肝癌放射治疗中自动计划技术的普适性验证
2021-07-03许六军李婷婷张玉洁嵇卫星曾昭冲吴志峰张建英
许六军, 李婷婷, 张玉洁, 肖 寒, 嵇卫星, 郭 明, 曾昭冲, 吴志峰, 张建英*
1. 复旦大学附属中山医院放疗科,上海 200032 2. 复旦大学附属眼耳鼻喉科医院放疗科,上海 200031
随着精确放疗水平的提高,越来越多的原发性或转移性肝癌患者会接受调强放疗(intensity modulated radiotherapy, IMRT)和容积调强放疗(volume modulated radiation therapy, VMAT)[1-4]。然而,考虑到高质量计划标准的缺乏以及实施过程的复杂性,设计治疗计划仍然是一项具有挑战性的任务[5-6],也是一个耗时的过程[7]。
自动计划可能是解决这些问题的一种方法。近年来,多项研究[8-18]已探索自动优化治疗计划的可能性。自动计划可根据原理分为2类:基于知识的计划(knowledge-based planning, KBP)和自动计划引擎(auto-planning engine, APE)。两者在提高计划质量和缩短计划设计时间方面都展示出了有效性。此外已经证实,在计划质量上,采用APE和重叠体积直方图(overlapping volume histogram, OVH)的KBP具有可比性[19]。
KBP技术的一个代表是Rapid Plan,是Eclipse治疗计划系统中的一个模块。Rapid Plan 应用于不同放疗中心、不同加速器技术和不同放疗计划系统的可行性已得到验证[20-21]。另一方面,基于APE技术的自动计划模块,Pinnacle计划系统中的Auto-Planning,约束条件通常只能针对特定的诊断,相关研究[14-17]也基本集中在肿瘤差异不大的头颈部和盆腔。对于腹部肿瘤,比如肝癌,由于靶区大小和位置差异均较大,即使进行APE自动计划,也需要手动给出约束条件,以充分考虑靶区与危及器官之间的几何关系,自动计划的优势也因此被削弱。
针对上述问题,近期研究人员开发了一种基于知识学习,应用于Auto-Planning的自动计划模型[22],其中的约束条件与靶区的几何特性相关。……
