基于深度学习的传导系统自动分割模型在乳腺癌放疗中的临床验证与剂量学评估

《Frontiers in Oncology》：Radiation exposure and clinical validation of autosegmentation models for the supraventricular cardiac conduction system in breast cancer radiotherapy: an institutional perspective

本综述聚焦乳腺癌放疗中心脏传导系统（如窦房结SAN、房室结AVN）的剂量学风险，通过深度学习模型（U-Net）实现SAN/AVN的自动分割（DSC>0.7），证实右乳癌放疗中SAN平均剂量（Dmean达5.43 Gy）显著高于平均心脏剂量（MHD），且右心房（RA）剂量与传导节点剂量强相关（R2>0.6），为精准心脏保护提供了新工具与剂量约束依据。

　　

引言

放射治疗是乳腺癌重要的辅助治疗手段，能有效提高局部控制率和患者生存率。然而，放射性心脏病（RIHD）已成为影响长期生存的主要因素。由于RIHD具有剂量依赖性，在治疗计划中对心脏及其亚结构进行剂量优化和限制对于有效预防和管理风险至关重要。随着强度调制放疗（IMRT）和VMAT的应用，全心脏和关键结构（如左心室）的平均照射剂量得以降低，但心脏的低剂量照射体积却同步增加。研究表明，位于低剂量区的心脏传导系统，如窦房结（SAN）和房室结（AVN）的照射，与长期心律失常和传导障碍风险增加相关。流行病学数据显示，接受放疗的乳腺癌患者需要起搏器干预的严重传导障碍风险显著增加。然而，目前缺乏将传导系统辐射剂量与临床结局联系起来的剂量学证据。SAN和AVN在放疗计划CT中软组织对比度低、解剖结构复杂且易受生理运动伪影影响，手动勾画耗时且存在操作者间差异，难以满足临床研究和精准放疗计划的需求。近年来，深度学习技术，特别是以U型卷积网络（U-Net）为代表的编码器-解码器架构，在医学图像分割领域取得突破，在提高分割效率和一致性的同时，显示出处理低对比度复杂解剖结构的巨大潜力。因此，本研究旨在评估接受IMRT治疗的乳腺癌患者SAN和AVN的受照剂量，并验证一种基于深度学习的自动分割方法。

材料与方法

研究回顾性纳入了87例在2020年10月至2021年10月期间接受术后IMRT的乳腺癌患者。中位年龄55岁，包括59例左乳癌和28例右乳癌患者。所有患者均接受常规分割、自由呼吸下的IMRT治疗，计划靶区（PTV）总剂量为50.0-50.4 Gy，分25-28次完成。根据已发布的指南，由一名放疗医师和一名影像科医师分别在平扫计划CT（pCT）上手动勾画SAN和AVN，并由主任医师审核。SAN被勾画为直径2.0厘米的球体，与右心房外壁相切，中心位于升主动脉水平。AVN被勾画为直径2.0厘米的球体，中心位于四个心腔交界处，左心房最下层面可见之上1.0厘米处。同时手动勾画右心房（RA）、右心室（RV）、左心房（LA）和左心室（LV）。为构建SAN和AVN的自动分割模型，本研究采用二维U-Net架构，使用65例患者的非增强计划CT扫描及对应手动轮廓进行训练。数据集随机分为训练集（60例）、验证集（7例）和测试集（20例）。使用SPSS 27.0软件进行统计分析。从剂量体积直方图（DVH）中获取心脏结构（全心脏WH、LV、LA、RV、RA、SAN、AVN）的平均剂量（D_mean）和最大剂量（D_max）。采用Spearman相关分析评估剂量间的相关性，并应用简单线性回归评估各心脏结构剂量对SAN/AVN剂量的预测能力。

结果

剂量暴露与关联分析显示，在右乳癌患者中，平均心脏剂量（MHD）为3.39 Gy，而SAN是平均剂量最高的亚结构，达5.43 Gy，其次是RA，平均剂量为4.59 Gy。60.7%的患者SAN受照剂量超过5.0 Gy。AVN的平均剂量为1.80 Gy。在左乳癌患者中，SAN和AVN的平均剂量分别为1.29 Gy和2.86 Gy，左心室是受照最高的亚结构，平均剂量达11.2 Gy，MHD为8.19 Gy。相关性分析表明，SAN的平均剂量与RA剂量相关性最强（左乳癌r=0.80，右乳癌r=0.93）。AVN的平均剂量在左乳癌中也与RA剂量相关性最高（r=0.81）。线性回归分析进一步验证，SAN剂量与RA剂量的决定系数（R²）在左右侧患者中均为0.63；AVN剂量与RA剂量的R²在左乳癌患者中为0.77，在右乳癌患者中为0.63。自动分割模型性能评估显示，SAN的Dice相似系数（DSC）为0.83±0.103，AVN为0.75±0.122，表明自动与手动轮廓间具有良好空间一致性。手动与自动勾画的SAN平均剂量分别为2.29 Gy和2.2 Gy，AVN平均剂量均为2.7 Gy。手动与自动勾画在平均剂量、最大剂量以及不同剂量水平下的体积参数（如V_1.0、V_2.0、V_5.0）上均无统计学显著差异，表明其剂量学一致性良好。

讨论

本研究揭示了在IMRT时代，右乳癌放疗中传导系统的受照剂量，特别是SAN可能成为被MHD掩盖的新风险点。与传统三维适形放疗（3D-CRT）相比，IMRT通过多野照射和强度调制显著增加了心脏低剂量照射体积，导致位于心脏后上部的SAN持续受到叠加照射，其受照剂量显著增加。这表明现代放疗可能将心脏风险从传统的前壁缺血模型转向更侧重于后部电生理结构损伤的模型。研究中观察到的SAN平均剂量5.43 Gy具有明确的临床意义，已有研究证实RA照射剂量与心律失常风险正相关，超过5 Gy的照射足以引发局部炎症和纤维化，增加窦房结功能障碍和房颤等风险。本研究证实RA剂量与SAN/AVN剂量高度相关，提示RA可作为评估传导系统风险的潜在替代指标。然而，RA是体积较大的腔室，其平均剂量不能精确反映SAN/AVN的真实照射情况，在剂量梯度区域替代关系可能存在偏差。因此，建议在计划系统中直接勾画SAN/AVN区域进行评估，并参考已发布的解剖图谱，将SAN平均剂量<5 Gy作为优化目标之一，同时严格控制心脏V_{5 Gy}体积。本研究开发的基于二维U-Net的深度学习自动分割模型，对SAN和AVN的勾画达到了令人满意的几何精度，且其剂量学参数与专家手动勾画无显著差异，为后续精准剂量评估和风险研究提供了可靠工具。与以往基于图谱的自动分割（ABAS）方法相比，本研究的深度学习方法在分割性能上取得了显著提升。通过严格的数据增强和正则化策略，模型展现了稳定的学习过程和良好的泛化潜力。本研究的主要局限性在于其回顾性、单中心设计和有限的样本量，剂量评估基于自由呼吸CT未进行心脏运动校正，且剂量学等效性结论尚未与临床心律失常终点相关联，需前瞻性验证。

结论

在右乳癌IMRT期间，SAN受到显著照射，RA剂量可作为预测SAN和AVN剂量的可靠替代指标。基于深度学习的自动分割能够实现对这两个节点的稳健勾画，支持准确的剂量学评估，为乳腺癌放疗中的精准心脏保护提供了重要工具。