基于改良线性二次模型补偿放疗中断导致的生物有效剂量损失：一项头颈癌同步整合推量研究

《Physica Medica》：Compensated biological effective dose in extended radiotherapy course via a time-modified linear quadratic model for biological adaptive radiotherapy

为解决放疗意外中断导致的生物有效剂量（BED）损失问题，日本研究人员开发了一种基于改良线性二次（mLQ）模型的补偿框架。通过分析头颈癌同步整合推量（SIB）病例，研究成功创建了可实施的补偿计划，使补偿后BED与原始计划差异控制在2%以内。该研究为临床提供了一种高效、精确的生物适应性放疗解决方案，对提升肿瘤控制率具有重要意义。

　　

放射治疗是头颈部癌症的重要治疗手段，但治疗过程中的意外中断（如机器故障、患者并发症或公共卫生事件）会导致总治疗时间延长，显著降低肿瘤控制的生物有效剂量（Biological Effective Dose, BED）。传统物理剂量（Physical Dose, PD）补偿方法未能充分考虑肿瘤细胞在中断期间的加速再增殖，导致补偿不足。特别是对于采用同步整合推量（Simultaneous Integrated Boost, SIB）技术的复杂病例，不同靶区（PTV）需要差异化的生物剂量补偿，这已成为临床实践的挑战。

为应对这一难题，日本藤田保健卫生大学的研究团队在《Physica Medica》发表了创新性研究，开发了一套基于改良线性二次（modified Linear Quadratic, mLQ）模型的生物剂量补偿框架。该研究通过分析实际临床数据，量化了治疗中断造成的BED损失，并建立了针对多靶区SIB治疗的独立补偿因子计算体系。

研究人员采用回顾性分析方法，收集了40例头颈癌SIB放疗病例数据。关键技术方法包括：1）基于实际治疗记录和假设中断场景（COVID-19感染增加14天）的BED计算；2）开发补偿因子（Compensating Factor, CF）算法，为每个PTV生成独立的剂量调整系数；3）利用治疗计划系统（TPS）进行单次优化，生成可实施的补偿计划；4）通过剂量体积直方图（DVH）参数比较评估补偿效果。所有病例均来自同一机构的临床数据库，确保了数据的一致性。

研究结果通过多个维度展示了补偿框架的有效性：

相对生物有效剂量分析显示，实际治疗记录导致的BED损失为4.7%-6.1%，而增加14天中断后损失高达24.5%-26.3%。这种损失在不同处方剂量靶区间存在差异，低剂量靶区相对损失更大。

补偿因子计算成功实现了多靶区独立补偿。对于PTV70、PTV63和PTV56分别生成不同的CF值，确保了每个靶区都能获得准确的生物剂量补偿。基位计划（Base Plan）的创建使得补偿计划能够利用现有优化目标，大大缩短了临床实施时间。

剂量分布比较表明，补偿后的BED分布在所有靶区都与原始计划高度一致。B_95%差异从补偿前的7.53%降至补偿后的0.05%，其他DVH参数（B_98%、B_50%、B_2%）的差异也都控制在2%以内，达到了临床可接受水平。

器官风险剂量评估显示，补偿计划在提升靶区剂量的同时，并未显著增加风险器官的受照剂量。脑干、视神经、脊髓等关键器官的最大剂量以及腮腺的平均剂量都保持在安全限度内，证明了该方法的临床安全性。

灵敏度分析揭示了生物参数不确定性的影响。当α/β比、K值（每天BED损失率）和T^K（再增殖启动时间）的变异系数为10%时，BED估算的误差约为5.8%，提示未来需要更精确的个体化生物参数测定。

研究结论表明，基于mLQ模型的生物剂量补偿框架能够有效纠正放疗中断导致的BED损失，特别是在多靶区SIB治疗中表现出色。该方法只需单次优化即可实现满意的补偿效果，大大提高了临床可行性。讨论部分强调，这种生物适应性放疗方法不仅适用于计划外中断的补偿，也为未来个体化放疗剂量调整提供了理论基础。虽然生物参数的不确定性仍需进一步研究，但该方法代表了向真正生物引导放疗迈出的重要一步，有望显著提高头颈癌患者的治疗效果。