放射治疗自适应自动计划技术的群体泛化移植研究

Treatment planning is one of the key steps in the whole process of radiotherapy. The plan quality will affect the outcome of the tumor treatment. Currently, the iterative optimization algorithm is widely available in the commercial treatment planning system. Treatment planning is a time-consuming process and needs trial-and-error optimization to optimize the dose distribution and generally requires a few hours or a few days to create a clinically acceptable treatment plan. The long treatment planning time is the key bottleneck that results in the long waiting time for patients. Therefore, it is crucial to break the bottleneck with new treatment planning technique. In this study, we will take the both advantages of the quick beam shape deformation and no iteration optimization from the adaptive auto-planning algorithm and modify this algorithm with the generalization and transplant technique (GTT). The new GTT based adaptive auto-planning algorithm will expand from its originally quick plan modify for an individual patient to the quick plan design for a whole patient group. The new GTT based adaptive auto-planning algorithm will realize the quick treatment planning for the new patient. Compared to the commercial treatment planning, the new technique can significantly reduce the optimization time and improve the treatment planning efficiency without compromising the plan quality. This technique will be especially feasible for the department with heavy patient load. It will significant reduce the patient waiting time.

放射治疗计划是放射治疗流程中的关键一环，其质量的优劣直接影响肿瘤放疗的疗效。目前临床采用的商业计划系统普遍采用迭代优化算法，往往需要数小时甚至数天才能获得一个符合临床要求的治疗计划，其较低的计划设计效率是导致目前患者需要等待较长时间才能治疗的一个关键瓶颈。因此，临床上迫切需要研究出新的快速计划设计技术来打破这一瓶颈。本研究拟整合现有快速射野形变和快速非迭代优化两大技术优点，来实现创新的快速自适应自动计划技术，并自主研发算法对该技术进行泛化移植，扩展其只在单一患者治疗过程中的快速计划修改功能至整个患者群体的快速计划设计。进行泛化移植后的算法将有效地应用于新病人的治疗计划工作。相比于传统的商用计划设计优化技术，该新技术在获得类似或者较高计划质量的同时可明显缩短计划优化时间，提高治疗计划的设计效率。本技术将尤其有利于国内病人负荷量巨大的临床放疗中心，显著减少患者计划优化的等待时间。

逆向调强放疗(IMRT)目前是主流的放射治疗技术，它的优势在于确保肿瘤靶区受到足够照射剂量的同时，降低靶区周边正常组织和危及器官的受照剂量，具有明显的剂量学优势。但是，IMRT治疗技术的开展需要剂量师进行手动的治疗计划设计，治疗计划的质量高度地依赖于剂量师的经验和水平，由此影响着放射治疗的潜在疗效。并且，放射治疗计划的设计需要反复迭代，不断进行各种参数的调节和试错，这是放射治疗计划优化设计效率低的主要原因。.本项目通过对基于形变的自适应计划技术进行泛化移植，建立了基于计划库的自动计划设计技术（atlas-guided automatic planning, AGAP），以期实现计划设计的自动化，提高计划设计的效率。AGAP技术的研究内容分为四个模块：计划库目前由96例直肠癌患者的解剖信息和治疗计划参数信息构成；相似患者检索模块利用傅里叶描述子检索与新患者解剖结构最为相似的样本计划，并且返回该相似患者的计划信息；射野形变模块将相似患者的计划参数通过自开发的形变算法，形变成新患者的初始计划参数；计划微调模块通过脚本方法自动对新患者得到的初始计划参数进行优化微调，最终得到该患者的放疗计划。我们通过leave-one-out的验证方法对该96例患者进行了验证，并且将AGAP设计的放疗计划与商用TPS设计的计划（称为P-auto计划）进行了比较，以验证其可行性。.本项目最终实现了患者放射治疗计划设计的全流程自动化，提高了计划设计的效率并且减小了不同计划设计之间的质量差异。AGAP计划与P-auto计划的靶区覆盖(V100)都为95.4%±0.4，适型指数分别为1.02±0.03和0.98±0.01。靶区剂量覆盖率和适型性都十分接近。在正常组织的保护方面，AGAP技术设计的放射治疗计划也与P-auto设计的计划相似。.本研究的科学意义在于相比较传统的商用计划设计优化技术，本研究提出的自动计划设计方法具有同等计划质量的同时，实现了全流程的自动化，大大缩短计划优化时间，提高治疗计划产生效率。