AAA算法和PBC算法在食管癌调强放疗中的验证评估

张先稳 张西志 花 威 李 军 汪步海 陈婷婷

食管癌是我国最常见的恶性肿瘤之一，三维适形放射治疗技术和调强放射治疗技术的临床应用为食管癌的放疗提供了重要手段。在肿瘤放疗过程中，计划设计所选剂量算法的准确性是必须考虑的问题。瓦里安Eclipse 8.6放射治疗计划系统提供各向异性分析算法(anisotropic analytical algorithm，AAA)与光子笔形束卷积算法(pencil beam convolution，PBC)，本文应用COMPASS剂量验证系统，对食管癌中2种算法调强放疗计划进行剂量验证，探讨其准确度［1］。

1 资料与方法

1.1 临床资料

随机选取我院2012年1月～8月收治的9例食管癌患者。男性6例，女性3例，平均年龄63岁，年龄52～70岁。病理类型均为鳞癌。计划靶区(planning target volume，PTV)长度为 14～21 cm，双肺体积为(2897.22 ～3902.61)cm3。

1.2 计划设计

应用瓦里安Eclipse 8.6治疗计划系统进行靶区勾画、计划设计与评估。大体肿瘤靶区(gross tumor volume，GTV)为影像上可见肿瘤病灶;临床靶区(clinical target volume，CTV)为GTV外放8 mm，并包括区域淋巴结引流区，上界为胸廓入口，下界为肿瘤下4 cm;PTV为CTV沿三维外放5 mm。对GTV给定处方剂量为6 000 cGy/28次，PTV为5 040 cGy/28次。对所选病例设计逆向调强放疗计划，采用五野均分布野方式(00、720、1440、2160、2880)、6 MV X 射线、剂量率为300 MU/min、瓦里安Clinac ix加速器、120片MLC、优化算法为DVO。计划优化后分别采用AAA算法、PBC算法计算。

1.3 剂量验证

对2种算法的放疗计划分别生成QA验证计划，应用IBA公司的COMPASS三维剂量验证系统进行相对剂量验证。Gamma分析中设置相对剂量偏差 ＜3%、距离偏差＜3 mm的约束限制，以γ＜1为通过。验证结果与计划系统的结果进行比较。两者差异计算公式［1］为:PD=100% × (Dcal-Dn)/Dn，式中 PD 为差异百分比(%);Dcal为计划系统计算出的剂量(cGy);Dn为COMPASS系统测量出的剂量(cGy)。

1.4 评估方法

通过DVH图，分析以下各指标的差异。

GTV、PTV的平均剂量Dmean及至少接受相应处方剂量水平照射的体积V100%、均匀性指数(homogeneity index，HI)和适合度指数(conformity index，CI)。HI=D5%/D95%，其中D5为5%靶体积受照最低剂量，D95为95%靶体积受照最低剂量，HI值越大(远离1)说明该计划的剂量分布均匀性越差。CI=VTref/VT×VTref/Vref，其中VT为靶体积，VTref为参考等剂量线面所包绕靶区的体积，Vref为参考等剂量线面所包绕的所有区域的体积。CI值在0～1，越靠近1说明靶区适合度越好［2］。

危及器官(organs at risk，OARs):脊髓1%体积接受照射的最大剂量D01;肺V5(照射剂量为5 Gy时的体积)、V10、V15、V20、V30及平均剂量 Dmean;心脏 V30、V40和平均剂量Dmean。

此外，还分析GTV、PTV和OARs的γ通过率。

1.5 统计学方法

所有数据应用SPSS15.0软件进行分析。两种计划剂量学差异采用配对t检验，以P＜0.05为差异有统计学意义。

2 结果

2.1 γ通过率

AAA算法GTV、PTV、双肺、心脏的γ通过率高于PBC算法，差异有统计学意义(P＜0.05)。对于脊髓2种算法γ通过率相近(P=0.182)，见表1。

表1 2种算法GTV、PTV和OARs γ通过率比较

2.2 各评价指标的差异

GTV 的Dmean、V100%、HI及PTV 的HI，AAA 算法结果均优于PBC算法，差异均有统计学意义。2种算法GTV、PTV的 Dmean值差异分别为(-2.74±0.11)%、(3.03 ± 0.16)%，(-2.38 ± 0.16)%、(-1.29±0.19)%;表明计划值低于测量值。

AAA算法双肺各指标计划值均低于测量值。PBC算法双肺除V20、V30外余计划值均偏低于测量值。2种算法双肺各指标间比较差异有统计学意义，但AAA算法差异PD值较小，即计划值更接近于实际值。两种算法的双肺V15值均较接近实际值，PBC算法更明显，V15有转折点的趋势。心脏的 Dmean、V30、V402种算法 PD 值相近(P=0.449，0.958，0.322)。2 种算法脊髓D01的计划值均高于测量值，计划值D01高估了(1.56 ±0.25)%、(4.48 ±1.13)%，差异有统计学意义，见表2。

3 讨论

AAA算法是三维的笔型束卷积叠加算法，它的模型建立考虑了原射线、电子线污染以及准直器散射的影响，对不均匀介质中的剂量计算能够进行更准确的修正，更接近于实际测量值，是1种更精确的算法［3，4］。PBC算法采用的是卷积技术和快速傅立叶变换，是一维能量非局部沉积算法。PBC算法不能准确地体现射线穿过2种不同密度组织时的2次建成效应，但大多数情况下能够较好地满足剂量计算的精度要求。研究表明［5］，PBC算法趋向于过高估计靶区内低密度肺组织的吸收剂量，同时欠估计肺组织内的低剂量区域。

AAA算法与PBC算法的剂量学对比国内外已多有报道［3～7］，但多强调肺受量的区别。食管癌是我国最常见的恶性肿瘤，目前，国内也有关于食管癌中AAA算法和PBC算法的计划值剂量学比较的报道［6］，但没有剂量验证的支持，本文应用三维剂量验证系统COMPASS来验证2种算法计划值与COMPASS测量值的相对差异，讨论AAA算法和PBC算法的准确度，为食管癌临床放疗提供参考。伍然等［8］通过二维电离室矩阵Matrixx验证得出类似于肺部肿瘤这种靶区周围存在明显密度差异的肿瘤，AAA算法的γ通过率更高，运算结果更加准确。Bragg等［7］比较了AAA算法和PBC算法在前列腺、鼻咽癌和肺癌中的应用。结果表明，在前列腺、鼻咽癌应用中两种算法差别很小，而在肺癌计划中产生了较大的变化，并验证了AAA算法的计算结果与测量值较一致。本研究结果得出了同样的结果。AAA算法GTV、PTV、双肺、心脏的γ通过率高于PBC算法，2种算法对双肺受量均有一定程度的低估，但AAA算法更接近测量值。Rønde等［9］通过测量验证同样得出在不均匀组织中AAA算法优于PBC算法，同时指出对于6MX线，AAA算法低估了脊髓受量近7%，而PBC算法则高估了脊髓受量近4%。本研究中对于脊髓，AAA算法和PBC算法分别高估了1.56%、4.48%，与 Rønde HS稍有差别，可能与验证方法有关。因为条件所限，本研究仅用COMPASS进行了相对剂量的验证，而没有利用模体进行绝对剂量的验证，故有一定的局限性。此外，本研究中心脏的受量，2种算法都有所低估，在设计放疗计划时应引起重视。

表2 2种算法GTV、PTV评价指标差异PD值比较

综合考虑各指标差异，食管癌调强放疗中AAA算法比PBC算法更准确。

［1］柏朋刚，李奇欣，陈开强，等.CONPASS系统在鼻咽癌容积旋转调强剂量验证中的应用〔J〕.中华放射医学与防护杂志，2012，32(3):304.

［2］Weiss E，Siebers JV，Kell PJ.An analysis of 6-MV versus 18-MV photon energy plans for intensity-modulated radiation therapy(IMRT)of lung cancer〔J〕.Radiother Oncol，2007，82:52.

［3］Carlaprile P，Venencia CD，Besa P.Comparison between measured and calculated dynamic wedgedose distributions using the anisotropic analytic algorithm and pencil-beam convolution〔J〕.J Appl Clin Med Phys，2006，8:47.

［4］刘晓静，张西志，李 军，等.胸中段食管癌旋转容积调强与固定野动态调强放疗的剂量学研究〔J〕.实用癌症杂志，2011，26(6):630

［5］伍 然，全 红，徐利明.肺部肿瘤IMRT计划制定过程中不同算法的评估〔J〕.肿瘤预防与治疗，2011，24(3):164.

［6］谭丽娜，石 梅，柴广金，等.食管癌调强放疗计划中AAA算法与PBC算法的对比研究〔J〕.中国医学物理学杂志，2012，29(1):3093.

［7］Bragg CM，Wingate K，Conway J.Clinical implications of the anisotropic analytical algorithm for IMRT treatment planning and verification〔J〕.Radiother Oncol，2008，86(2):276.

［8］伍 然，全 红，徐利明.不同算法所得IMRT计划的剂量学验证评估〔J〕.中国医学物理学杂志，2011，28(3):2581.

［9］Rønde HS，Hoffmann L.Validation of Varian＇s AAA algorithm with focus on lung treatments〔J〕.Acta Oncol，2009，48(2):209.