黄洋洋，刘宗文，杨军，董胜楠，田玉龙

(1.郑州大学第二附属医院 放疗科，河南 郑州 450014；2.郑州大学第三附属医院 设备科，河南 郑州 450052；3.复旦大学华山医院 放疗科，上海 200040；4.郑州大学第五附属医院 放疗科，河南 郑州 450052)

放射治疗是一个复杂的过程，其中有许多因素会影响计划的Gamma通过率[1-2]。本文重点研究静态调强(static intensity modulated radiation therapy，sIMRT)计划参数中的子野数和总跳数(monitor units，MUs)等对Gamma通过率的影响[3]。在sIMRT计划设计过程中，不同数量的主射野会产生不同数量的子野数和MUs[4]；不同的子野分割强度也会产生不同数量的子野数和MUs[5]；不同的准直器角度也会导致多叶光栅修饰靶区的能力发生变化，从而改变子野数和MUs[6]。不同的子野数和MUs也会对sIMRT计划的Gamma通过率产生影响。本文通过建立起Gamma通过率与子野数和MUs的回归方程，采用定量分析方法，为实际工作中Gamma通过率的采集提供对照和参考。

1 材料与方法

1.1 实验设备本研究所用加速器为瑞典Elekta公司Synergy型加速器，该型设备共有40对多叶光栅，每片光栅在加速器等中心平面投影宽度为1 cm。本研究使用sIMRT技术。每次实验前，对加速器硬件做质控，以保证其工作在最佳状态。计划系统(Treatment Planning System，TPS)为CMS公司XiO 5.0。剂量验证工具为IBA公司OmniPro I’mRT软件和二维矩阵MatriXX。

1.2 患者资料和定位回顾性选取郑州大学第二附属医院放疗科2019—2020年10例鼻咽癌放疗患者、14例肺癌放疗患者和20例直肠癌术后放疗患者，分期使用AJCC TNM分期标准[7]。鼻咽癌患者T2N1M0、T3N2M0、T3N2M1期患者分别为5、2和3例；患者年龄17～66岁；男7例，女3例。鼻咽癌靶区周围危及器官有脑干、脊髓、左右视神经、视交叉、垂体、左右晶体、左右眼球、左右颞叶、左右颞颌关节、左右腮腺、左右下颌骨、左右甲状腺、气管和喉等。肺癌患者T1N1M0期4例，T2N1M0期6例，T3N1M0期3例，T3N2M0期1例；患者年龄33～70岁；男11例，女3例。肺癌靶区周围危及器官有双肺、脊髓、心脏、食管和气管等。直肠癌术后患者T2N0M0期8例，T3N1M0期7例，T4N2M0期5例；患者年龄30～75岁；男12例，女8例。直肠癌靶区周围危及器官有马尾、膀胱、小肠和左右股骨头等。CT定位时3种疾病体位都是仰卧位，分别使用头颈肩热塑膜和体部热塑膜。鼻咽癌CT扫描层厚为3.0 mm，肺癌和直肠癌CT扫描层厚为5.0 mm。CT图像经局域网传输至TPS。

1.3 sIMRT计划设计为了控制实验过程中的变量，将鼻咽癌计划、肺癌计划和直肠癌计划全部重新设计1次，靶区设置为计划靶区，单次放疗剂量设为200 cGy，并且所有计划统一要求95%的靶区体积≥处方剂量。

鼻咽癌sIMRT计划设计为9野均分，射野角度从0°开始；肺癌sIMRT计划设计4～5个射野，射野方向大致从纵膈照射到靶区。直肠癌sIMRT计划设计为5野均分，射野角度也从0°开始。每组sIMRT计划的逆向条件和子野分割方式等计划设计条件一致[8-9]。TPS具体设置为：剂量计算网格大小为3 mm×3 mm×3 mm，子野收敛强度为8，最小子野跳数为5 MU，最小子野边长为2.0 cm。所有计划都使用6 MV X射线。

1.4 采集sIMRT计划参数和Gamma通过率利用TPS采集每个sIMRT计划的主射野数、子野数和MUs等参数。Gamma通过率采集参数依据美国医学物理学家协会第119工作组报告，其标准设置为剂量差异3.0%，距离符合度3.0 mm，排除整个测量平面上低于中心参考点处10%阈值的数据[10]。MatriXX采集数据前所有主射野角度归零，Gamma通过率≥95.0%被认为剂量传递准确[11]。3组sIMRT计划的Gamma通过率采集工作在加速器质控后1周内完成，以确保实验过程中变量尽可能少。

1.5 统计学方法采用IBM公司SPSS 23.0软件，对TPS上读出的3组sIMRT计划的子野数、MUs，二维矩阵MatriXX测得的3组计划Gamma通过率数据分别做Shapiro-Wilk检验，将符合正态分布的数据做两两独立样本t检验，P<0.05为差异有统计学意义。把3组Gamma通过率数据汇集在一起，将子野数和MUs这2个自变量因素与Gamma通过率的关系做Pearson相关系数分析，然后将相关的因素纳入线性回归模型，定量分析Gamma通过率与子野数、MUs之间的线性关系。

2 结果

2.1 sIMRT计划参数和Gamma通过率从表1可知，鼻咽癌sIMRT计划的子野数[(117.50±12.74)个]和MUs[(860.59±91.61)MU]比其他两组对应的参数都大，Gamma通过率[(96.00±0.55)%]却是3组中最小的；肺癌的子野数[(42.71±11.37)个]和MUs[(491.10±124.68)MU]是3组sIMRT计划中最小的，Gamma通过率[(98.75±0.91)%]却是3组中最大的。3组sIMRT计划子野数、MUs和Gamma通过率比较，差异有统计学意义(P<0.05)。见表1。

表1 3组sIMRT计划参数和Gamma通过率的比较

2.2 Gamma通过率与子野数和MUs的关系本研究从线性、独立性、正态性和方差齐性4个方面建立Gamma通过率与子野数和MUs这2个因素的多重线性回归模型。将Gamma通过率设为Y，为因变量；自变量包括子野数和MUs，分别设为X1和X2。本研究样本数为44。应用Shapiro-Wilk检验分析全部sIMRT计划的Gamma通过率正态分布情况，检验结果P=0.063>0.05，说明全部Gamma通过率数值符合正态分布。对全部sIMRT计划Gamma通过率与其对应的子野数和MUs这2个因素分别做散点图和Pearson相关系数分析，以确定因变量和自变量的线性。从图1可以看出Gamma通过率分别与子野数和MUs之间有线性关系。除了散点图以外，再做Pearson相关系数分析并进行假设检验。Gamma通过率与子野数和MUs之间的相关系数分别为-0.896和-0.887，对相关系数进行假设检验的结果都为P<0.001，表明在总体上Gamma通过率与子野数和MUs之间具有直线相关关系；同时，2个相关系数都是负的，表明如果子野数和MUs增加，Gamma通过率就会下降；相关系数分别为-0.896和-0.887，数值都很接近-1，这表示Gamma通过率与子野数和MUs之间都有很强的相关性。

图1 Gamma通过率与子野数和MUs的散点图

对2个自变量做共线性识别和共线性诊断。共线性识别中，三维特征值为0.107，表示2个自变量之间无共线性；三维条件指数为17.787，也表示2个自变量之间无共线性。综合以上2个指标，可以认为2个自变量之间无共线性问题。

对3组sIMRT计划的Gamma通过率与子野数和MUs做多重线性回归分析，自变量筛选方法为逐步法。模型总结显示拟合的2个模型决定系数的改变情况，模型2的复相关系数R为0.912，决定系数R2为0.832，调整决定系数为0.824，估计值的标准误差为0.561 25。ANVOA分析结果为F=101.421，P<0.001，可以认为Y与X1和X2之间有线性关系。从表2 模型2结果得出多重线性回归方程为：Y=101.126-0.021X1-0.003X2。由多重线性回归方程可知，Gamma通过率由子野数和MUs共同决定，在其他自变量不变的情况下，子野数越多，Gamma通过率越低；MUs越多，Gamma通过率也越低。

表2 多重线性回归分析结果

3 讨论

sIMRT计划包括治疗部位、主射野数、子野数、MUs等因素，这些因素在不同程度上都会影响放疗计划的Gamma通过率。有研究认为sIMRT计划的多种参数中子野数和MUs最重要[12]。还有研究认为只需要MUs就可以表达出放疗计划的复杂性[13]。基于此，本研究探讨了Gamma通过率与子野数和MUs之间的关系，并且建立起Gamma通过率与子野数和MUs之间的多重线性回归方程。通过以上分析，期待寻找到提高sIMRT计划Gamma通过率的方法。

sIMRT计划的子野数和MUs会影响剂量投射的准确性。一般使用Gamma通过率来描述剂量投射的准确性。王凯等[14]通过比较前列腺癌调强放疗剂量验证的结果，发现子野数越少，Gamma通过率越高。李成强等[15]随机选取211例已验证过的VMAT计划，采用配对t检验分析计划与测量剂量分布的Gamma通过率差异，结果发现子野数和MUs是影响VMAT计划Gamma通过率的主要因素。吴仕章等[16]回顾性分析了924例患者的IMRT计划Gamma通过率与病变部位、MUs，采集剂量最大面积之间的关系，发现鼻咽癌Gamma通过率在统计所有部位中平均通过率最低，可能是因为鼻咽癌计划射野较多且优化后MUs较大。

本研究中，鼻咽癌sIMRT计划的子野数和MUs在3组中最大，Gamma通过率却最小，且差异有统计学意义；肺癌的子野数和MUs在3组sIMRT计划中最小，Gamma通过率却最大，且差异有统计学意义。通过以上分析可知，减少子野数和MUs可以提高sIMRT计划的Gamma通过率，提高剂量传递的准确度。建议在以后的工作中，在保证计划质量的前提下，减少放疗计划所包含的子野数和MUs。

有研究发现，在sIMRT计划中，Gamma通过率与计划参数之间存在某种线性关系[17]。基于此，本研究也同时建立了Gamma通过率与子野数和MUs的多重线性回归方程。分析回归方程可知，子野数和MUs前都为负号，表现出Gamma通过率随着子野数和MUs的增加而减少的规律；子野数的系数绝对值是MUs的7倍，说明子野数的变化对Gamma通过率的影响要远大于MUs。事实上，MUs是依附于子野的，一般来说，子野数越多，MUs也越多；反过来说，MUs越多，则子野数不一定越多。本回归方程在一定程度上预测了影响sIMRT计划Gamma通过率的相关因素，因此，对于建立Gamma通过率测量基准值和发现加速器潜在故障有重要应用价值[18]。利用回归方程得到的理论Gamma通过率与实际测得的Gamma通过率比较，若差异较大，可能预示着Gamma通过率采集过程有误；若采集过程经反复检查无误，预示着加速器硬件有可能出现偏差。

综上，在sIMRT计划执行过程中，Gamma通过率与子野数、MUs呈负相关。子野数和MUs是影响sIMRT计划Gamma通过率大小的关键因素。