《Radiation Oncology》：Clinical implementation of deep learning-based synthetic CT for MRI-only volumetric modulated arc therapy in head and neck and pelvic cancer patients
编辑推荐：
为消除CT-MRI配准2–5 mm系统误差，团队回顾性分析33例头颈及盆腔癌患者，用MRI Planner深度学习软件生成sCT，在VMAT计划中复算剂量。结果sCT-CT平均剂量差异≤0.76%，γ通过率≥92%，首次证实商用sCT可全程替代CT完成QA与CBCT配准，推动MRI-only临床落地。
研究背景
放疗界长期面临“双模态尴尬”：CT提供电子密度却软组织对比差，MRI视野清晰却缺HU值。为把肿瘤勾画精准到毫米，医生只能把两种图像硬配准，2–5 mm的系统误差让高剂量区悄悄“漂移”，头颈与盆腔这种“器官扎堆”区域尤其危险。更麻烦的是，患者要在不同机房、不同体位接受两次扫描，时间、辐射、费用、焦虑统统翻倍。若能直接让MRI“变出”CT，就能一次扫描、一步到位，这就是MRI-onlyWorkflow的诱人愿景。然而，MRI没有线性衰减信息，必须借助“合成CT”（sCT）技术把灰度值转成HU单位。深度学习登场后，sCT质量飞跃，却苦于缺乏覆盖全链条的临床验证：剂量算得准不准？计划QA能过吗？治疗前CBCT配准会不会跑偏？这些问号不拉直，MRI-only就只能停在PPT里。
为此，Pareena Earwong等研究者开展了一项横跨头颈与盆腔两大“高难度地形”的回顾性研究，系统评估商用深度学习软件MRI Planner生成的sCT能否经得起VMAT全环节考验，结果发表于2025年《Radiation Oncology》。
关键技术方法
研究纳入33例已接受CT+MRI双扫描的VMAT患者（10例头颈、9例前列腺、9例直肠、5例宫颈），所有MRI在1.5 T Siemens Aera采集，头颈用3D T1 VIBE Dixon序列，盆腔用2D T2 TSE序列；sCT由MRI Planner v2.3深度学习网络自动生成。通过Velocity软件行刚性+可变形配准，把原CT计划参数直接复制到sCT复算；剂量计算采用Eclipse AAA算法，网格2.5 mm。以CT为金标准，比较DSC、ME、MAE、DVH差异及3 %/2 mm、2 %/2 mm、1 %/1 mm全局γ分析；QA用EPID测量γ通过率；CBCT与sCT/CT分别刚性配准，比较六维摆位差异。
研究结果
图像精度评估
sCT与CT整体轮廓高度重合，平均体部DSC达0.99（头颈）与1.00（盆腔），骨DSC略低但仍≥0.87，满足AAPM TG-132≥0.8–0.9标准；骨HU平均低估?121 HU，空气区平均高估119 HU，提示骨-空气界面仍是算法挑战。
剂量学比较
把原CT计划“搬”到sCT后，PTV D、D、D差异均<0.4 %；头颈OAR（脊髓、脑干、腮腺）及盆腔股骨头的ΔD≤0.76 %。全局γ（3 %/2 mm）通过率头颈96.3 %、盆腔99 %；更严的1 %/1 mm标准下仍保持92 %以上，证实sCT能忠实重现剂量分布。
计划QA验证
EPID实测结果显示，sCT计划与CT计划的γ通过率差异≤0.05 %（头颈）和≤0.12 %（盆腔），3 %/2 mm标准下均值均>99 %，说明MLC调制复杂度未因图像切换而“失真”。
患者摆位验证
以sCT为参考与CBCT配准，与常规CT-CBCT相比，六维误差 translations ≤0.17 mm、rotations ≤0.13°，差异微乎其微，可直接用于日常图像引导放疗。
结论与讨论
该研究首次在头颈与盆腔两大解剖复杂区域，用同一套商用深度学习sCT完成“成像-剂量-QA-摆位”闭环验证，证明MRI-only VMAT具备即刻临床部署条件：既消除CT-MRI配准误差，又把患者辐射剂量降为零，扫描流程缩短近一半。作者强调，未来只需扩大宫颈癌样本、引入UTE/ZTE序列改善骨-空气界面，就能把sCT推广到SRS/SBRT等更高端技术。对于正在安装MR-linac或想简化流程的中心，这份“操作手册”无疑提供了可直接复制的范本。
