機(jī)器學(xué)習(xí)在調(diào)強(qiáng)放療計(jì)劃劑量驗(yàn)證中的作用

閻華偉，張吉，林志禧，金獻(xiàn)測(cè)，韓策

溫州醫(yī)科大學(xué)附屬第一醫(yī)院 放療中心，浙江 溫州 325015

先進(jìn)的放射治療技術(shù)，如調(diào)強(qiáng)放射治療（intensity-modulated radiation therapy,IMRT）和容積調(diào)制弧形治療（volumetric modulated arc therapy,VMAT）已有許多臨床應(yīng)用。然而，這些技術(shù)在計(jì)劃和出束方面都非常復(fù)雜，必須在實(shí)施之前進(jìn)行安全的保證[1]?；诨颊咛囟ǖ馁|(zhì)量保證（quality assurance,QA）測(cè)量被用于確認(rèn)劑量傳遞的準(zhǔn)確性。該過(guò)程通常涉及使用伽馬通過(guò)率（gamma pass rate,GPR）評(píng)估將計(jì)算的劑量分布與測(cè)量的劑量分布進(jìn)行比較[2]。因此，針對(duì)調(diào)強(qiáng)計(jì)劃的劑量驗(yàn)證是極其重要的環(huán)節(jié)。根據(jù)美國(guó)醫(yī)學(xué)會(huì)物理學(xué)家協(xié)會(huì)（AAPM）TG218建議，對(duì)于該部分提出了相應(yīng)的臨床限值[3]。使用人工智能（artificial intelligence,AI）和機(jī)器學(xué)習(xí)（machine learning,ML）來(lái)幫助預(yù)測(cè)和進(jìn)行決策已經(jīng)在一系列學(xué)科中廣泛應(yīng)用，包括腫瘤放射治療學(xué)和醫(yī)學(xué)物理學(xué)，其中也有涉及到質(zhì)量保證部分。因此，本研究擬提取VMAT放療計(jì)劃的復(fù)雜度參數(shù)，利用一種通用的機(jī)器學(xué)習(xí)方法，對(duì)3%/3 mm、3%/2 mm和2%/2 mm三種不同標(biāo)準(zhǔn)下的GPR分別進(jìn)行數(shù)值跟分類預(yù)測(cè)。

1 資料和方法

1.1 一般資料 收集2019年3月至2020年8月在溫州醫(yī)科大學(xué)附屬第一醫(yī)院接受雙弧VMAT治療的141例患者，其中男56例（39.71%），女85例（60.28%），包括99例盆腔腫瘤患者（宮頸、子宮內(nèi)膜、直腸、前列腺等部位）、42例頭頸部腫瘤患者（鼻咽、口咽、喉咽等部位），分別占70.21%和29.79%?；颊呔捎醚雠P位、熱塑體模固定，CT模擬定位掃描層厚設(shè)定為3 mm。由腫瘤放射治療副主任醫(yī)師進(jìn)行靶區(qū)及OAR勾畫(huà)，盆腔患者的PTV處方劑量均為45 Gy/25次，1.8 Gy/次，頭頸部的PTV處方劑量均為60 Gy/30次，2.0 Gy/次。所有計(jì)劃均采用6 MV X射線束，Elekta Synergy直線加速器（瑞典Elekta公司），配備了80片多葉準(zhǔn)直器（MLCi2TM,瑞典Elekta公司），由MONACO（Monaco 5.1.1，瑞典Elekta公司）治療計(jì)劃系統(tǒng)（treatment planning system,TPS）設(shè)計(jì)完成。優(yōu)化過(guò)程中，劑量網(wǎng)格尺寸為3.0 mm，光滑度（smooth）設(shè)定為低。所有的VMAT調(diào)強(qiáng)放療計(jì)劃在主管醫(yī)師審核通過(guò)后進(jìn)行傳統(tǒng)方式的模體驗(yàn)證。將3D二極管陣列的ArcCHECK（Model 1220）在直線加速器下模擬患者擺位，并調(diào)用調(diào)強(qiáng)治療計(jì)劃模擬患者治療出束，然后采用SNC Patient（v.6.2.1，Sun Nuclear Corporation）軟件進(jìn)行雙弧復(fù)合調(diào)強(qiáng)驗(yàn)證和分析。閾值設(shè)定為10%，計(jì)算3%/3 mm、3%/2 mm和2%/2 mm三種不同標(biāo)準(zhǔn)下的全局GPR。見(jiàn)表1。

表1 不同標(biāo)準(zhǔn)下的GPR測(cè)量值

1.2 實(shí)驗(yàn)設(shè)計(jì) 本研究設(shè)計(jì)路線見(jiàn)圖1。

圖1 研究設(shè)計(jì)路線圖

1.3 特征提取 從放射TPS中導(dǎo)出放療DICOM-RT文件中的信息，包括RTplan、RTStructure、RTDose、RTimage等，使用Matlab2016a（美國(guó)Mathwork公司）根據(jù)自己編寫(xiě)的軟件代碼進(jìn)行讀取和處理，從而得到13個(gè)調(diào)強(qiáng)放療計(jì)劃的復(fù)雜度參數(shù)，具體參考本課題組之前的研究結(jié)果[4]，見(jiàn)表2。

表2 調(diào)強(qiáng)計(jì)劃復(fù)雜度參數(shù)匯總

1.4 特征選擇及模型建立 將患者病種、模體劑量驗(yàn)證不同條件下的GPR、調(diào)強(qiáng)計(jì)劃的復(fù)雜度參數(shù)等信息進(jìn)行一一對(duì)應(yīng)并整合，在RStudio中進(jìn)行進(jìn)一步處理。數(shù)據(jù)按照7∶3的比例進(jìn)行隨機(jī)劃分，70%作為模型的訓(xùn)練集，利用該部分對(duì)數(shù)據(jù)集建模，并調(diào)整權(quán)重參數(shù)；剩下的30%作為測(cè)試集，利用該部分來(lái)評(píng)估最終模型的泛化能力。本研究對(duì)于GPR預(yù)測(cè)分為數(shù)值預(yù)測(cè)跟分類預(yù)測(cè)兩部分。在GPR數(shù)值預(yù)測(cè)方面，將計(jì)劃復(fù)雜度參數(shù)與GPR之間進(jìn)行Pearson相關(guān)分析；若P＜0.05，分別篩選出3%/3 mm、3%/2 mm、2%/2 m三個(gè)標(biāo)準(zhǔn)下潛在的有意義的特征。在GPR分類預(yù)測(cè)方面，根據(jù)TG218分別設(shè)定3%/3 mm、3%/2 mm、2%/2 mm標(biāo)準(zhǔn)下95%、95%和90%作為臨床界值，以判定調(diào)強(qiáng)計(jì)劃是否可以執(zhí)行，從而分為“通過(guò)”“失敗”兩類，采用LASSO以幫助選擇不同條件下的關(guān)鍵特征。本研究構(gòu)建基于支持向量機(jī)（support vector machines,SVM）的GPR預(yù)測(cè)模型，分別進(jìn)行數(shù)值預(yù)測(cè)跟二元分類預(yù)測(cè)。在數(shù)值預(yù)測(cè)中，SVM的類型設(shè)定為“C-cllassification”，核函數(shù)設(shè)定為“radial”；在分類變量中，類型設(shè)定為“espregression”，核函數(shù)設(shè)定為“radial”。

1.5 模型評(píng)估 使用各種指標(biāo)對(duì)模型的準(zhǔn)確性進(jìn)行評(píng)估。針對(duì)GPR數(shù)值準(zhǔn)確性，平均值、標(biāo)準(zhǔn)差、均方根誤差、平均絕對(duì)誤差作為評(píng)價(jià)指標(biāo)；對(duì)于GPR分類預(yù)測(cè)準(zhǔn)確性，繪制受試者工作特征（receiver operating characteristic,ROC）曲線，使用曲線下面積（area under curve,AUC）進(jìn)行評(píng)價(jià)。

1.6 統(tǒng)計(jì)學(xué)處理方法 采用Matlab 2016a（美國(guó)Mathwork公司）讀取和處理計(jì)劃復(fù)雜性特征；使用R軟件（version 3.0.1,MathSoft）執(zhí)行以下過(guò)程：通過(guò)使用“caret”包來(lái)實(shí)現(xiàn)Pearson相關(guān)分析作為GPR數(shù)值的特征篩選；通過(guò)使用“glmnet”包來(lái)實(shí)現(xiàn)LASSO回歸作為GPR分類的特征篩選；分別使用“e1071”包和“pROC”包支持向量機(jī)模型和ROC曲線。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 GPR數(shù)值預(yù)測(cè) 在3%/3 mm、3%/2 mm、2%/2 mm條件下，模型分別篩選出11、11、11個(gè)關(guān)鍵參數(shù)。不同標(biāo)準(zhǔn)下，伴隨著分析條件越嚴(yán)格，預(yù)測(cè)的偏差越大，在訓(xùn)練集和測(cè)試集中均得到體現(xiàn)。見(jiàn)表3。

表3 不同標(biāo)準(zhǔn)下訓(xùn)練集與測(cè)試集中的GPR數(shù)值預(yù)測(cè)（%）

2.2 GPR分類預(yù)測(cè) 在3%/3 mm、3%/2 mm、2%/2 mm條件下，模型分別篩選出4、6、3個(gè)關(guān)鍵參數(shù)。在上述的條件下，訓(xùn)練集中的AUC分別0.82、0.91、0.79；測(cè)試集結(jié)果分別0.79、0.78、0.77。見(jiàn)表4和圖2。

圖2 不同條件下訓(xùn)練集和測(cè)試集的ROC曲線分析結(jié)果

表4 不同標(biāo)準(zhǔn)下訓(xùn)練集與測(cè)試集中的GPR分類預(yù)測(cè)

3 討論

現(xiàn)階段，針對(duì)患者的調(diào)強(qiáng)放療計(jì)劃的劑量驗(yàn)證需要專門(mén)在直線加速器下，在每個(gè)計(jì)劃執(zhí)行前，使用體?；蚱渌?yàn)證設(shè)備對(duì)其模擬真實(shí)情況進(jìn)行測(cè)量并分析?？紤]到該過(guò)程質(zhì)量保證的重要性及必要性，并給臨床帶來(lái)了沉重的工作負(fù)擔(dān)。因此，如何更加方便、高效地完成是目前亟待解決的問(wèn)題。一些研究已經(jīng)證實(shí)，在質(zhì)量保證中，調(diào)強(qiáng)計(jì)劃的復(fù)雜性和GPR之間存在一定的關(guān)系[5-7]。已有研究表明，隨著劑量分布適形度的增加，調(diào)強(qiáng)放療計(jì)劃的復(fù)雜度也隨之增加，對(duì)計(jì)劃的準(zhǔn)確實(shí)施產(chǎn)生一定的影響[8-9]。

近幾年，機(jī)器學(xué)習(xí)已逐漸被廣泛應(yīng)用于腫瘤調(diào)強(qiáng)放療的質(zhì)量保證，預(yù)測(cè)GPR的準(zhǔn)確性已經(jīng)發(fā)展成為一種比傳統(tǒng)更有效的質(zhì)量保證方法[10-11]。在本研究中，我們收集了盆腔、頭頸部等多部位的調(diào)強(qiáng)放療計(jì)劃，并提取復(fù)雜性參數(shù)作為構(gòu)建模型的輸入端，通過(guò)機(jī)器學(xué)習(xí)-支持向量機(jī)的方法分別預(yù)測(cè)3%/3 mm、3%/2 mm和2%/2 mm三種不同條件下的GPR的數(shù)值與分類的準(zhǔn)確性。

在GPR數(shù)值預(yù)測(cè)方面，構(gòu)建支持向量機(jī)的機(jī)器學(xué)習(xí)方法模型顯示，3%/3 mm條件下的測(cè)試集中預(yù)測(cè)誤差為0.49%±2.19%，這與前人的一些研究成果相近。如ONO等[12]應(yīng)用回歸樹(shù)分析（regression tree analysis,RTA）、多元線性回歸分析和神經(jīng)網(wǎng)絡(luò)（neural networks,NNs）3種機(jī)器學(xué)習(xí)模型對(duì)GPR的預(yù)測(cè)誤差分別為0.6%±2.4%、0.5%±2.4%和0.2%±2.1%。另外，3%/3 mm、3%/2 mm和2%/2 mm三種標(biāo)準(zhǔn)下，測(cè)試集中的平均絕對(duì)誤差分別為1.56%、2.68%、3.67%，這與LI等[13]對(duì)VMAT計(jì)劃采用泊松套索回歸（poisson lasso,PL）模型驗(yàn)證集中的平均絕對(duì)誤差相近，符合隨著條件越嚴(yán)苛，預(yù)測(cè)偏差越大的結(jié)果。

對(duì)于GPR分類預(yù)測(cè)方面，三個(gè)標(biāo)準(zhǔn)下的，測(cè)試集的AUC結(jié)果都接近0.8。其中，在3%/2 mm條件下，測(cè)試集的AUC結(jié)果分別0.79，敏感度、特異度分別為1.00 和0.57。LI等[13]研究的驗(yàn)證集結(jié)果顯示，PL模型的特異度和敏感度分別為1.00和0.33。

已有研究證明，2%/2 mm標(biāo)準(zhǔn)比3%/3 mm標(biāo)準(zhǔn)更能敏感地檢測(cè)出臨床相關(guān)誤差[14]。因此，構(gòu)建適用多條件下的GPR的預(yù)測(cè)模型是非常有必要的。此外，美國(guó)影像與放射腫瘤學(xué)中心（imaging and radiation oncology core,IROC）一項(xiàng)研究表明，治療計(jì)劃的復(fù)雜性不能預(yù)測(cè)來(lái)自多個(gè)機(jī)構(gòu)的IROC擬人頭頸部模體認(rèn)證的效果[15]。這表明使用計(jì)劃復(fù)雜性特征可能存在不穩(wěn)定，結(jié)合其他特征或者選擇其他更加穩(wěn)定的特征進(jìn)行預(yù)測(cè)，也是我們以后研究的方向。

綜上所述，這項(xiàng)研究證明基于機(jī)器學(xué)習(xí)對(duì)調(diào)強(qiáng)放療計(jì)劃進(jìn)行劑量驗(yàn)證具有一定的臨床應(yīng)用價(jià)值，為質(zhì)量保證提供了一種新思路與新方法，可以提高直線加速器跟物理師的工作效率，縮短患者等待放療的時(shí)間，更為腫瘤患者得到合理的綜合治療提供支持。