医科达磁共振加速器(Unity MR-Linac)是将磁共振成像设备和直线加速器整合起来的一款新型放疗设备，在放疗过程中可提供软组织对比度高的三维磁共振引导图像和实时运动监控图像^[1-2]，一旦出现靶区漏照或者危及器官误照的情况，能够及时进行干预^[3]。它的加速器机架为滑环结构，以无均整器模式产生7 MV的X射线，剂量率约为420 MU/min ^[4]。该设备整合在线计划系统Monaco，真正实现在线自适应放疗^[5]。但目前，Unity仅支持固定机架角静态(step-and-shoot)模式的调强放疗(intensity-modulated radiation therapy, IMRT)^[6]，通过多个子野调整照射野的强度分布来实现在给予靶区高适形度剂量分布的同时降低周围正常器官的受照剂量^[7]。磁共振引导放疗较常规放疗设备治疗时间较长，可能会因此造成患者不适感和发生靶区及危及器官位移的风险^[8-9]。既往研究统计发现磁共振引导放疗流程中出束时间占比较大，为15.9%~38%，位置自适应(adapt to position, ATP)流程中这一占比可能更高^{[3, 10-11]}。若能在放疗实际操作中，对剂量投照环节的耗时进行精准预估，不仅可以帮助治疗师科学规划治疗流程、提升工作效率与操作规范性，更能让患者提前预估治疗时长，有效缓解治疗过程中的紧张焦虑情绪，最终实现放疗服务质量与患者就医体验的双重提升。本研究拟分析影响Unity出束时间的各种影响因素，建立数学公式估算出束时间，为Unity的临床使用提供参考。

1. 入选病例：回顾性选取中国医学科学院肿瘤医院放疗科2023年7月至2024年9月间174例患者，共计1 112分次，统计日常治疗已记录的出束时间(T)以及相关的的影响因素，包括射野数(B)、总子野数(S)、计划总跳数(MU)、机架旋转范围(ΔGA)和分次剂量(FD)。T定义为计划传至加速器各连锁消除，开始出束至计划最后一个射野的最后一个子野出束完成的时间。纳入标准：①计划符合临床要求，且一次性完成出束过程。②治疗排程使用AFS模式(即所有计划射野合并传输至加速器)。③所有射野按照顺时针顺序排列，避免治疗过程中机架的来回摆动增加治疗时间。排除标准：①患者计划中断，未一次性完成出束的计划。②出束时，因故障(如磁控管打火严重，通讯故障等)影响出束状态的。

2. 时间估算方法

(1) 拟合部分：使用SPSS 26.0对患者的B、S、MU、ΔGA、FD与T的相关性进行Spearman分析。对治疗计划设计后因变量T与各相关自变量进行广义线性混合模型回归并拟合，采用Stepwise逐步回归法，逐步剔除相关性小和强共线性的变量，得出T的拟合公式。

(2) 分部计算部分：整个T分为3个部分，射线投照时间(Td)，机架旋转时间(Tg)和子野形成时间(Ts)，即T=Td+Tg+Ts。射线投照部分时间可近似计算为$ \frac{M U}{\text { 机器剂量率 }}$，机器剂量率为机器每分钟平均投照的剂量跳数(DR), 即Td=$ \frac{M U}{D R}$ ；在加速器service模式下通过多次测量不同射野分布机架旋转360°的时间，拟合出常规(均分射野)的Tg；选取15例不同治疗部位的患者计划，共计119个子野，通过记录单野的总时间和加速器记录的Beam Timer(Beam Timer为加速器自带出束计时工具，仅记录有射线投照的时间)的时间相减的方式，估算子野形成时间Ts。

3. 预估公式准确度验证：为验证公式的符合度(计算值与实际值的差值占实际值的百分比)，另选取同一时间段内的23例患者，共145次治疗分次的出束时间，代入法分别代入计划参数进行时间估算验证，验证结果以$ \bar{x} \pm s$形式表述。

4. 统计学处理：使用SPSS 26.0根据数据的分布类型，对符合正态分布的数据使用t检验来比较两列数据的差异，对不符合正态分布的数据，则选用非参数检验方法来比较两列数据的差异。基本相关性分析采用Spearman相关分析，控制共线性的相关性分析采用偏相关系数，多重共线性处理与回归模型优化使用逐步回归法(Stepwise)。P＜0.05为差异有统计学意义。

1. 计划各参数与出束时间T的相关性分析：所有参数均非正态分布，通过Spearman相关性分析相关系数以及考虑多重共线性之后分析的偏相关系数结果列于表 1。结果显示，S和MU的相关系数为0.826和0.869，偏相关系数为0.974和0.957，P＜0.001，说明与T线性关联极强，是影响T的核心因素；B、FD受其他变量影响，表现不同；而△GA 与T 线性关联弱且无统计学意义(P>0.05)。

表 1(Table 1)

表 1 因变量T与各参数之间的相关系数 Table 1 Correlation coefficients between the T and various parameters 自变量 相关系数 相关系数P值 偏相关系数 偏相关系数P值 射野数 0.361 ＜0.001 -0.050 0.094 总子野数 0.826 ＜0.001 0.974 ＜0.001 计划总跳数 0.869 ＜0.001 0.957 ＜0.001 机架旋转范围 -0.039 0.193 -0.082 0.006 分次剂量 0.560 ＜0.001 -0.347 ＜0.001

表 1 因变量T与各参数之间的相关系数 Table 1 Correlation coefficients between the T and various parameters

2. 时间估算公式

(1) 线性回归拟合：将T作为因变量，B、S、MU、△GA和FD作为自变量，设置截距为0，经过Stepwise逐步回归法，逐步剔除不显著的变量以及剔除与MU有强共线性的FD(相关系数为0.73)，拟合后得到回归方程为：

(2) 分部计算：通过模拟不同射野均分的方式，得出机架运动时间与B的关系为：Tg=-0.073B²+4.649B+11.153，R² = 0.999(图 1)。子野准备时间即在出束过程中不同子野形成所需要的时间，本研究通过测量另选的15个患者，共计119个射野的单野出束时间和Beam Timer时间估算单个子野形成的速度，子野形成速度为$ \frac{T_{\text {single beam }}-T_{\text {Beam Timer }}}{S_{\text {single beam }}}=3.915$s/子野，而由于Beam Timer的记录方式为十进制且为向下取整(如0.10~ 0.19的时间段显示为0.1)，致Beam Timer时间存在误差，测得平均误差为11.23%，而Beam Timer在单野出束时长的占比约为43.06%，利用测得数据的平均值演算调整该项系数为$\frac{100-43.06 \times(100+11.23) \%}{100-43.06} \approx 0.915 $，所以子野形成速度为3.582 s/子野。另外，当机架在转动时，每个射野的第一个子野也同时在准备^[12]，所以，实际准备子野数为S-B，所以，总时间为：

图 1 机架旋转时间与射野数关系模拟测试 Figure 1 Simulated relationship between gantry rotation time and the number of irradiation fields

3. 验证数据和结果：为验证公式的符合度偏差(计算值与实际值的差值占实际值的百分比)，用没有参与建立回归方程拟合的23例患者，共145次治疗分次的出束时间进行时间估算验证。将每一次自适应计划参数分别代入两种方法所得公式进行验证。结果显示用两种公式预估的出束时间差异无统计学意义(P=0.252)，拟合方程时间的符合度偏差分别为0.86%±4.00%(-10.69%~7.79%)和2.97%±4.56%(-10.29%~10.97%)(P＜0.001)。

磁共振引导加速器Unity作为当下先进的放疗设备，凭借其独特优势在临床治疗中展现出广阔前景。但是，目前Unity的治疗流程较为复杂，总体治疗时间较长。有研究表明，患者体位的重复性和舒适性会随着治疗时间的延长而降低^[13]。所以，掌握治疗节奏，提高治疗效率，对于Unity的临床应用至关重要。对于放射治疗师，精确的时间预估可以方便更好的安排患者的治疗时间，尽可能的减少排队患者的等候时间，减少患者等待的急切或焦虑等情绪，进而减少医患矛盾发生的概率。同时，患者的治疗配合度是放疗疗效得以实现的重要非技术因素，提前告知患者准确的投照时长，可有效缓解其在治疗过程中的紧张焦虑情绪，尤其对于儿童、老年及焦虑型患者，明确的时间预期能够帮助其更好地配合体位固定。基于此，本研究就出束时间提出两种不同方式的估算方案，以便医生/治疗师对整个过程有更精准的预估，对于患者的治疗安排和患者心理预期提供帮助。

通过对各影响因素的相关性分析结果显示，S、MU和FD与出束时间T的相关系数较高，且P值均＜0.001，这表明这些变量与T之间存在显著的正线性关系，即在不考虑其他变量的情况下，这些变量的变化很可能会引起T的同向变化。B与T的相关系数为0.358，P值＜0.001，同样存在显著的正线性关系，但相较于S、MU来说，线性关系的强度要弱一些。ΔGA与T的相关系数仅为-0.039，P=0.193，这说明ΔGA与T之间的线性关系非常弱，而且这种关系并不显著。考虑到极强相关的两个因素在拟合公式时会出现多重共线性问题，这会导致在线性回归时某一因素可能会因为其他因素的加入，其显著性发生变化，甚至不再显著^[14]，于是本研究引入了偏相关系数的分析，结果显示S和MU的偏相关系数分别为0.974和0.957，P值均＜0.001，这表明在控制了其他变量的影响后，它们与T之间仍然存在极强的显著正线性关系。FD的偏相关系数为-0.347，P＜0.001，说明在考虑了其他变量的影响后，FD与T呈现出显著的负线性关系，这与简单相关系数所呈现的正相关关系不同，体现了其他变量对它们关系的干扰，主要原因可能是FD与计划跳数MU之间存在强相关性。ΔGA与T的偏相关系数仅为-0.082，P=0.006，说明机架旋转范围依然与T为极弱相关。B的偏相关系数为-0.050，P=0.094，这意味着在控制了其他变量后，B与T的线性关系不显著。在线性回归分析时，我们采用了Stepwise逐步回归法，逐步剔除存在多重共线性因素中差异无统计学意义的因素，获得一个最优的回归方程。

在分部计算方面，本研究方法主要的误差来源是Beam Timer的计时误差，由于Beam Timer的记录方式为十进制且向下取整，在测试样本中，单野Beam Timer范围为0.1~1.4 min，理论误差范围则为7%~50%，而公式中的校正系数是按照样本均值去设置的，所以在个别样本中可能会存在偏差。另一个可能存在的误差是，在测试机架旋转时间时，本研究采用的是均分射野的形式去模拟，而在实际治疗过程中，当射野非均分的情况下，时间也会有所偏差。当然，由于Unity采用环形机架，其机架旋转速度较常规加速器要快，不同角度射野之间的切换能够在更短的时间内完成^[6]，该部分时间所带来的偏差不会太大，这一点在拟合过程中机架旋转角度与出束时间弱相关也能体现出来。该部分研究与张彦新等^[12]的研究思路相似，但其将出束时间分为4个部分相比，本研究分为3个部分，主要差异的原因为加速器类型的不同，计划执行方式的不同。

从最终的公式符合度验证结果来看拟合公式法和分部计算法所得公式的符合度偏差均不大，但仍存在显著性差异(P＜0.001)，而预估时间两组间的差异无统计学意义(P=0.269)，所以在预估出束时间时两种公式均可选用。不过，考虑到拟合公式更为精准且简单，笔者更推荐使用拟合公式在日常工作中预估出束时间。

从两种方法的推导过程及结果来看，在保证计划质量的前提下如果能较好的约束S，将更有效的缩减出束时间，助力提高治疗效率。同时，可以发现，拟合过程B对出束时间的影响不大，从分部计算可以看出，由于与B相关的方程曲线最大值约在$ B=7\left(-\frac{1.067}{-0.073 \times 2} \approx 7.3\right)$的位置，意味着当射野数量超过7野时，整体时间甚至呈现下降的趋势。而参考计划基本上决定了自适应计划的B、MU、S、ΔGA、FD。这一结果提示，物理师在做计划的时候，可以适当增加射野数量，这样在提升计划质量的同时，并不会对治疗时间产生显著性的影响。尽管如此，根据本中心日常治疗的观察经验，发现在形状自适应(adapt to shape, ATS)中，当射野超过13个野的时候，会显著增加“creating adapted plan”这一计划步骤的时间，这可能与选择的计划方式中通量计算的逻辑以及计算机的算力有关系，将在今后的研究过程中进一步对该现象进行分析。

本研究为了让模拟数据具有广泛的代表性，本研究在样本选取上做了充分地考量，所选取的样本(包括模拟和验证样本)几乎涵盖了我中心使用Unity进行治疗的所有病例类型和各个部位，这在很大程度上确保了研究结果的普适性。

不足之处在于，本研究仅对出束时间进行了分析并提出可能的优化方案，而未对整个流程自适应放疗的其他步骤进行分析和提供可行的优化方案，在整体流程效率的提升上效用有限。

利益冲突  作者声明不存在任何与本研究相关的利益冲突

作者贡献声明  覃仕瑞负责研究设计与论文撰写；王宏负责数据采集与分析；郇福奎负责研究方案审核；李秀粉、孙莹莹、洪天航、刘帆参与数据整理；田源指导论文修改