无商业证书环境下的跨中心食管癌自动计划实现

陈艳，刘宏嘉，王海洋，黄宇亮，王佳琦，田洪波，吴昊，陈晨，李全福，张艺宝

1.绵阳市第三人民医院肿瘤放疗中心/四川省精神卫生中心，四川 绵阳 621000；2.北京大学肿瘤医院暨北京市肿瘤防治研究所放疗科/恶性肿瘤发病机制及转化研究教育部重点实验室，北京 100142；3.北京大学电子学院，北京 100871；4.鄂尔多斯市中心医院肿瘤科，内蒙古 鄂尔多斯 017000

前言

RapidPlan（Varian Medical Systems,Palo Alto,CA）作为一种基于先验知识的自动计划方法,利用机器学习技术从历史计划中提取剂量分布、解剖结构、布野条件等数据建立剂量体积直方图（Dose Volume Histogram,DVH）预测模型，该模型可根据新病例的解剖特征和射野设置等预测可能实现的剂量分布，并由此生成个体化优化参数以实现计划的自动优化。文献研究表明，RapidPlan 不仅可以实现计划效率的提升［1］，而且可以减少因物理师主观差异造成的不一致性［2］，实现与人工计划相似甚至更好的质量［3-9］，具有良好的临床应用前景。

RapidPlan 的应用对计划系统的运行环境有更高的要求，包括支持光子优化（Photon Optimizer,PO）算法的高版本Eclipse 计划系统，以及RapidPlan 商业证书等，升级费用较高。此外在技术层面，建立一个符合临床要求的RapidPlan 模型非常耗时耗力，不仅需要准备充足的历史优质病例作为训练集数据，还要求物理师具备建模的理论基础及丰富的临床计划设计经验。而模型从初步建立到统计学分析和清洗［10-11］，再到模型参数调试、验证和迭代优化的试错，整个过程繁琐复杂［12］，也在一定程度上阻碍了该技术的临床推广，尤其是在资源相对缺乏的基层医院的应用。以绵阳市第三人民医院为例，应用RapidPlan 技术的主要困难包括：（1）由于经费限制，本院Eclipse 系统为较老的V10.0 版本，不具备RapidPlan 所需的PO 算法，且未购买RapidPlan 模块的商业证书；（2）人力资源限制，本院仅有2 名物理师，均不具备RapidPlan 建模所需的理论基础和实践经验，且大部分工作时间需应对临床计划设计和质控等工作；（3）历史数据缺乏，尤其是建模所需的大量、一致性高的优质病例相对不足，这些也是基层医院使用RapidPlan技术所面临的普遍共性问题。

在无商业证书的环境下，对外院RapidPlan 模型进行共享和拓展性应用，是解决上述问题的思路之一，使更多的医院和患者在有限资源条件下、以更低的成本尽快获益于人工智能放疗计划设计［13］，尤其是通过RapidPlan模型“移植”高水平医院的先进技术和治疗规范，提升计划效率和一致性的同时，减少物理师主观因素对放疗的影响，改进患者服务和医疗水平。

在复杂多变的跨中心应用环境下，尤其是在没有RapidPlan 商用证书的平台上，如何发挥自动计划的作用，以及RapidPlan 在多中心不同技术条件下的应用效果等，国内外文献尚无相关报道，本工作对此问题进行探讨。

1 材料与方法

1.1 北京大学肿瘤医院RapidPlan食管癌模型

本工作拟移植的模型来自北京大学肿瘤医院放疗科（以下简称北京模型）已发表的食管癌RapidPlan模型［14］，该模型基于15.6 版本Eclipse，由301 例历史优质容积旋转调强（Volumetric Modulated Arc Therapy,VMAT）食管癌计划训练完成，并由40 例未参与建模的本地病例独立验证和调参，最终模型可实现绝大部分本地病例的一次性自动优化，满足临床要求。

该模型的训练集包含了复杂的靶区部位解剖分段和多种处方形式。其中颈上段占比8.64%，胸中上段占比42.86%，胸中下段（含食管胃结合部）占比24.3%，全段占比21.3%，锁骨淋巴结或腹腔淋巴结转移占比3%；训练集中既包含60 Gy/50.4 Gy（40.86%）、60 Gy/54 Gy（11.96%）、50 Gy/45 Gy（5%）、46 Gy/41.4 Gy（9.3%）、56 Gy/50.4 Gy（6%）、54 Gy/50.4 Gy（3.3%）等同步推量处方，也包含60、50.4、45、54 Gy 等其他单处方。所有训练集病例均由PO 算法优化，光子剂量算法（Acuros External Beam,AXB）算法完成剂量计算，其中既有使用Millennium 120 多叶准直器（MMLC）的计划（占比96.68%），也有使用High Definition 120 多叶准直器（HDMLC）的计划（占比3.32%），使用6 MV 光子的计划占比20.60%，6 MV-FFF 光子的计划占比2.33%，10 MV 光子的计划占比66.45%，10 MV-FFF 光子的计划占比10.63%，不同加速器之间已进行束流匹配。

1.2 模型跨中心应用环境和无商业证书“移植”方案

模型拟迁移应用的单位，绵阳市第三人民医院放疗科（以下简称绵阳三院）的硬件条件和软件环境与北京模型的开发单位存在诸多不同，主要包括：绵阳三院仅有一台配置MMLC 的Trilogy 加速器，仅使用6 MV 单一光子能量（未做束流匹配）的固定野调强（Intensity-Modulated Radiation Therapy,IMRT）技术，采用Dose Volume Optimizer（DVO）优化算法，使用较低版本Eclipse（V10.0）系统且无PO 算法和RapidPlan 模块商业证书（license），剂量计算采用相对较老的各向异性分析算法（Anisotropic Analytical Algorithm,AAA）等，如表1所示。

表1 北京大学肿瘤医院建模环境和绵阳市第三人民医院移植应用环境比较Table 1 Comparison of modeling environment in Peking University Cancer Hospital and application environment in the Third Hospital of Mianyang

上述平台环境导致绵阳三院无法通过常规方法直接“移植”和使用北京模型进行食管癌放疗计划的剂量预测和自动优化。为了解决上述平台性问题，本工作采取的移植技术方案包括：（1）本组之前发表的研究提示基于VMAT 计划训练的模型可以用于IMRT 计划的预测和参数生成［15］，因此本工作将绵阳三院完成勾画和IMRT 布野的病例传输到北京大学肿瘤医院的Eclipse 平台；（2）基于上述勾画和布野条件，在北京大学肿瘤医院Eclipse 环境中选择与绵阳三院应用环境相符的6 MV 光子和MMLC，采用PO算法进行RapidPlan 预测并自动生成个体化优化条件；（3）将生成的优化条件保存并导出，其中RapidPlan 独有的DVH Line 条件被转化为一系列剂量-体积点；（4）将上述图像文件、勾画结构、布野条件（包括IMRT机架和准直器角度、MMLC和6 MV光子能量）和RapidPlan 生成的优化参数传回并导入绵阳三 院Eclipse V10.0 环境；（5）利用远程获得的RapidPlan 个体优化条件，在DVO 优化算法和AAA等较低版本环境下，完成本地病例IMRT 计划的优化，且优化过程不对优化条件进行人工干预，以评估本方法的可行性和效果。

1.3 验证病例和参考计划

为评估移植计划与人工计划的质量水平，参照RTOG9405［16］并结合绵阳三院实际情况，选择26例食管癌患者作为验证病例，处方剂量为本地最常见的60 Gy/50.4 Gy，并以其历史临床计划（人工设计，A 计划）作为参考标准。验证病例包含颈上段3 例（11.54%），胸中上段15 例（57.70%），胸中下段5 例（19.23%），全段食管癌3例（11.54%）。其中男性21例（80.77%）、女性5例（19.23%），中位年龄59.5岁，年龄范围47～81岁。靶区勾画标准以ICRU50［17］、ICRU62［18］号报告为依据，计划评估参照《2019 NCCN 食管和食管胃结合部癌第2 版》［19］并结合本单位临床要求，人工设计的临床计划根据病例难易程度选择5～7 个IMRT 射野，处方要求至少保证计划肿瘤靶区（Planning Gross Target Volume,PGTV）95%的体积在28 次治疗中接受不低于60 Gy 的剂量，计划靶区（Planning Target Volume,PTV）95%的体积在28 次治疗中接受不低于50.4 Gy的剂量。

保持临床A计划布野条件不变，通过上节所述方法，采用RapidPlan远程生成个体化优化参数，在绵阳三院Eclipse 平台利用DVO 算法重新优化26 例食管癌IMRT 计划，并利用AAA 计算剂量分布，获得B 计划（即绵阳三院环境下远程移植RapidPlan计划）。

为评估跨中心模型移植应用的效果和准确性，并比较RapidPlan模型生成的相同优化参数在不同版本Eclipse和算法等环境下的剂量学差异，本工作还基于相同的病例和参数设置，在北京大学肿瘤医院Eclipse V15.6版本计划系统，采用PO算法优化并用（AXB）算法计算剂量分布，得到有RapidPlan商业证书的正常高版本Eclipse环境下的自动计划（正常RapidPlan环境下的自动计划，C计划）。将B、C计划的靶区剂量归一至与A计划相似的覆盖率，以便于比较危及器官剂量。

1.4 剂量学比较和统计学方法

本工作定量评估并比较了3 组计划的剂量学指标：（1）靶区 PGTV、PTV 的均匀性指数（Heterogeneous Index,HI），HI=（D2%-D98%）/D50%，HI越小表示靶区内的剂量分布越均匀，其中Dx%表示x%的体积对应的剂量；（2）靶区PTV 的适形度指数（Conformal Index,CI），CI=V100%/Vtarget，CI越接近于1表示靶区的适形度越好，其中V100%表示处方剂量所包括的体积，Vtarget表示靶区的体积；（3）按照指南和临床要求对于危及器官的剂量要求，统计VxGy（最小接受剂量为xGy的体积），Dxcc（xcm3体积接受的最小剂量），平均剂量Dmean，最大剂量Dmax等。

利用SPSS 25.0软件对每组数据进行正态性检验（Kolmogorov-Smirnov），对于符合正态分布的数据（P＞0.05）采用ANOVA检验，反之采用非参数检验，设P＜0.05为差异有统计学意义。将3组计划从Eclipse计划系统中导出的文本格式DVH数据传至自编Python程序中，提取剂量学参数并计算平均DVH 数据，利用SigmaPlot软件绘制平均DVH图进行比较。

2 结果

实验表明虽然存在表1所展示的诸多差异，通过应用RapidPlan 生成可移植的个体优化参数，在远程跨中心跨技术实现自动计划设计具有可行性。

通过表2和图1得知3 组计划均符合临床要求，仅在靶区的均匀性（HIPGTV、HIPTV）、脊髓外放5 mm 及Body Dmax数据上有统计学意义。

3 讨论

表2和图1均提示，在无RapidPlan商业证书的环境下，远程利用模型生成的自动优化参数获得的B组计划可以满足临床质量要求，从表2统计的22 个参数中，与人工计划A 相比，B 组优于A 组计划的参数占12 项（54.55%），提示即使在无RapidPlan 商用证书的环境下，通过远程应用RapidPlan生成的优化参数，仍能实现符合临床要求的自动计划且与人工水平相当，大部分参数还能更好，且自动计划避免了人工试错过程，效率大幅提高。

图1 3组计划的平均剂量体积直方图比较Figure 1 Mean DVH comparison among 3 groups

相比之下，在正常RapidPlan 证书下使用更高版本Eclipse环境获得的自动计划（C组），表2统计的22项参数中有15 项（63.64%）表现最好，提示正常环境下使用RapidPlan 进行自动计划设计仍有一定优势，但3组间ANOVA或非参数分析提示绝大部分差异不具有统计学意义（P＞0.05）。

由于技术资源和资金条件有限，很多基层医院的计划系统版本较旧，不支持RapidPlan所需的PO算法，或没有购买RapidPlan商业证书，因而无法直接使用已开发模型完成自动计划设计。食管癌是我国西南地区的高发癌种之一，同时也是绵阳三院的常见放疗病例，计划设计难度相对较大，也耗费物理师很多时间［20-22］，因此对自动计划的应用具有迫切需求，包括通过人工智能技术缩小与大医院在放疗计划设计质量方面的差异，同时通过流程自动化提高设计效率和经济效益，从而为更多基层患者提供更好、更同质化的放疗服务。在复杂多变的环境下跨中心移植和应用RapidPlan模型也在更大的范围内具有良好的临床意义，满足临床试验同质化等科研需求。

本工作的创新性在于,将RapidPlan 的应用拓展到无商业证书环境下、使用DVO 算法的IMRT 计划设计，并证明了其可行性和良好的剂量学表现。该结果的理论依据在于，虽然RapidPlan 强制要求使用为其专门研发的PO 算法，但该算法仅在模型的预测和优化参数生成阶段发挥作用，因此在无PO 算法条件下，移植其他单位计算出的个体优化参数具有理论可行性，而以一系列剂量-体积点代替Line 参数也被证明具有良好的效果。

值得一提的是，虽然危及器官之间存在相互竞争导致RapidPlan和人工计划的DVH 存在交叉，但无论有无商业证书，RapidPlan 自动计划的效率均大幅优于人工计划，且无需反复试错调整优化参数。表2的数据还提示，以B、C 组为代表的自动计划15 项剂量学参数的标准差也≤人工计划，占比68.18%，说明自动计划的一致性更好，受到计划设计者主观因素的影响较小，能够满足基层医院对于提高临床效率和质量同质化的多元化需求。

表2 RapidPlan跨中心应用3组计划剂量学参数比较（±s）Table 2 Dosimetric comparison among 3 groups for assessing cross-institutional applications of RapidPlan(Mean±SD)

表2 RapidPlan跨中心应用3组计划剂量学参数比较（±s）Table 2 Dosimetric comparison among 3 groups for assessing cross-institutional applications of RapidPlan(Mean±SD)

参数HIPGTV HIPTV CIPTV双肺V5Gy/%双肺V20Gy/%双肺V30Gy/%双肺Dmean/Gy心脏V30Gy/%心脏V40Gy/%心脏Dmean/Gy脊髓Dmax/Gy脊髓外放5 mm Dmax/Gy肝V20Gy/%肝Dmean/Gy胃Dmax/Gy胃Dmean/Gy左肾Dmean/Gy右肾Dmean/Gy肠D5cc/Gy肠Dmax/Gy Body Dmax/%跳数A计划0.08±0.01 0.26±0.01 0.94±0.02 49.29±13.74 20.26±6.62 11.20±3.93 10.87±2.93 33.60±23.20 19.65±13.54 21.89±12.23 35.14±1.57 40.57±2.19 25.99±5.65 12.12±2.39 54.84±19.31 22.43±11.13 9.01±5.06 4.79±2.22 25.81±15.46 52.56±6.96 111.51±1.85 1 190.35±167.31 B计划0.08±0.01 0.26±0.01 0.94±0.01 48.38±12.49 21.94±6.72 10.85±4.04 10.81±2.73 36.38±23.01 18.46±13.67 21.92±12.14 35.35±1.36 39.26±1.91 23.13±6.27 11.24±2.17 54.80±19.35 23.61±11.53 7.67±3.54 6.18±2.18 28.26±17.44 53.48±5.14 111.05±2.19 1 238.19±139.04 C计划0.07±0.01 0.24±0.01 0.93±0.02 45.31±10.86 21.70±6.66 10.56±3.96 10.42±2.61 35.66±22.63 18.14±13.58 21.71±12.06 34.81±1.33 38.54±1.85 22.89±6.27 11.03±2.15 54.36±19.21 23.27±11.39 7.55±3.57 6.08±2.19 28.33±17.70 53.95±5.98 109.77±1.94 1 241.04±139.75 P值＜0.01＜0.01 0.17 0.18 0.29 0.85 0.65 0.95 0.84 0.97 0.07＜0.01 0.68 0.72 0.95 0.98 0.61 0.24 0.99 0.97 0.01 0.83

4 结论

本研究提出了在无RapidPlan商业证书的多中心环境下，在较低版本的计划系统上采用不同的算法和治疗技术实现自动计划设计的方法，并在食管癌病例上验证了该方法的可行性和剂量学表现，该方法有利于RapidPlan自动计划技术的跨中心移植推广和应用，让更多基层医院以更低的经济成本和资源门槛，获益于人工智能技术带来的效率提升和放疗计划同质化，也为未来放疗计划的集中化、规模化远程设计提供了可能。