肝癌四維CT放療計(jì)劃設(shè)計(jì)方式探討

卿珍　邢立剛　尹勇　王慧玲　方浩　趙?！垚燮肌№n軍

[摘 要] 目的：通過與標(biāo)準(zhǔn)流程制作的4D放療計(jì)劃劑量分布對比分析，探討四維計(jì)劃設(shè)計(jì)過程簡化可行性。方法：選取原發(fā)性肝癌患者10例，每例患者都采用兩種方案進(jìn)行4D放療計(jì)劃設(shè)計(jì)，分別定義為準(zhǔn)4D計(jì)劃和4D計(jì)劃。兩種方案基于相同的4D輪廓勾畫方式、射野方向和處方劑量，準(zhǔn)4D計(jì)劃在參考時(shí)相上進(jìn)行布野及射野優(yōu)化，而4D計(jì)劃在各個(gè)時(shí)相上各自進(jìn)行優(yōu)化，然后變形疊加到參考時(shí)相。最終對比分析兩種方案的劑量差異。結(jié)果：在肝癌危及器官保護(hù)和處方劑量提升方面，4D計(jì)劃都略優(yōu)于準(zhǔn)4D計(jì)劃，但無統(tǒng)計(jì)學(xué)意義差異。結(jié)論：臨床應(yīng)用肝癌的四維放射治療技術(shù)，可以對4D計(jì)劃優(yōu)化過程進(jìn)行部分簡化，提高該技術(shù)臨床應(yīng)用的可操作性。但對于個(gè)別呼吸幅度較大或靶區(qū)與危及器官結(jié)構(gòu)相對復(fù)雜患者，需要后續(xù)研究中進(jìn)一步探討。

[關(guān)鍵詞] 4D CT；呼吸時(shí)相；計(jì)劃優(yōu)化；四維放射治療；原發(fā)性肝癌

中圖分類號：R445 文獻(xiàn)標(biāo)識碼： A 文章編號：2095-5200（2015）03-004-04

四維放射治療技術(shù)是在影像定位、計(jì)劃設(shè)計(jì)和治療實(shí)施階段均明確考慮解剖結(jié)構(gòu)隨時(shí)間變化的放射治療技術(shù)[1]。4D CT技術(shù)在掃描過程中引入時(shí)間概念，通過呼吸感受器準(zhǔn)確捕捉腫瘤隨呼吸的運(yùn)動軌跡，并依此確定內(nèi)靶區(qū)、制定放療計(jì)劃。四維計(jì)劃設(shè)計(jì)是根據(jù)四維影像數(shù)據(jù)制定帶有時(shí)間標(biāo)記的射野參數(shù)的過程[2-3]，大致包括如下過程：①4D圖像采集：采集多套時(shí)相序列的4D CT圖像；②時(shí)相間變形配準(zhǔn)：以某個(gè)時(shí)相為參考圖像，配準(zhǔn)其他時(shí)相3D圖像，獲得各時(shí)相間的變形配準(zhǔn)矩陣；③組織建模：逐層勾畫各時(shí)相上靶區(qū)及危及器官解剖結(jié)構(gòu)（或把參考圖像上勾畫的靶區(qū)、危及器官的解剖結(jié)構(gòu)，通過變形配準(zhǔn)矩陣映射到其他時(shí)相上）；④計(jì)劃設(shè)計(jì)及劑量計(jì)算：設(shè)計(jì)參考時(shí)相的放療計(jì)劃，并對其他時(shí)相的射野形狀、強(qiáng)度分布等做相應(yīng)調(diào)整，計(jì)算劑量；⑤計(jì)劃評價(jià)：對所有時(shí)相的合成劑量分布進(jìn)行評價(jià)。

目前，四維放療計(jì)劃設(shè)計(jì)，基本基于4D CT，通過各時(shí)相輪廓融合，準(zhǔn)確獲取個(gè)體化的內(nèi)靶區(qū)（ITV），然后在單一時(shí)相上計(jì)算劑量分布；然后與3DCT上制作的相同處方劑量、射野方向、優(yōu)化條件下的放療計(jì)劃進(jìn)行對比分析。肺癌、肝癌、胰腺癌等應(yīng)用研究表明，四維靶區(qū)勾畫可在保證靶區(qū)準(zhǔn)確基礎(chǔ)上減少進(jìn)入PTV的正常組織體積，更好地保護(hù)正常組織[4-7]。四維CT在完成靶區(qū)精確定位同時(shí)，也為危及器官受量的準(zhǔn)確評估提供了一種有力工具[8-10]。本文基于以上結(jié)果，進(jìn)一步研究在采用相同靶區(qū)、危及器官勾畫方式，相同處方劑量情況下，采用兩種不同4D計(jì)劃設(shè)計(jì)方案的劑量分布差異，探討在滿足臨床精度要求時(shí)，是否可對4D計(jì)劃設(shè)計(jì)進(jìn)行部分簡化。

1 材料與方法

原發(fā)性肝癌患者10例，腫瘤位于肝右葉。4D CT掃描前訓(xùn)練患者呼吸，使其在自然狀態(tài)下保持平靜、均勻呼吸。每例患者的4D CT圖像都由10個(gè)不同呼吸時(shí)相CT序列組成，且均采用兩種方案進(jìn)行4D計(jì)劃設(shè)計(jì)，分別定義為準(zhǔn)4D計(jì)劃和4D計(jì)劃。對比分析兩種方式的劑量差異。

1.1 輪廓勾畫

研究表明，基于參考時(shí)相輪廓變形獲得其余時(shí)相的4D 輪廓，相比作為4D輪廓標(biāo)準(zhǔn)實(shí)現(xiàn)形式的逐層勾畫所有時(shí)相輪廓方式，體積平均增大約9%[11]。故本文采用所有時(shí)相逐層勾畫方式進(jìn)行4D CT輪廓勾畫。利用ModernTPS計(jì)劃系統(tǒng)軟件，輸入10個(gè)呼吸時(shí)相的CT圖像，并在各時(shí)相序列圖像中分別勾畫GTV、CTV和危及器官。為了保證靶區(qū)勾畫的重復(fù)性及準(zhǔn)確性，同一患者的所有靶區(qū)、危及器官均由同一放療醫(yī)師在同一窗寬、窗位條件下勾畫。

1.1.1 準(zhǔn)4D計(jì)劃的輪廓勾畫 靶區(qū)：在4D CT的10套時(shí)相序列圖像中分別勾畫GTV、CTV，外擴(kuò)擺位邊界得到PTV，融合形成PTV準(zhǔn)4D。危及器官：在4D CT的10套時(shí)相序列圖像中分別勾畫各個(gè)危及器官，各危及器官輪廓所有時(shí)相融合后，形成各危及器官自己的4D融合輪廓。為了更準(zhǔn)確評估肝臟受量，我們對肝臟進(jìn)行勾畫時(shí)，會扣去GTV，把剩下部分作為正常肝臟。

1.1.2 4D計(jì)劃的輪廓勾畫 靶區(qū)：采用準(zhǔn)4D計(jì)劃勾畫的各時(shí)相的GTV、CTV、PTV，但不進(jìn)行時(shí)相間的融合；危及器官：采用準(zhǔn)4D計(jì)劃勾畫的各時(shí)相的危及器官輪廓，但不進(jìn)行時(shí)相間的融合。

1.2 放療計(jì)劃優(yōu)化

采用兩種方案進(jìn)行4D計(jì)劃優(yōu)化，分別如下。

1.2.1 準(zhǔn)4D計(jì)劃（基于PTV準(zhǔn)4D，在單一時(shí)相上計(jì)劃優(yōu)化） 以吸氣末時(shí)相為參考時(shí)相，在參考時(shí)相中進(jìn)行計(jì)劃優(yōu)化。靶心設(shè)置為PTV準(zhǔn)4D幾何中心，總劑量50～60Gy，常規(guī)分割，要求95%的等劑量曲線覆蓋≥95%PTV準(zhǔn)4D。

1.2.2 4D計(jì)劃（不同時(shí)相各自計(jì)劃優(yōu)化后變形疊加） 每個(gè)時(shí)相采用與準(zhǔn)4D計(jì)劃相同的靶心設(shè)置方式、適形目標(biāo)、射野方向、分次數(shù)，但處方劑量為準(zhǔn)4D計(jì)劃的十分之一。同時(shí)，射野形狀、權(quán)重根據(jù)靶區(qū)和危及器官的變化做相應(yīng)調(diào)整。各時(shí)相劑量評價(jià)標(biāo)準(zhǔn)也要求95%的等劑量曲線覆蓋≥95%PTV。同樣選取吸氣末的時(shí)相為參考時(shí)相，各時(shí)相劑量計(jì)算完成后，將所有時(shí)相的劑量通過變形配準(zhǔn)，等權(quán)重疊加到參考時(shí)相上，然后在參考時(shí)相上進(jìn)行計(jì)劃評價(jià)。

1.3 分析方法

把4D計(jì)劃得到的靶區(qū)和危及器官劑量結(jié)果視為理想結(jié)果，比較其與準(zhǔn)4D計(jì)劃的靶區(qū)和危及器官的劑量差異。對結(jié)果數(shù)據(jù)采用配對Wilcoxon符號秩和檢驗(yàn)的方法進(jìn)行統(tǒng)計(jì)分析，P<0.05認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 兩種方案中處方劑量對比

在不增加肝臟V30、肝臟Dmean及左右腎V20等危及器官劑量的前提下，4D計(jì)劃在原有處方劑量的基礎(chǔ)上可略有提升。如表1所示，4D計(jì)劃相比準(zhǔn)4D計(jì)劃10例患者PTV的平均劑量略有提升，但兩者的差異不顯著（P>0.05）；同時(shí)，4D計(jì)劃相比準(zhǔn)4D計(jì)劃ITV的的平均劑量也略有提升，但兩者的差異也不顯著（P>0.05）。

2.2 兩種方案中危及器官的劑量對比

如表2所示，對于肝V30（%），準(zhǔn)4D計(jì)劃的百分比體積略大于4D計(jì)劃，但無統(tǒng)計(jì)學(xué)意義差異（P>0.05）；對于肝的平均劑量，準(zhǔn)4D計(jì)劃（略大于4D計(jì)劃，但差異不顯著（P>0.05，無統(tǒng)計(jì)學(xué)意義差異）。同時(shí)，4D計(jì)劃中左腎、右腎、胃的受量均略有降低。結(jié)果表明4D計(jì)劃相比準(zhǔn)4D計(jì)劃對危及器官的保護(hù)要稍好，但差異并不顯著。

注：V30（%）代表30Gy劑量對應(yīng)的百分比體積；V20（%）代表20Gy劑量對應(yīng)的百分比體積；Dmean（Gy）代表平均劑量，單位為Gy；Dmax（Gy）代表最大劑量，單位為Gy。

3 討論

四維影像定位技術(shù)已較為成熟，并已商業(yè)化。隨著成像技術(shù)、多葉光柵以及機(jī)械控制技術(shù)發(fā)展，患者治療時(shí)可實(shí)時(shí)跟蹤腫瘤運(yùn)動，使射線束實(shí)時(shí)跟隨目標(biāo)腫瘤，成為腫瘤運(yùn)動補(bǔ)償問題的發(fā)展方向。實(shí)時(shí)跟蹤優(yōu)點(diǎn)在于直線加速器的工作周期不會和呼吸門限法一樣有所損失，因此不會加長治療時(shí)間。最常用的跟蹤方法是基于X射線透視成像對運(yùn)動腫瘤實(shí)時(shí)成像跟蹤[12-14]，還有基于電磁的追蹤技術(shù)[15]。四維治療實(shí)施過程中，除對腫瘤實(shí)時(shí)跟蹤外，治療實(shí)施對呼吸時(shí)相的變化有響應(yīng)時(shí)間（呼吸監(jiān)測系統(tǒng)、光柵等設(shè)備的參數(shù)調(diào)整需要時(shí)間），需要預(yù)測軟件來減小響應(yīng)時(shí)間引入誤差[16-18]。隨著上述技術(shù)發(fā)展，真正的四維放療實(shí)施即將成為可能。

本文研究目的是評估是否可對四維計(jì)劃設(shè)計(jì)過程進(jìn)行簡化，以減少4D治療實(shí)施過程中射野參數(shù)調(diào)整，進(jìn)而減少四維治療實(shí)施過程中累積誤差，間接提高治療效果，同時(shí)改善四維放療臨床應(yīng)用可操作性。本研究可見，在采用相同的4D靶區(qū)和危及器官輪廓勾畫方式，相同的射野方向和處方劑量要求的情況下，對各個(gè)時(shí)相各自優(yōu)化射野參數(shù)的真正4D計(jì)劃，在靶區(qū)劑量提升及危及器官保護(hù)方面都優(yōu)于直接在參考時(shí)相上計(jì)劃優(yōu)化的準(zhǔn)4D計(jì)劃，但兩種方案下的差異并不顯著。說明在肝癌四維放射治療技術(shù)臨床應(yīng)用時(shí)，可以探討對4D計(jì)劃優(yōu)化過程中進(jìn)行部分簡化，提高該技術(shù)臨床應(yīng)用的可操作性。本文受限于所收集到的患者數(shù)量，對臨床各種復(fù)雜情況的覆蓋率有限，對于個(gè)別呼吸幅度較大或靶區(qū)與危及器官結(jié)構(gòu)相對比較復(fù)雜的患者，本文中的兩種方式可能會產(chǎn)生稍大的差異，需要后續(xù)研究中進(jìn)一步探索。

參 考 文 獻(xiàn)

[1] Keall PJ， Joshi S， Vedam SS， et al. Four-dimensional radiotherapy planning for DMLC-based respiratory motion tracking[J]. Med Phys，2005，32（4）：942-951.

[2] Keall PJ. 4-dimensional computed tomography imaging and treatment planning[J]. Semi Radiat Oncol，2004，14（1）：81-90.

[3] 戴建榮，胡逸民. 圖像引導(dǎo)放療的實(shí)現(xiàn)方式[J].中華放射腫瘤學(xué)雜志，2006，15（2）： 132-135.

[4] Xi M， Liu MZ， Deng XW， et al. Defining internal target volume（ITV）for hepatocellular carcinoma using four-dimensional CT[J]. Radiother Oncol， 2007，84（3）： 272-278.

[5] Korreman S， Persson G， Nygaard D，et al. Respiration-correlated image guidance is the most important radiotherapy motion management strategy for most lung cancer patients[J].Int J Radiat Oncol Biol Phys，2012，83（4）：1338-1343.

[6] Sangalli G， Passoni P， Cattaneo GM， et al. Planning design of locally advanced pancreatic carcinoma using 4DCT and IMRT/IGRT technologies[J]. Acta Oncol，2011， 50（1）：72-80.

[7] 習(xí)勉，劉孟忠，鄧小武，等.基于四維CT原發(fā)性肝癌內(nèi)靶體積的確定及劑量學(xué)研究[J]，中華放射腫瘤學(xué)雜志，2009，18（6）：477-481.

[8] Admiraal MA， Schuring D， Hurkmans CW. Dose calculations accounting for breathing motion in stereotactic lung radiotherapy based on 4D-CT and the internal target volume[J]. Radiother Oncol，2008，86（1）：55–60.

[9] Glide-Hurst CK， Hugo GD， Liang J， et al. A simpli?ed method of four-dimensional dose accumulation using the mean patient density representation[J]. Med Phys，2008， 35（12）： 5269–5277.

[10] Zhang G， Feygelman V， Huang TC， et al. Motion-weighted target volume and dose-volume histogram： a practical approximation of four-dimensional planning and evaluation[J]. Radiother Oncol，2011，99（1）：67-72.

[11] Elisabeth Weiss， Krishni Wijesooriya， Viswanathan Ramakrishnan，et al.Comparison of intensity-modulated radiotherapy planning based on manual and automatically generated contours using deformable image registration in four-dimensional computed tomography of lung cancer patients[J].International Journal of Radiation Oncology Biology Physics，2008，70（2）：572-581+2.

[12] Cooper B， OBrien R， Balik S， et al. Respiratory triggered 4D cone-beam computed tomography： A novel method to reduce imaging dose[J]. Med Phys，2013， 40（4）：041901.

[13] Cho B， Poulsen P， Sloutsky A，et al. First demonstration of combined kV/MV image-guided real-time dynamic multileaf-collimator target tracking[J]. Int J Radiat Oncol Biol Phys， 2009，74（3）： 859-867.

[14] Cho B， Poulsen PR， Keall PJ， Real-time tumor tracking using sequential kV imaging combined with respiratory monitoring： a general framework applicable to commonly used IGRT systems[J]. Phys Med Biol，2010， 55（12）：3299-3316.

[15] Ravkilde T， Keall PJ， H?jbjerre K，et al. Geometric accuracy of dynamic MLC tracking with an implantable wired electromagnetic transponder[J]. Acta Oncol，2011， 50（6）：944-951.

[16] Ruan D， Keall PJ. Online prediction of respiratory motion： multidimensional processing with low-dimensional feature learning[J]. Phys Med Biol，2010， 55（11）：3011-3025.

[17] Pollock S， Lee D， Keall PJ，et al. Audiovisual biofeedback improves motion prediction accuracy[J]. Med Phys，2013， 40（4）： 041705.

[18] Fledelius W， Keall PJ， Cho B， et al. Tracking latency in image-based dynamic MLC tracking with direct image access[J]. Acta Oncol，2011， 50（6）： 952-959.