《Radiation Oncology》：Refining the PTV margin determination for VMAT SBRT lung treatment through moving target dose model to account for respiratory motion uncertainty
编辑推荐：
这篇研究综述探讨了如何在VMAT（容积旋转调强放射治疗）肺癌立体定向体部放射治疗（SBRT）中，通过创新的“移动靶区剂量”（Moving Target Dose， MTD）模型，将剂量学因素纳入计划靶区（PTV）边界的定义，以更精准地应对自由呼吸带来的呼吸运动不确定性。作者团队通过分析真实肿瘤运动轨迹数据，并与传统的时空分析（ST）和改良的van Herk（VH）模型进行比较，为不同肺叶位置（如上叶、下叶）的肿瘤提供了更个体化、理论上可减少正常组织照射的PTV边界建议。
方法
本研究回顾性分析了31例非小细胞肺癌（NSCLC）患者（15例上叶，16例下叶）的数据。所有患者均接受了四维CT（4D-CT）模拟和赛博刀（CyberKnife）同步呼吸跟踪系统治疗期间的肿瘤运动追踪。研究利用治疗日志中提取的三维坐标来表征肿瘤在头脚（S–I）、前后（A–P）和左右（L–R）方向上的位移。研究提出了移动靶区剂量（MTD）模型，该模型综合考虑了靶区运动以及VMAT治疗在计划靶区（PTV）外的剂量跌落，以确保大体肿瘤体积（GTV）在治疗过程中至少接受95%的处方剂量。此外，研究还将该模型与空间-时间（ST）模型、van Herk（VH）模型及其调整版本（AVH）的计算结果进行了比较。
空间-时间模型
该模型假设肿瘤为刚性点，将肿瘤运动轨迹沿三个正交方向分解分析。对于每个方向，首先确定靶区的平均位置，并计算相对于此平均值的位移值。通过排序位移值并计算均值和标准差，确定涵盖95%轨迹的边界值。若该边界值未超过通过4D-CT测得的ITV-GTV位移（ΔITV-GTV），则认为ITV已涵盖此位移，无需额外边界；若超过，则其差值定义为将ITV扩展为PTV所需的额外边界。
基线校正模型
此模型在ST框架基础上，通过应用最小二乘法线性拟合来估计并剔除呼吸基线漂移，然后对校正后的轨迹使用ST模型计算边界。
van Herk及其调整模型
van Herk模型基于群体水平的几何和剂量学不确定性来估算PTV边界，考虑了系统误差（Σ）和随机误差（σ）。调整版van Herk（AVH）模型则针对立体定向放射外科（SRS）/SBRT等大分割放疗方案进行了修改，将患者特定的随机误差均值纳入系统误差项，并对随机误差项的自由度进行了调整。
移动靶区剂量模型
MTD模型旨在确保移动肿瘤在整个SBRT治疗过程中获得足够的累积剂量。该模型假设肿瘤为刚性球体，并分别考虑其在S-I、A-P和L-R方向上的运动。模型结合了源自VMAT计划的、方向特异性的经验剂量跌落曲线（例如，沿S-I方向的剂量跌落远快于A-P和L-R方向）和肿瘤的真实运动轨迹。对于轨迹上的每个点，根据其相对于PTV边界的位置分配剂量（PTV内为100%处方剂量，PTV外则根据距离按公式递减）。通过平均所有轨迹点上的剂量值，得到代表肿瘤体积最小剂量覆盖的累积剂量。通过迭代增加PTV边界，直至满足最低累积剂量要求（本研究设定为95%处方剂量），从而确定所需的PTV边界。
结果
在理想化的正弦运动研究中，MTD模型所需的边界始终小于ST模型。并且，由于剂量跌落梯度的各向异性，MTD模型在S-I方向所需的边界大于在A-P和L-R方向。
在针对真实患者数据的临床研究中，MTD模型在所有方法和方向上均得出最小的边界值。具体而言，对于上叶肿瘤组，MTD模型计算出的边界分别为：S-I方向3.10 mm，A-P方向0.98 mm，L-R方向0.41 mm；对于下叶肿瘤组，相应边界为：S-I方向5.28 mm，A-P方向1.00 mm，L-R方向0.80 mm。与ST模型相比，MTD模型在上叶组各方向分别减少了1.47 mm (S-I)、1.31 mm (A-P)和0.84 mm (L-R)，在下叶组分别减少了2.00 mm (S-I)、1.49 mm (A-P)和1.12 mm (L-R)，差异均具有统计学意义。
研究还发现，所有模型计算出的边界均随治疗时间的延长而略有增加，这主要归因于呼吸基线漂移效应的累积。此外，当要求的累积剂量阈值提高时（例如从95%提高到99%），所需的PTV边界会显著增加，尤其是MTD模型对此更为敏感。
讨论
梯度效应（剂量模糊）是移动靶区与剂量分布相互作用的结果。本研究提出的MTD模型通过整合肿瘤运动轨迹和剂量跌落分布，为自由呼吸下的肺癌VMAT SBRT提供了一种基于累积剂量的ITV-to-PTV边界计算方法。结果显示，下叶肿瘤在S-I方向所需的边界大于上叶肿瘤（约2 mm），这可能与下叶呼吸模式变异性更大、4D-CT未能完全捕捉有关。同时，由于S-I方向的运动不确定性和剂量梯度更陡，该方向所需的边界也大于A-P和L-R方向。
与单纯基于几何统计的ST模型相比，MTD模型因直接考虑了剂量跌落，得出的边界更小。而van Herk及其调整模型虽然也隐含了剂量学效应，但由于假设了理想化的高斯运动分布并依赖于固定的半影宽度假设，其得出的边界通常大于MTD模型，特别是在下叶肿瘤的S-I和A-P方向。AVH模型由于针对大分割方案进行了调整，其边界略大于原始VH模型。
本研究的局限性包括：剂量近似公式仅基于10个VMAT计划的经验拟合，其普适性受限；未考虑肿瘤形变和动态剂量相互作用效应；且仅聚焦于自由呼吸下的呼吸运动不确定性，未纳入摆位误差、靶区勾画变异性和机器相关不确定性等临床实践中其他重要的不确定性来源。作者建议，未来应将其他来源的误差（如摆位误差、机器误差）通过方差求和的方式整合到最终的边界计算公式中，以提升临床鲁棒性。
结论
本研究提出了一个将实时肿瘤跟踪数据与剂量跌落特性相结合的框架，用于确定肺癌VMAT SBRT的PTV边界，以应对呼吸运动不确定性。分析表明，与纯粹的几何ST模型和基于剂量-群体统计的van Herk方法相比，所提出的MTD模型能产生更小的边界。该模型的关键创新在于直接纳入剂量梯度效应来模拟累积靶区剂量，更准确地反映了运动对剂量的影响。这一方法有望在保持稳健肿瘤覆盖的同时，减少正常组织的照射。未来需要进一步整合设备特异性、摆位及其他不确定性，才能将这一基于剂量的框架转化为可直接临床应用的边界处方。
