肝癌四维CT放疗计划设计方式探讨

卿珍　邢立刚　尹勇　王慧玲　方浩　赵海　张爱萍　韩军

[摘 要] 目的：通过与标准流程制作的4D放疗计划剂量分布对比分析，探讨四维计划设计过程简化可行性。方法：选取原发性肝癌患者10例，每例患者都采用两种方案进行4D放疗计划设计，分别定义为准4D计划和4D计划。两种方案基于相同的4D轮廓勾画方式、射野方向和处方剂量，准4D计划在参考时相上进行布野及射野优化，而4D计划在各个时相上各自进行优化，然后变形叠加到参考时相。最终对比分析两种方案的剂量差异。结果：在肝癌危及器官保护和处方剂量提升方面，4D计划都略优于准4D计划，但无统计学意义差异。结论：临床应用肝癌的四维放射治疗技术，可以对4D计划优化过程进行部分简化，提高该技术临床应用的可操作性。但对于个别呼吸幅度较大或靶区与危及器官结构相对复杂患者，需要后续研究中进一步探讨。

[关键词] 4D CT；呼吸时相；计划优化；四维放射治疗；原发性肝癌

中图分类号：R445 文献标识码： A 文章编号：2095-5200（2015）03-004-04

四维放射治疗技术是在影像定位、计划设计和治疗实施阶段均明确考虑解剖结构随时间变化的放射治疗技术[1]。4D CT技术在扫描过程中引入时间概念，通过呼吸感受器准确捕捉肿瘤随呼吸的运动轨迹，并依此确定内靶区、制定放疗计划。四维计划设计是根据四维影像数据制定带有时间标记的射野参数的过程[2-3]，大致包括如下过程：①4D图像采集：采集多套时相序列的4D CT图像；②时相间变形配准：以某个时相为参考图像，配准其他时相3D图像，获得各时相间的变形配准矩阵；③组织建模：逐层勾画各时相上靶区及危及器官解剖结构（或把参考图像上勾画的靶区、危及器官的解剖结构，通过变形配准矩阵映射到其他时相上）；④计划设计及剂量计算：设计参考时相的放疗计划，并对其他时相的射野形状、强度分布等做相应调整，计算剂量；⑤计划评价：对所有时相的合成剂量分布进行评价。

目前，四维放疗计划设计，基本基于4D CT，通过各时相轮廓融合，准确获取个体化的内靶区（ITV），然后在单一时相上计算剂量分布；然后与3DCT上制作的相同处方剂量、射野方向、优化条件下的放疗计划进行对比分析。肺癌、肝癌、胰腺癌等应用研究表明，四维靶区勾画可在保证靶区准确基础上减少进入PTV的正常组织体积，更好地保护正常组织[4-7]。四维CT在完成靶区精确定位同时，也为危及器官受量的准确评估提供了一种有力工具[8-10]。本文基于以上结果，进一步研究在采用相同靶区、危及器官勾画方式，相同处方剂量情况下，采用两种不同4D计划设计方案的剂量分布差异，探讨在满足临床精度要求时，是否可对4D计划设计进行部分简化。

1 材料与方法

原发性肝癌患者10例，肿瘤位于肝右叶。4D CT扫描前训练患者呼吸，使其在自然状态下保持平静、均匀呼吸。每例患者的4D CT图像都由10个不同呼吸时相CT序列组成，且均采用两种方案进行4D计划设计，分别定义为准4D计划和4D计划。对比分析两种方式的剂量差异。

1.1 轮廓勾画

研究表明，基于参考时相轮廓变形获得其余时相的4D 轮廓，相比作为4D轮廓标准实现形式的逐层勾画所有时相轮廓方式，体积平均增大约9%[11]。故本文采用所有时相逐层勾画方式进行4D CT轮廓勾画。利用ModernTPS计划系统软件，输入10个呼吸时相的CT图像，并在各时相序列图像中分别勾画GTV、CTV和危及器官。为了保证靶区勾画的重复性及准确性，同一患者的所有靶区、危及器官均由同一放疗医师在同一窗宽、窗位条件下勾画。

1.1.1 准4D计划的轮廓勾画 靶区：在4D CT的10套时相序列图像中分别勾画GTV、CTV，外扩摆位边界得到PTV，融合形成PTV准4D。危及器官：在4D CT的10套时相序列图像中分别勾画各个危及器官，各危及器官轮廓所有时相融合后，形成各危及器官自己的4D融合轮廓。为了更准确评估肝脏受量，我们对肝脏进行勾画时，会扣去GTV，把剩下部分作为正常肝脏。

1.1.2 4D计划的轮廓勾画 靶区：采用准4D计划勾画的各时相的GTV、CTV、PTV，但不进行时相间的融合；危及器官：采用准4D计划勾画的各时相的危及器官轮廓，但不进行时相间的融合。

1.2 放疗计划优化

采用两种方案进行4D计划优化，分别如下。

1.2.1 准4D计划（基于PTV准4D，在单一时相上计划优化） 以吸气末时相为参考时相，在参考时相中进行计划优化。靶心设置为PTV准4D几何中心，总剂量50～60Gy，常规分割，要求95%的等剂量曲线覆盖≥95%PTV准4D。

1.2.2 4D计划（不同时相各自计划优化后变形叠加） 每个时相采用与准4D计划相同的靶心设置方式、适形目标、射野方向、分次数，但处方剂量为准4D计划的十分之一。同时，射野形状、权重根据靶区和危及器官的变化做相应调整。各时相剂量评价标准也要求95%的等剂量曲线覆盖≥95%PTV。同样选取吸气末的时相为参考时相，各时相剂量计算完成后，将所有时相的剂量通过变形配准，等权重叠加到参考时相上，然后在参考时相上进行计划评价。

1.3 分析方法

把4D计划得到的靶区和危及器官剂量结果视为理想结果，比较其与准4D计划的靶区和危及器官的剂量差异。对结果数据采用配对Wilcoxon符号秩和检验的方法进行统计分析，P<0.05认为差异有统计学意义。

2 结果

2.1 两种方案中处方剂量对比

在不增加肝脏V30、肝脏Dmean及左右肾V20等危及器官剂量的前提下，4D计划在原有处方剂量的基础上可略有提升。如表1所示，4D计划相比准4D计划10例患者PTV的平均剂量略有提升，但两者的差异不显著（P>0.05）；同时，4D计划相比准4D计划ITV的的平均剂量也略有提升，但两者的差异也不显著（P>0.05）。

2.2 两种方案中危及器官的剂量对比

如表2所示，对于肝V30（%），准4D计划的百分比体积略大于4D计划，但无统计学意义差异（P>0.05）；对于肝的平均剂量，准4D计划（略大于4D计划，但差异不显著（P>0.05，无统计学意义差异）。同时，4D计划中左肾、右肾、胃的受量均略有降低。结果表明4D计划相比准4D计划对危及器官的保护要稍好，但差异并不显著。

注：V30（%）代表30Gy剂量对应的百分比体积；V20（%）代表20Gy剂量对应的百分比体积；Dmean（Gy）代表平均剂量，单位为Gy；Dmax（Gy）代表最大剂量，单位为Gy。

3 讨论

四维影像定位技术已较为成熟，并已商业化。随着成像技术、多叶光栅以及机械控制技术发展，患者治疗时可实时跟踪肿瘤运动，使射线束实时跟随目标肿瘤，成为肿瘤运动补偿问题的发展方向。实时跟踪优点在于直线加速器的工作周期不会和呼吸门限法一样有所损失，因此不会加长治疗时间。最常用的跟踪方法是基于X射线透视成像对运动肿瘤实时成像跟踪[12-14]，还有基于电磁的追踪技术[15]。四维治疗实施过程中，除对肿瘤实时跟踪外，治疗实施对呼吸时相的变化有响应时间（呼吸监测系统、光栅等设备的参数调整需要时间），需要预测软件来减小响应时间引入误差[16-18]。随着上述技术发展，真正的四维放疗实施即将成为可能。

本文研究目的是评估是否可对四维计划设计过程进行简化，以减少4D治疗实施过程中射野参数调整，进而减少四维治疗实施过程中累积误差，间接提高治疗效果，同时改善四维放疗临床应用可操作性。本研究可见，在采用相同的4D靶区和危及器官轮廓勾画方式，相同的射野方向和处方剂量要求的情况下，对各个时相各自优化射野参数的真正4D计划，在靶区剂量提升及危及器官保护方面都优于直接在参考时相上计划优化的准4D计划，但两种方案下的差异并不显著。说明在肝癌四维放射治疗技术临床应用时，可以探讨对4D计划优化过程中进行部分简化，提高该技术临床应用的可操作性。本文受限于所收集到的患者数量，对临床各种复杂情况的覆盖率有限，对于个别呼吸幅度较大或靶区与危及器官结构相对比较复杂的患者，本文中的两种方式可能会产生稍大的差异，需要后续研究中进一步探索。

参 考 文 献

[1] Keall PJ， Joshi S， Vedam SS， et al. Four-dimensional radiotherapy planning for DMLC-based respiratory motion tracking[J]. Med Phys，2005，32（4）：942-951.

[2] Keall PJ. 4-dimensional computed tomography imaging and treatment planning[J]. Semi Radiat Oncol，2004，14（1）：81-90.

[3] 戴建荣，胡逸民. 图像引导放疗的实现方式[J].中华放射肿瘤学杂志，2006，15（2）： 132-135.

[4] Xi M， Liu MZ， Deng XW， et al. Defining internal target volume（ITV）for hepatocellular carcinoma using four-dimensional CT[J]. Radiother Oncol， 2007，84（3）： 272-278.

[5] Korreman S， Persson G， Nygaard D，et al. Respiration-correlated image guidance is the most important radiotherapy motion management strategy for most lung cancer patients[J].Int J Radiat Oncol Biol Phys，2012，83（4）：1338-1343.

[6] Sangalli G， Passoni P， Cattaneo GM， et al. Planning design of locally advanced pancreatic carcinoma using 4DCT and IMRT/IGRT technologies[J]. Acta Oncol，2011， 50（1）：72-80.

[7] 习勉，刘孟忠，邓小武，等.基于四维CT原发性肝癌内靶体积的确定及剂量学研究[J]，中华放射肿瘤学杂志，2009，18（6）：477-481.

[8] Admiraal MA， Schuring D， Hurkmans CW. Dose calculations accounting for breathing motion in stereotactic lung radiotherapy based on 4D-CT and the internal target volume[J]. Radiother Oncol，2008，86（1）：55–60.

[9] Glide-Hurst CK， Hugo GD， Liang J， et al. A simpli?ed method of four-dimensional dose accumulation using the mean patient density representation[J]. Med Phys，2008， 35（12）： 5269–5277.

[10] Zhang G， Feygelman V， Huang TC， et al. Motion-weighted target volume and dose-volume histogram： a practical approximation of four-dimensional planning and evaluation[J]. Radiother Oncol，2011，99（1）：67-72.

[11] Elisabeth Weiss， Krishni Wijesooriya， Viswanathan Ramakrishnan，et al.Comparison of intensity-modulated radiotherapy planning based on manual and automatically generated contours using deformable image registration in four-dimensional computed tomography of lung cancer patients[J].International Journal of Radiation Oncology Biology Physics，2008，70（2）：572-581+2.

[12] Cooper B， OBrien R， Balik S， et al. Respiratory triggered 4D cone-beam computed tomography： A novel method to reduce imaging dose[J]. Med Phys，2013， 40（4）：041901.

[13] Cho B， Poulsen P， Sloutsky A，et al. First demonstration of combined kV/MV image-guided real-time dynamic multileaf-collimator target tracking[J]. Int J Radiat Oncol Biol Phys， 2009，74（3）： 859-867.

[14] Cho B， Poulsen PR， Keall PJ， Real-time tumor tracking using sequential kV imaging combined with respiratory monitoring： a general framework applicable to commonly used IGRT systems[J]. Phys Med Biol，2010， 55（12）：3299-3316.

[15] Ravkilde T， Keall PJ， H?jbjerre K，et al. Geometric accuracy of dynamic MLC tracking with an implantable wired electromagnetic transponder[J]. Acta Oncol，2011， 50（6）：944-951.

[16] Ruan D， Keall PJ. Online prediction of respiratory motion： multidimensional processing with low-dimensional feature learning[J]. Phys Med Biol，2010， 55（11）：3011-3025.

[17] Pollock S， Lee D， Keall PJ，et al. Audiovisual biofeedback improves motion prediction accuracy[J]. Med Phys，2013， 40（4）： 041705.

[18] Fledelius W， Keall PJ， Cho B， et al. Tracking latency in image-based dynamic MLC tracking with direct image access[J]. Acta Oncol，2011， 50（6）： 952-959.