要作用,通过能谱CT可以更准确地确定SPR,从而减少质子范围的不确定性,提高剂量分布的精确度与提高治疗效果 [21]。这种基于能谱CT的方法可以结合Bethe方程,通过定量测量相对电子密度和有效原子序数直接预测SPR。Longarino等[22]研究表明在组织等效材料中,基于能谱CT和传统单能CT的预测与测量的SPR值的平均偏差分别为0.7%和1.6%。
3.光子放射治疗:光子放射治疗仍然是现代癌症治疗的重要方法,能够精确地将高能量X射线束传递到目标肿瘤。尽管如此,组织不均匀性(如空气囊、骨骼和金属植入物)可能会影响光子剂量计算的准确性,导致剂量的不确定和治疗结果的不理想。碘造影剂在增强图像对比度的同时,也可能对剂量计算造成干扰。能谱CT能够利用物质分解,在虚拟平扫图像上进行准确地剂量计算。Yamada等[23]研究表明在能谱CT的虚拟平扫图像与传统CT真实平扫图像上剂量分布几乎相同,但传统CT增强图像的剂量通过率为50%~60%,虚拟平扫图像的剂量通过率>90%。此外,能谱CT的其他图像也可以用于剂量计算。Zhu等[24]研究探讨了使用电子密度图进行剂量计算的可行性。
四、定量评估能谱CT作为一种先进的成像技术,通过采集和分析不同能量水平下的X射线衰减数据,可以生成多种图像和参数,在放射治疗中的定量评估方面发挥着重要作用。能谱CT能够提供关于肿瘤异质性的详细信息,有助于识别肿瘤的生物学特征;可以区分器官内功能活跃和不活跃的区域,进行选择性保护具有功能的危及器官;能够监测肿瘤对治疗的反应,为及时调整治疗方案提供依据[25]。
1.肿瘤特征:能谱CT可以提供肿瘤的异质性信息,通过分析不同组织成分的能谱特征,如碘、水和脂肪等,能谱CT可以对肿瘤血管生成和肿瘤灌注进行定量评估,从而提供更加精准的诊断依据,使临床医生能够根据肿瘤的生物学特征调整治疗计划的制定。Zhang等[26]研究表明能谱CT中的碘浓度差异和水浓度差异有潜力评估肾细胞癌的微血管生成,在肾细胞癌的诊断、治疗和预后评估中发挥着关键作用。此外,Tanaka等[27]研究表明通过能谱CT测量的低碘密度肿瘤区域比例可以作为非小细胞肺癌患者接受立体定向放射治疗后局部控制的重要预测因子,这项研究的结果为非小细胞肺癌的个体化治疗提供了参考。
2.保护具有功能的危及器官:能谱CT的物质分解技术可以有效地区分器官内功能较强和功能较弱的部分,从而更有选择性地实现对组织的保护[28]。通过能谱CT获得的碘密度图得出的肺功能信息与单光子发射计算机体层成像(single-photon emission computed tomography,SPECT)得出的肺功能信息显示了密切的相关性,将能谱CT整合到治疗计划系统中,有助于更好地保留肺功能[29]。使用氙气通气能谱CT结合碘密度图,可以获得通气/灌注的定量信息,从而得到肺功能信息[30]。能谱CT通过一次扫描即可获得如通气/灌注类似的功能信息,为选择性保护具有功能的危及器官提供更准确的定量评估,也为个体化放射治疗方案的制定提供了更便捷可行的方法[31]。
3.疗效评估:能谱CT扫描获取的碘定量信息,如动脉期碘摄取量下降比值、静脉期碘摄取量下降比值等,对宫颈癌的放化疗疗效监测具有重要的参考价值[32]。在多发性骨髓瘤的放射治疗反应评估中,利用能谱CT的虚拟去钙图像来估计溶性骨病变的细胞性和代谢活性,能够提供更为精确的疗效监测指标[33]。此外,对于非小细胞肺癌,能谱CT的碘密度图在评估治疗效果方面同样显示出较高的准确性和敏感性,特别是动脉期碘浓度,为预测晚期非小细胞肺癌患者的疗效提供了新的定量图像标志物[34]。这些研究表明,能谱CT技术通过提供多参数成像,不仅能够揭示肿瘤组织的微环境特征,还能早期预测和评估治疗效果,为个体化治疗方案的制定提供了重要的影像学依据。
五、小结能谱CT的多参数定量特征在放射治疗中具有重要应用价值,能够有效提高各环节的临床效率和准确性。在靶区勾画方面,能谱CT能够提高软组织分辨率,减少伪影的干扰,提供更为丰富的图像信息, 为靶区勾画提供更加可靠的依据。在放射治疗计划设计中,能谱CT提供的组织特性信息能够显著提高剂量计算的精确性。在疗效评估上,能谱CT能够提供客观的影像学指标,准确反映肿瘤治疗的进展,便于在治疗过程中及治疗结束后快速评估疗效。
尽管能谱CT技术具有显著的优势,但在临床实践中仍面临诸多挑战。特别是在不同类型肿瘤、治疗方案的适用性以及疗效评估的精准度等方面,仍需通过更多的大规模临床试验和数据积累来进一步验证其效果。此外,能谱CT的长期临床效果和应用价值仍在持续评估之中。另一方面,当前国际上尚未建立统一的标准化操作流程和临床应用指南,导致不同医疗机构在放射治疗计划设计和疗效评估过程中存在差异,进而影响治疗的一致性和结果的可比性。
此外,放射治疗与人工智能(artificial intelligence,AI)的整合是一个具有巨大潜力的研究领域[35\|36]。能谱CT与人工智能的结合,能够深入地挖掘影像信息,预示着在个性化医疗和精准治疗领域的广阔应用前景。研究表明某种AI算法能够在能谱CT的VMI图像中识别肺部毛玻璃结节,从而提升诊断的准确性[37]。
能谱CT在临床实践中有着广泛的应用前景,其能够提供更为精细的组织特性信息,这对于复杂病灶的精准放疗至关重要。尤其在质子治疗和重离子治疗中,精确的电子密度映射和射程预测将减少剂量误差,确保治疗靶区的最大效益,减少对正常组织的伤害[38]。随着数据处理能力的增强,能谱CT将在高精度放射治疗计划的设计和执行中发挥越来越重要的作用。
利益冲突 无
作者贡献声明 冷凌萱负责论文撰写及修改;祝起禛、杨波、邱杰指导论文修改;张文君、杨景茹、李文博、于浪负责文献整理
[1] |
Sauerbeck J, Adam G, Meyer M. Spectral CT in Oncology[J]. Rofo, 2023, 195(1): 21-29. DOI:10.1055/a-1902-9949 |
[2] |
Van Elmpt W, Landry G, Das M, et al. Dual energy CT in radiotherapy: current applications and future outlook[J]. Radiother Oncol, 2016, 119(1): 137-144. DOI:10.1016/j.radonc.2016.02.026 |
[3] |
Hounsfield GN. Computerized transverse axial scanning (tomography). 1. Description of system[J]. Br J Radiol, 1973, 46(552): 1016-1022. DOI: 10.1259/0007-1285-46-552-1016.
|
[4] |
Greffier J, Villani N, Defez D, et al. Spectral CT imaging: technical principles of dual-energy CT and multi-energy photon-counting CT[J]. Diagn Interv Imaging, 2023, 104(4): 167-177. DOI:10.1016/j.diii.2022.11.003 |
[5] |
Goo HW, Goo JM. Dual-Energy CT: New horizon in medical imaging[J]. Korean J Radiol, 2017, 18(4): 555-569. DOI:10.3348/kjr.2017.18.4.555 |
[6] |
Sodickson AD, Keraliya A, Czakowski B, et al. Dual energy CT in clinical routine: how it works and how it adds value[J]. Emerg Radiol, 2021, 28(1): 103-117. DOI:10.1007/s10140-020-01785-2 |
[7] |
Johnson TR. Dual-energy CT: general principles[J]. AJR Am J Roentgenol, 2012, 199(5 Suppl): S3-8. DOI:10.2214/ajr.12.9116 |
[8] |
Euler A, Obmann MM, Szucs-Farkas Z, et al. Comparison of image quality and radiation dose between split-filter dual-energy images and single-energy images in single-source abdominal CT[J]. Eur Radiol, 2018, 28(8): 3405-3412. DOI:10.1007/s00330-018-5338-x |
[9] |
Primak AN, Ramirez Giraldo JC, Liu X, et al. Improved dual-energy material discrimination for dual-source CT by means of additional spectral filtration[J]. Med Phys, 2009, 36(4): 1359-1369. DOI:10.1118/1.3083567 |
[10] |
Lennartz S, Zopfs D, Große Hokamp N. Dual-energy CT revisited: a focused review of clinical use cases[J]. Rofo, 2024, 196(8): 794-806. DOI:10.1055/a-2203-2945 |
[11] |
Albrecht MH, Vogl TJ, Martin SS, et al. Review of clinical applications for virtual monoenergetic dual-energy CT[J]. Radiology, 2019, 293(2): 260-271. DOI:10.1148/radiol.2019182297 |
[12] |
Noid G, Zhu J, Tai A, et al. Improving structure delineation for radiation therapy planning using dual-energy CT[J]. Front Oncol, 2020, 10: 1694. DOI:10.3389/fonc.2020.01694 |
[13] |
Nagayama Y, Tanoue S, Inoue T, et al. Dual-layer spectral CT improves image quality of multiphasic pancreas CT in patients with pancreatic ductal adenocarcinoma[J]. Eur Radiol, 2020, 30(1): 394-403. DOI:10.1007/s00330-019-06337-y |
[14] |
Ng SP, Cardenas CE, Elhalawani H, et al. Comparison of tumor delineation using dual energy computed tomography versus magnetic resonance imaging in head and neck cancer re-irradiation cases[J]. Phys Imaging Radiat Oncol, 2020, 14: 1-5. DOI:10.1016/j.phro.2020.04.001 |
[15] |
Farhadi F, Sahbaee P, Rajagopal JR, et al. Virtual monoenergetic imaging in photon-counting CT of the head and neck[J]. Clin Imaging, 2023, 102: 109-115. DOI:10.1016/j.clinimag.2023.08.004 |
[16] |
Huang JY, Kerns JR, Nute JL, et al. An evaluation of three commercially available metal artifact reduction methods for CT imaging[J]. Phys Med Biol, 2015, 60(3): 1047-1067. DOI:10.1088/0031-9155/60/3/1047 |
[17] |
Zhang J, Wang X, Zhao F, et al. Application of metal artifact reduction software in gemstone spectral computed tomography for patients after total knee arthroplasty[J]. Ann Transl Med, 2022, 10(16): 864. DOI:10.21037/atm-22-3286 |
[18] |
Vaniqui A, Schyns L, Almeida IP, et al. The impact of dual energy CT imaging on dose calculations for pre-clinical studies[J]. Radiat Oncol, 2017, 12(1): 181. DOI:10.1186/s13014-017-0922-9 |
[19] |
Remy C, Lalonde A, Béliveau-Nadeau D, et al. Dosimetric impact of dual-energy CT tissue segmentation for low-energy prostate brachytherapy: a Monte Carlo study[J]. Phys Med Biol, 2018, 63(2): 025013. DOI:10.1088/1361-6560/aaa30c |
[20] |
Côté N, Bedwani S, Carrier JF. Improved tissue assignment using dual-energy computed tomography in low-dose rate prostate brachytherapy for Monte Carlo dose calculation[J]. Med Phys, 2016, 43(5): 2611. DOI:10.1118/1.4947486 |
[21] |
Zimmerman J, Thor D, Poludniowski G. Stopping-power ratio estimation for proton radiotherapy using dual-energy computed tomography and prior-image constrained denoising[J]. Med Phys, 2023, 50(3): 1481-1495. DOI:10.1002/mp.16063 |
[22] |
Longarino FK, Kowalewski A, Tessonnier T, et al. Potential of a second-generation dual-layer spectral CT for dose calculation in particle therapy treatment planning[J]. Front Oncol, 2022, 12: 853495. DOI:10.3389/fonc.2022.853495 |
[23] |
Yamada S, Ueguchi T, Ogata T, et al. Radiotherapy treatment planning with contrast-enhanced computed tomography: feasibility of dual-energy virtual unenhanced imaging for improved dose calculations[J]. Radiat Oncol, 2014, 9: 168. DOI:10.1186/1748-717x-9-168 |
[24] |
Zhu Q, Wei S, Wang Z, et al. Feasibility of dose calculation for treatment plans using electron density maps from a novel dual-layer detector spectral CT simulator[J]. Radiat Oncol, 2024, 19(1): 93. DOI:10.1186/s13014-024-02479-6 |
[25] |
Kruis MF. Improving radiation physics, tumor visualisation, and treatment quantification in radiotherapy with spectral or dual-energy CT[J]. J Appl Clin Med Phys, 2022, 23(1): e13468. DOI:10.1002/acm2.13468 |
[26] |
Zhang B, Wu Q, Qiu X, et al. Effect of spectral CT on tumor microvascular angiogenesis in renal cell carcinoma[J]. BMC Cancer, 2021, 21(1): 874. DOI:10.1186/s12885-021-08586-x |
[27] |
Tanaka M, Koji I, Fujioka I, et al. Impact of low iodine density tumor area ratio on the local control of non-small cell lung cancer through stereotactic body radiotherapy[J]. J Radiat Res, 2021, 62(3): 448-456. DOI:10.1093/jrr/rrab015 |
[28] |
Midroni J, Salunkhe R, Liu Z, et al. Incorporating functional lung imaging (FLI) into radiation therapy planning in patients with lung cancer: a systematic review and meta-analysis[J]. Int J Radiat Oncol Biol Phys, 2024, 120(2): 370-408. DOI:10.1016/j.ijrobp.2024.04.001 |
[29] |
Bahig H, Campeau MP, Lapointe A, et al. Phase 1-2 study of dual-energy computed tomography for assessment of pulmonary function in radiation therapy planning[J]. Int J Radiat Oncol Biol Phys, 2017, 99(2): 334-343. DOI:10.1016/j.ijrobp.2017.05.051 |
[30] |
Hwang HJ, Lee SM, Seo JB, et al. Visual and quantitative assessments of regional xenon-ventilation using dual-energy CT in asthma-chronic obstructive pulmonary disease overlap syndrome: a comparison with chronic obstructive pulmonary disease[J]. Korean J Radiol, 2020, 21(9): 1104-1113. DOI:10.3348/kjr.2019.0936 |
[31] |
Lapointe A, Bahig H, Blais D, et al. Assessing lung function using contrast-enhanced dual-energy computed tomography for potential applications in radiation therapy[J]. Med Phys, 2017, 44(10): 5260-5269. DOI:10.1002/mp.12475 |
[32] |
Jiang C, Yang P, Lei J, et al. The application of iodine quantitative information obtained by dual-source dual-energy computed tomography on chemoradiotherapy effect monitoring for cervical cancer: a preliminary study[J]. J Comput Assist Tomogr, 2017, 41(5): 737-745. DOI:10.1097/rct.0000000000000603 |
[33] |
Fervers P, Celik E, Bratke G, et al. Radiotherapy response assessment of multiple myeloma: a dual-energy ct approach with virtual non-calcium images[J]. Front Oncol, 2021, 11: 734819. DOI:10.3389/fonc.2021.734819 |
[34] |
Zhao L, Liu L, Zhao H, et al. Therapy response assessment of non-small cell lung cancer using dual-energy computed tomography iodine map[J]. J Xray Sci Technol, 2022, 30(1): 111-122. DOI:10.3233/xst-210989 |
[35] |
Li G, Wu X, Ma X. Artificial intelligence in radiotherapy[J]. Semin Cancer Biol, 2022, 86(P): 160-171. DOI:10.1016/j.semcancer.2022.08.005 |
[36] |
Kawamura M, Kamomae T, Yanagawa M, et al. Revolutionizing radiation therapy: the role of AI in clinical practice[J]. J Radiat Res, 2024, 65(1): 1-9. DOI:10.1093/jrr/rrad090 |
[37] |
Ma ZY, Zhang HL, Lv FJ, et al. An artificial intelligence algorithm for the detection of pulmonary ground-glass nodules on spectral detector CT: performance on virtual monochromatic images[J]. BMC Med Imaging, 2024, 24(1): 293. DOI:10.1186/s12880-024-01467-2 |
[38] |
Medrano M, Liu R, Zhao T, et al. Towards subpercentage uncertainty proton stopping-power mapping via dual-energy CT: Direct experimental validation and uncertainty analysis of a statistical iterative image reconstruction method[J]. Med Phys, 2022, 49(3): 1599-1618. DOI:10.1002/mp.15457 |