马秀瑞 张建英 李婷婷 张玉洁 肖 寒 孙 菁 吴泇俣 嵇卫星

（复旦大学附属中山医院放疗科 上海 200032）

放射治疗的重要目标是提高肿瘤控制率，同时降低正常组织的不良反应发生率。要达到这一目标，靶区和正常器官的准确勾画是整个治疗过程的关键一环。但是，由于个人的主观辨识能力不同和软件勾画精度不同，靶区与正常器官的勾画结果往往差异较大［1-2］。为了保证勾画结果的一致性，目前临床上主要使用基于图谱库（Atlas）［3-4］和基于深度学习的自动勾画方法。基于图谱库（Atlas）的自动勾画方法在临床上使用已有一段时间，该方法的精度受到建模数据和配准方式的影响，普适性较差。基于深度学习的自动勾画方法使自动勾画精度到达了一个新的水平，已有部分产品逐步投入临床，如AccuContour［5］、DeepViewer［5］、AI Contour［6］等。在 相 关 的 产 品 和文献中，一般采用自动与人工勾画的几何差异，如戴斯相似系数（Dice similarity coefficient，DSC）、豪斯多夫距离（Hausdorff distance，HD）等，来评估自动勾画结果。例如，据Sahiner等［7］统计显示，在部分研究中，肺、肝、脾、肾的DSC可以达到0.94～0.97，胰腺、膀胱、前列腺的DSC为0.71～0.87，部分靶区的DSC在0.6～0.9，不同器官和靶区的自动勾画准确性差异较大。

仅带有几何评估参数的自动勾画技术是否可以直接用于临床，临床关注的问题是自动与人工勾画导致的剂量差异有多大，是否会对治疗及预后产生影响。Zhu等［8］研究了自动与人工勾画在食管癌中的剂量差异，两种勾画方式导致的危及器官的剂量差异＜1 Gy或1%，在临床上可以接受；该研究中，肺、心脏、脊髓以及脊髓PRV的DSC分别为0.97、0.93、0.84和0.92，但是二者之间的关系作者并未进一步分析。……