Application of Linear Accelerator on Boarding Kilovolt Fan Beam CT and Megavolt Cone Beam CT System on Set-up Errors During Radiation Treatment
-
摘要:目的
应用直线加速器机载千伏级扇形束CT(kV-FBCT)及兆伏级锥形束CT(MV-CBCT)定量分析不同治疗部位的肿瘤患者调强放射治疗期间的摆位误差,为制定临床靶区外放边界提供参考。
方法回顾性分析我科行放射治疗的患者,分别于每次常规摆位后,调强放射治疗前行kV-FBCT和(或)MV-CBCT扫描,与计划CT配准,纠正摆位,获取每次摆位误差,根据患者的位移计算不同治疗部位患者在左右、前后、头脚方向上的平均位移M、系统误差(Σ)和随机误差(б),通过PTV边界公式(2.5Σ+0.7б)估计在该方向所需要的外放边界。根据同一个患者的单次放疗获得三维位移。
结果70例患者共记录到1 130人次位移偏差,根据外扩边界公式得出三个方向上所需的PTV边界。头颈1.9~3.1 mm,胸部2.8~5.1 mm,乳腺4.6~5.1 mm,上腹部3.0~5.5 mm及盆腔3.5~6.8 mm。3D平均位移头颈、胸部、乳腺、上腹部和盆腔分别为2.4±1.0 mm、4.0±1.6 mm、4.1±2.0 mm、4.6±2.1 mm及4.6±2.1 mm。利用kV-FBCT和MV-CBCT校位所得3D位移中位值分别为:4.1 mm和3.4 mm,差异无统计学意义(P=0.212)。
结论直线加速器机载FBCT均可获得相似的可定量的摆位误差数据,但非等中心的影像引导所致的潜在误差不能忽略。
Abstract:ObjectiveTo quantify the setup errors for the different anatomical sites of patients who received intensity-modulated radiotherapy (IMRT) with linear accelerator on-board kilovolt fan beam CT(kV-FBCT) as non-isocenter IGRT and megavolt cone beam CT (MV-CBCT) as isocenter IGRT.
MethodsA retrospective analysis was performedon 70 patients who underwent radiotherapy, kV-FBCT, and/or MV-CBCT scans after each routine setup prior to IMRT. The average displacement (M), systematic error (Σ), and random error (б) at different treatment sites in the left-right, anterior-posterior, and cranial-caudal directions were calculated according to the individual displacements. The formula 2.5Σ+0.7б was used to estimate the PTV margin in respective direction. For each single patient, the root mean square in three directions was used as 3D displacement.
ResultsA total of 1130 displacements were recorded in the 70 patients. The PTV margin was estimated to be 1.9-3.1 mm in head and neck cancer, 2.8-5.1 mm in thoracic cancer, 4.6-5.1 mm in breast cancer, 3.0-5.5 mm in upper abdominal cancer, and 3.5-6.8 mm in pelvic tumor. For the 3D mean displacements, the head and neck, thoracic, breast, upper abdominal, and pelvic cancer were 2.4±1.0, 4.0±1.6, 4.1±2.0, 4.6±2.1, and 4.6±2.1 mm, respectively. The average 3D displacement obtained by kV-FBCT and MV-CBCT were 4.1 and 3.4 mm, respectively (P=0.212).
ConclusionThe quantitative setup-error data can be obtained using linear accelerator on-board FBCT, and the non-isocenter IGRT induced set-up error cannot be negligible.
-
Key words:
- On-board image system /
- Set-up error /
- Image-guided radiation therapy
-
0 引言
图像引导放射治疗(image guided radiation therapy, IGRT)已经成为恶性肿瘤治疗的重要手段之一,机载先进影像可以减小、校正患者的摆位误差,提高患者放疗的准确性[1-2]。目前基于三维IGRT已经成为主流,按能量可分为千伏级(kilovolt, kV)和兆伏级(megavolt, MV)[3],根据CT成像原理可分锥形束CT(cone beam CT, CBCT)和扇形束CT(fan beam CT, FBCT),FBCT的图像质量优于CBCT。一体化直线加速器机载的图像引导系统如联影直线加速器uRT 506c、CT-on-rail机载kV-FBCT[1]。虽然这种机载FBCT在线扫描时具有与诊断CT相似的图像质量[4-5],但kV-FBCT的中心与直线加速器治疗中心相距超过1米,导致采集kV影像时和放疗的时间之间有一定时间间隔,从而导致潜在的误差。因此,非等中心的kV影像清晰度是否能有效减低摆位误差、治疗计划体积(planning target volume, PTV)边界仍需要深入探索。南方医科大学深圳医院在2022年6月安装联影一体式直线加速器uRT-linac 506c并在肿瘤科开始投入使用,现回顾性分析该机器所配置的kV-FBCT和MV-CBCT校位数据,分析不同部位肿瘤患者在PTV各个方向的摆位误差和外放边界。
1 资料与方法
1.1 临床资料
收集2022年6月—2022年9月间在南方医科大学深圳医院肿瘤科行放射治疗的所有患者73例,剔除完成放射治疗≤3次的患者1例及照射上肢患者2例,共入组患者70例。其中男性36例、女性34例;年龄29~86岁,中位年龄58岁。根据照射部位不同将患者分为5个亚组:头颈组14例,胸部组(除乳腺)11例,乳腺组23例,上腹部组9例及盆腔组13例;行根治性放疗和辅助及新辅助放疗者33例,共计901例次,剂量范围:36~69.96 Gy,中位剂量60 Gy。姑息放疗37例,共计604例次,剂量范围:20~50 Gy,中位剂量30 Gy。所有患者均已签署知情同意书,该研究获得南方医科大学深圳医院伦理委员会的批准(NYSZYYEC20220029)。
1.2 体位固定及CT扫描
头颈组统一采用头颈肩面罩固定,仰卧位;其他组均为真空垫固定,仰卧位,肝脏肿瘤放疗需行腹部气囊加压固定,因患者不配合可以不做强制要求;盆腔组需适当充盈膀胱,排空直肠。模拟扫描CT为联影uCT-710,60排,孔径70 cm,扫描层厚:头颈部2 mm,胸腹部3 mm,电压均为120 kV;管电流:头颈部285 mAs,其余部位150 mAs。直线加速器机载kV-FBCT为24排16层诊断级立体等像素CT,孔径70 cm,扫描条件如下:电压均为120 kV;管电流:头颈部为20 mAs,胸腹部75 mAs;MV-CBCT扫描条件如下:1.5 MV-X线,头颈部直线加速器机器跳数为7.2,其余部位总跳数为9。
1.3 图像采集及配准
图像采集基于联影直线加速器uRT-linac 506c机载的图像引导系统,患者常规摆位后放疗前行kV-FBCT或MV-CBCT扫描,与计划CT图像配准,由加速器自带软件完成周围骨组织和PTV配准,技师和医师共同确认配准后分别记录配准中心点在患者左右(left-right, LR)、前后(anterior-posterior, AP)和头脚(superior-inferior, SI)方向的位移。共采集配准图像1 130例次,行kB-FBCT扫描1 025例次,MV-CBCT扫描105例次。其中头颈组195例次,扫描配准图像为4~33例次,中位值为11例次;胸部组168例次,扫描配准图像为6~23例次,中位值为15例次;乳腺组431人次,扫描配准图像为10~27例次,中位值为20例次;上腹部组128例次,扫描配准图像为4~22例次,中位值为15例次,盆腔组208例次,扫描配准图像为6~30例次,中位值为14例次。
1.4 摆位误差数据分析及计算
记录摆位误差LR、AP、SI三个方向的数值,在LR、AP和SI方向上均可获得不同的位移数值。在同一个方向上,对某一个患者的多次位移数值可计算其标准差(standard deviation, SD),当有n例患者时,则可计算n个SD。计算n例患者在单一方向上所有位移的平均值即为绝对位移偏差;根据n个SD值再计算其标准差即为系统误差(Σ),n例患者SD的均方根(
)即为随机误差(б)。根据PTV边界公式(2.5Σ+0.7б)可计算患者在该方向上所需要的PTV外放边界[6-7]。1.5 三维位移的分析及计算
三维位移为同一个患者当次治疗时左右、前后和头脚方向位移时三维空间欧几里得距离(
)。根据公式分别计算kV-FBCT和MV-CBCT扫描患者三维位移[7-8]。1.6 统计学方法
用微软Excel软件计算摆位误差及估计PTV边界。用SPSS20.0软件进行统计分析,Mann-Whitney U检验分析kV-FBCT与MV-CBCT图像引导在不同部位中三维位移差异,双侧以P < 0.05为差异有统计学意义。
2 结果
2.1 摆位误差
70例患者在治疗过程中进行摆位验证,采集kV-FBCT和MV-CBCT扫描图像共1 130例次,产生1 130组三维方向上的摆位误差数据。各组在三维方向上产生的平均位移及根据平均位移得出每组对应的系统误差及随机误差,各组平均位移:左右方向波动在-0.3~1.0 mm之间,前后方向波动在-0.5~0.5 mm之间,头脚方向波动在-1.2~1.0 mm之间,其中各组头脚方向位移变化最明显。各组系统误差:左右方向为0.5~1.9 mm,前后方向为0.5~1.5 mm,头脚方向为0.9~1.4 mm,随机误差:左右方向为1.2~2.8 mm,前后方向为0.9~2.3 mm,头脚方向为1.8~3.1 mm,见表 1。
表 1 70例患者kV-FBCT和MV-CBCT引导所得的不同解剖部位的三维方向摆位误差值(mm)Table 1 Set-up errors indifferent anatomical sites of 70 patients with kV-FBCT and MV-CBCT guidance (mm)2.2 PTV外放边界及三维位移
根据推荐外扩PTV边界公式得出各组三维外放边界及三维位移,头颈组三维方向外放边界在1.9~3.1 mm,乳腺组在4.6~5.1 mm,上腹部组在3.0~5.5 mm,盆腔组在3.5~6.8 mm,见表 2。70例患者共记录到1 130例次位移偏差,各组患者3D位移散点图,见图 1。头颈组3D平均位移为2.4±1.0 mm,乳腺组为4.1±2.0 mm,盆腔组为4.6±2.1 mm,各组3D位移箱式图见图 2、表 2。
表 2 70例患者kV-FBCT和MV-CBCT测得的不同解剖部位各方向外扩边界及三维位移值(mm)Table 2 Estimated PTV margin and 3D displacements of the different anatomical sites in 70 patients from kV-FBCT and MV-CBCT in each direction (mm)2.3 kV-FBCT和MV-CBCT三维位移结果
经两种不同机载图像引导系统分析摆位误差,计算得出kV-FBCT(非等中心IGRT)和MV-CBCT(等中心IGRT)组所有患者三维位移中位值分别为4.1 mm和3.4 mm,差异无统计学意义(P=0.212),见图 3、表 3。在不同部位的肿瘤IGRT中,乳腺癌的FBCT引导所导致的三维位移明显大于MV-CBCT,而在头颈部、胸腹部及盆腔肿瘤中两者的三维位移的差异未达到有统计学意义的水平。
图 3 kV-FBCT和MV-CBCT组所有患者三维位移箱式图Figure 3 The box plot of 3D displacement of all patients in kV-FBCT and MV-CBCT groupsThe median values of 3D displacement in the kV-FBCT and MV-CBCT groups were 4.1 and 3.4 mm, respectively. The median values of 3D displacement of breast group measured by kV-FBCT and MV-CBCT were 4.3 and 3.0 mm (P=0.039).表 3 不同图像引导方式的三维位移值(mm)Table 3 3D displacement values by different image-guiding methods (mm)3 讨论
本研究提示在直线加速器上加载具有诊断级清晰图像的FBCT可进行IGRT,除了提供高清晰的CT影像外,其摆位误差也令人满意。与等中心的MV-CBCT校正体位相比,非等中心的FBCT可带来潜在误差,本研究提示用FBCT进行IGRT需要在PTV边界可能额外增加1 mm的边界来补偿其不确定性,但仍需深入研究。
目前临床上应用最广泛的IGRT是CBCT,但它在图像质量、均匀性和解剖准确性等方面与FBCT相比均存在明显劣势[9],因此有文献表明FBCT更适合用于体内成像,同时与kV-CBCT相比,FBCT在扫描中患者实际接受的辐射剂量更低[9]。与MV-CBCT图像相比,kV-FBCT扫描图像更清晰[9],可更好地有效降低治疗时的体位误差,发现治疗期间肿瘤和正常组织的变化,从而为自适应放疗提供强有力的临床保证。理论上讲kV-FBCT图像清晰度提高可能会有效减少治疗摆位误差,而在本研究中暂未观察到这种结果,反而kV-FBCT三维位移比MV-CBCT大0.7 mm(4.1 mm vs. 3.4 mm),尽管两种CT的三维位移在数值上无统计学意义,但在临床实践中尤其在使用立体定向放射外科治疗技术时,0.7 mm误差也需要引起临床医师的足够重视。在亚组分析中发现乳腺组23例患者,其中有52%(12例)患者摆位验证交替使用了这两种技术,分别配准并采集图像为355例次和74例次,kV-FBCT三维位移大于MV-CBCT,可能是机载的kV-FBCT与MV射线并非同一个等中心,两者相距1 m以上,在从FBCT图像获取实施放射治疗的过程中有一定的时间与距离差,从而导致潜在的不确定性。提示如果采用FBCT进行IGRT,需要额外增加1 mm的PTV边界,从而导致更多的正常组织接受不必要的高剂量照射。
对于头颈部肿瘤来说,从每周1次的电子射野影像验证系统到每周1次的MV-CBCT验证,图像引导系统清晰度的提高能够更加精确的纠正摆位误差,可以使临床靶区外放边界从5 mm缩小到现在公认的3 mm[10]。本研究中头颈组14例患者每周至少3次以上kV-FBCT扫描,提示三维外放边界范围为1.9~3.1 mm,多次FBCT引导的前提下左右和前后方向仅需要外放2 mm就可能满足临床需要。Tan等[11]也同样认为在鼻咽癌放射治疗中2 mm的外扩边界足够覆盖 > 95%的几何范围,甚至认为如果在放疗的第3周行自适应放疗更改放疗计划,1 mm的外扩边界也是足够的,因此缩小外放边界可能更加精确地保护周围危及器官减轻放疗反应,而临床上我们通常采用的PTV均匀外放边界并非最佳,个体化的PTV可能更加合理,但需要进一步探索[12]。本研究也发现图像引导下乳腺组三维平均位移仅为2.4 mm,在左右、前后及头脚方向PTV外放边界分别为4.6、4.9及5.1 mm,系统误差为1.2~1.5 mm,与Donovan等[13]研究结果一致。
摆位误差最小化、放疗期间的有效运动管理、统一的靶区定义及最佳的PTV边界为放疗流程所关注的重点环节。很多学者利用各种先进的图像引导系统来确定CTV与PTV边界的关系[14-15],本研究发现头颈组的系统误差和随机误差均较小,三个方向均 < 2 mm,而且在头颈组和乳腺组中各方向外扩边界与三维外扩边界值近似,说明在某些部位采用某一固定数值外放成PTV边界可能是合理的,而且提示头颈组不需要每次照射前均行FBCT检验,这样使得临床操作简便,提高效率。但在上腹部组和盆腔组中由于各方向外扩与三维外扩边界值差异明显,需个体化三维方向而非均匀外放似乎更符合临床特点。
临床所需PTV的大小主要参照治疗单位各自的系统误差和随机误差的大小,并有数个不同的PTV计算公式[6]。也有剂量覆盖统计模型、肿瘤控制概率与正常组织并发症概率模型等[14],然而,这些模型的临床可靠性需要深入验证。随着计算机技术飞速发展,近年来开发了多种指标用于预测放疗期间肿瘤和正常组织的变化规律,从而实现PTV的个体化和可视化。本团队近年来所研发的一系列预测方法及模型,如基于三维影像的形状统计模型[11]、基于形变配准用于预测放疗期间的解剖变化从而实现在治疗设计中尽量减小PTV[16-18]。也有基于大数据、人工智能等机器学习模型、神经网络模型、支持向量机模型等,所有这些均仍需进一步临床验证[19-20]。
使用不同的图像引导系统来决定外放边界远远不足以满足目前精准放疗的临床需求,将不同的运动管理技术,器官形变特点与放疗具体部位相结合才能更加准确地确定PTV[21],本研究仅行图像引导系统来推测肿瘤外放边界有一定的局限性。腹部和盆腔由于脏器充盈程度的不同和器官在体内的相对运动可能造成较大误差,即使是同一部位也可以由于固定方式不同限制了运动幅度而导致摆位误差的变化。本研究中得出上腹部组(9例)和盆腔组(13例)三维位移相同(均为4.6 mm),可能是由于上腹部组行kV-FBCT8例和MV-CBCT1例,样本量偏少导致,临床实践中扩大样本量可能会得出不同的结果,但在各组患者中三维位移变化总体趋势均符合临床实践。本研究中绝大多数配准图像均采用kB-FBCT(占90%),MV-CBCT扫描数量不够,MV-CBCT初步使用临床经验有待提升。
综上所述,直线加速机载的kV-FBCT能取得和模拟CT相似质量的图像,最大的优点是可以获得患者治疗前实时的三维清晰图像,更准确地反映患者真实的空间体位,为更精准的自适应放疗创造了基础条件,在校验摆位误差方面可获得与MV-CBCT相似的可定量的摆位误差数据,均可为实施精准放疗提供参考。但非等中心的FBCT引导可能导致潜在的误差,需要在临床上特别关注并深入研究。
Competing interests: The authors declare that they have no competing interests.利益冲突声明:所有作者均声明不存在利益冲突。作者贡献:周勇、谭文勇:课题设计、资料分析、统计学分析、论文撰写与修改江泽莹、苏宝锋、周剑烽、王骞、王安婷、刘静娴、薛琰、冯惠仪、吴小亮、肖明星:数据收集与分析、论文撰写与讨论 -
表 1 70例患者kV-FBCT和MV-CBCT引导所得的不同解剖部位的三维方向摆位误差值(mm)
Table 1 Set-up errors indifferent anatomical sites of 70 patients with kV-FBCT and MV-CBCT guidance (mm)
表 2 70例患者kV-FBCT和MV-CBCT测得的不同解剖部位各方向外扩边界及三维位移值(mm)
Table 2 Estimated PTV margin and 3D displacements of the different anatomical sites in 70 patients from kV-FBCT and MV-CBCT in each direction (mm)
表 3 不同图像引导方式的三维位移值(mm)
Table 3 3D displacement values by different image-guiding methods (mm)
-
[1] Jaffray DA. Image-guided radiotherapy: from current concept to future perspectives[J]. Nat Rev Clin Oncol, 2012, 9(12): 688-699. doi: 10.1038/nrclinonc.2012.194
[2] Baumann M, Krause M, Overgaard J, et al. Radiation oncology in the era of precision medicine[J]. Nat Rev Cancer, 2016, 16(4): 234-249. doi: 10.1038/nrc.2016.18
[3] van Herk M. Different styles of image-guided radiotherapy[J]. Semin Radiat Oncol, 2007, 17(4): 258-267. doi: 10.1016/j.semradonc.2007.07.003
[4] Elstrøm UV, Muren LP, Petersen JB, et al. Evaluation of image quality for different kV cone-beam CT acquisition and reconstruction methods in the head and neck region[J]. Acta Oncol, 2011, 50(6): 908-917. doi: 10.3109/0284186X.2011.590525
[5] Garayoa J, Castro P. A study on image quality provided by a kilovoltage cone-beam computed tomography[J]. J Appl Clin Med Phys, 2013, 14(1): 3888.
[6] van Herk M. Errors and margins in radiotherapy[J]. Semin Radiat Oncol, 2004, 14(1): 52-64. doi: 10.1053/j.semradonc.2003.10.003
[7] Heimann T, Meinzer HP. Statistical shape models for 3D medical image segmentation: a review[J]. Med Image Anal, 2009, 13(4): 543-563. doi: 10.1016/j.media.2009.05.004
[8] Tan W, Li Y, Han G, et al. Target volume and position variations during intensity-modulated radiotherapy for patients with nasopharyngeal carcinoma[J]. Onco Targets Ther, 2013, 6: 1719-1728.
[9] Lechuga L, Weidlich GA. Cone Beam CT vs. Fan Beam CT: A Comparison of Image Quality and Dose Delivered Between Two Differing CT Imaging Modalities[J]. Cureus, 2016, 8(9): e778.
[10] Lee AW, Lin JC, Ng WT. Current management of nasopharyngeal cancer[J]. Semin Radiat Oncol, 2012, 22(3): 233-244. doi: 10.1016/j.semradonc.2012.03.008
[11] Tan W, Ye J, Xu R, et al. The tumor shape changes of nasopharyngeal cancer during chemoradiotherapy: the estimated margin to cover the geometrical variation[J]. Quant Imaging Med Surg, 2016, 6(2): 115-124. doi: 10.21037/qims.2016.03.07
[12] Su J, Chen W, Yang H, et al. Different setup errors assessed by weekly cone-beam computed tomography on different registration in nasopharyngeal carcinoma treated with intensity-modulated radiation therapy[J]. Onco Targets Ther, 2015, 8: 2545-2553.
[13] Donovan EM, Castellano I, Eagle S, et al. Clinical implementation of kilovoltage cone beam CT for the verification of sequential and integrated photon boost treatments for breast cancer patients[J]. Br J Radiol, 2012, 85(1019): e1051-1057. doi: 10.1259/bjr/28845176
[14] Ipsen S, Bruder R, Kuhlemann I, et al. A visual probe positioning tool for 4D ultrasound-guided radiotherapy[J]. Annu Int Conf IEEE Eng Med Biol Soc, 2018, 2018: 883-886.
[15] van Herk M, Remeijer P, Rasch C, et al. The probability of correct target dosage: dose-population histograms for deriving treatment margins in radiotherapy[J]. Int J Radiat Oncol Biol Phys, 2000, 47(4): 1121-1135. doi: 10.1016/S0360-3016(00)00518-6
[16] Zhang Y, Alshaikhi J, Amos RA, et al. Improving workflow for adaptive proton therapy with predictive anatomical modelling: A proof of concept[J]. Radiother Oncol, 2022, 173: 93-101. doi: 10.1016/j.radonc.2022.05.036
[17] Zhang Y, Alshaikhi J, Amos RA, et al. Pre-treatment analysis of non-rigid variations can assist robust intensity-modulated proton therapy plan selection for head and neck patients[J]. Med Phys, 2022, 49(12): 7683-7693. doi: 10.1002/mp.15971
[18] Zhang Y, McGowan Holloway S, Zoë Wilson M, et al. DIR-based models to predict weekly anatomical changes in head and neck cancer proton therapy[J]. Phys Med Biol, 2022, 67(9): 095001. doi: 10.1088/1361-6560/ac5fe2
[19] Huynh E, Hosny A, Guthier C, et al. Artificial intelligence in radiation oncology[J]. Nat Rev Clin Oncol, 2020, 17(12): 771-781. doi: 10.1038/s41571-020-0417-8
[20] Kneepkens E, Bakx N, van der Sangen M, et al. Clinical evaluation of two AI models for automated breast cancer plan generation[J]. Radiat Oncol, 2022, 17(1): 25. doi: 10.1186/s13014-022-01993-9
[21] Tan W, Wang Y, Yang M, et al. Analysis of geometric variation of neck node levels during image-guided radiotherapy for nasopharyngeal carcinoma: recommended planning margins[J]. Quant Imaging Med Surg, 2018, 8(7): 637-647. doi: 10.21037/qims.2018.08.03
-
期刊类型引用(5)
1. 苗凌肖, 赵金叶, 李恒, 单凤姣, 张翠红. CBCT图像引导下负压气垫和热塑体膜在腹盆腔肿瘤放疗中的摆位误差比较及体质量指数对复位通过率的影响. 医疗卫生装备. 2025(07) 百度学术
2. 王建林,张天,张文君,胡强. 基于机械性能检测分析VitalBeam型直线加速器输出剂量的稳定性评估及故障案例分析. 中国医学装备. 2024(06): 209-213 . 百度学术
3. 赵亮,马超,闵骁,熊兵,吴炎,杨爱民. 基于锥形束CT研究不同部位计划靶区外放边界. 现代肿瘤医学. 2024(18): 3549-3555 . 百度学术
4. 周军,李寒旭,黄志兵,万久庆,李东春,钟良志. CBCT和EXT图像引导系统在高级别脑胶质瘤放疗中的应用分析. 医疗卫生装备. 2024(08): 57-62 . 百度学术
5. 陈文强,赵军军,李扬,袁慧杰. 对比和分析腹部肿瘤影像引导放疗中千伏级锥形束CT与兆伏级电子摄像系统的应用效果. 影像研究与医学应用. 2024(23): 181-183 . 百度学术
其他类型引用(0)