基于肿瘤形态学与差分进化优化的乳腺癌微波消融天线定位个性化治疗规划研究

《IEEE Access》：Microwave Ablation Antenna Positioning for Breast Cancer Therapy: Toward Personalized Treatment Planning by Using Tumor Morphology and Evolutionary Optimization

本文针对乳腺癌微波消融(MWA)治疗中天线定位依赖医生经验的问题，提出了一种基于肿瘤形态学特征（通过主成分分析PCA提取）结合差分进化(DE)算法的优化定位方法。研究利用22例患者乳腺肿瘤三维模型进行仿真，结果表明：相较于单纯PCA定位，DE优化能显著降低未消融肿瘤体积百分比5.98%、提升消融肿瘤体积百分比5.95%、减少健康组织损伤百分比5.35%（p<0.05）。该方法为乳腺癌微波消融提供了量化、可重复的天线定位准则，有助于推动个性化治疗规划。

　　

在全球范围内，乳腺癌是女性中最常见的恶性肿瘤，2022年新增病例高达230万，死亡人数达67万。预计到2050年，每年新发病例将攀升至320万，死亡病例将达110万。当前主流的乳腺癌治疗手段包括手术、放疗和化疗，但这些干预措施往往成本高昂且伴随严重的副作用。因此，近年来，针对良恶性乳腺肿瘤的微创治疗技术日益受到关注。

微波消融(Microwave Ablation, MWA)是这类微创技术中的一种，它通过微波天线将电磁能转化为热能，使目标肿瘤组织迅速升温至发生凝固性坏死的阈值温度，从而摧毁癌细胞。然而，MWA的成功在很大程度上依赖于外科医生或放射科医生的经验和技能。天线（即微波辐射器）的放置位置至关重要，首次尝试放置不准确或欠佳往往需要反复调整，这不仅延长手术时间，也可能增加并发症风险。此外，消融参数的设置（如辐射功率、作用时间）也需与特定的肿瘤形态（包括安全边界）相匹配。因此，制定个性化的治疗计划显得尤为关键。

传统的治疗规划方法在确定天线位置时缺乏基于肿瘤三维形态的数学准则，多依赖于医生的定性判断。虽然已有研究针对肺癌、肝癌等探索了治疗规划策略，包括使用优化算法、人工智能(AI)和三维建模等技术，但这些工作大多未专门针对乳腺肿瘤的解剖学特性进行优化，也缺乏将肿瘤形态信息与物理、解剖约束相结合的形式化定位标准。

为了解决这一研究空白，来自墨西哥先进研究与研究中心（Cinvestav）的Daniel Gerardo Serrano-Diaz等研究人员在《IEEE Access》上发表了他们的研究成果。他们开发了一种新的方法，将肿瘤的形态学信息与进化优化算法相结合，为乳腺癌微波消融治疗中的天线定位提供了一种量化、可重复的解决方案。

为了开展这项研究，研究人员主要运用了以下几项关键技术：首先，他们利用公开的乳腺肿瘤患者模型库(Breast Tumor Patients Models Repository, BTPMR)中的22例三维数字模型作为研究样本，这些模型包含六种解剖结构（皮肤、胸骨、胸大肌、肿瘤、脂肪、纤维腺体组织）的分割标签。其次，他们采用了课题组先前验证过的一种双短缝同轴天线模型，并通过有限元法(Finite Element Method, FEM)进行仿真，在COMSOL Multiphysics软件中模拟微波消融过程，提取以50°C等温面为界的消融区三维模型。核心方法包括：1）对肿瘤点云进行主成分分析(Principal Component Analysis, PCA)，提取三个主成分方向作为天线放置的初始候选方向；2）利用Alpha形状(Alpha Shapes)算法将体素化模型转换为三角网格，以更精确地表征复杂肿瘤几何形状并计算体积；3）应用差分进化(Differential Evolution, DE)算法对天线位置参数（插入深度、仰角、方位角及优先主轴）进行优化，目标函数是最小化未消融肿瘤体积。最后，他们通过三维有限元仿真对优化后的天线位置进行了验证，评估了肿瘤覆盖率、健康组织损伤等指标。

II. 材料与方法

研究团队从BTPMR数据库中获取了22个乳腺数字模型，并从中提取出肿瘤体积。同时，通过有限元仿真获得了特定功率（10 W或15 W）和作用时间（1-10分钟）下双短缝同轴天线产生的消融区体积。通过PCA分析肿瘤点云，得到三个特征向量（即主轴方向），以此作为天线初始定位的参考方向。随后，采用DE算法对天线位置进行优化，优化的变量包括天线深度、仰角、方位角以及选择哪一根主轴作为优先方向。评估指标主要包括未消融肿瘤体积百分比(p_n)、消融肿瘤体积百分比(p_a)和健康组织损伤百分比(p_h)。此外，还设定了一个5毫米的安全边界，以评估消融区是否过度损伤周围健康组织。

III. 结果

A. 获取消融区体积

根据肿瘤体积大小，研究人员将BTPMR数据库中的肿瘤分为四类：小、中、大、特大。通过FEM仿真，获得了对应不同肿瘤大小、功率和时间的消融区体积。结果表明，在15W功率下产生的消融区体积通常大于10W，且体积随作用时间增加而增大，在10分钟左右趋于稳定。最终，为每个肿瘤模型匹配了最接近其体积的消融区用于后续分析。

B. 基于肿瘤特征向量的天线定位

将消融区沿着肿瘤的三个不同特征向量方向（分别对应最大、中等和最小方差方向）与肿瘤模型进行重叠，并计算评估指标。结果显示，沿着最大特征向量（即第三主成分）方向放置天线时，性能最优：未消融肿瘤体积百分比平均最低（26.58%），消融肿瘤体积百分比平均最高（73.42%），健康组织损伤百分比平均最低（33.61%）。这表明肿瘤形态分布的主要方向是天线放置的有利方向。

C. 差分进化(DE)算法的应用

在PCA提供的初始位置基础上，应用DE算法进一步优化天线位置。以模型1为例，DE算法经过约40代迭代后，评估指标趋于稳定。优化后的位置使未消融肿瘤体积百分比从初始的18.46%降至17.16%，消融肿瘤体积百分比从81.53%提升至82.83%，健康组织损伤百分比从35.90%降至34.88%。对全部模型进行100次DE优化运行后的统计结果表明，DE算法优化后的位置在所有评估指标上均显著优于单纯的PCA定位（配对t检验，p值均小于0.05）。此外，DE优化也有效减少了消融区超出5毫米安全边界的距离。

D. 基于FEM的天线定位验证

为了验证所提方法的有效性，研究人员选取模型1进行了全三维有限元仿真。比较了基于PCA特征向量的位置、DE算法优化的位置以及两个随机位置。结果表明，DE算法优化的位置实现了最高的覆盖效率(c_e)（71.0%），即在有效消融肿瘤的同时，更好地保护了周围健康组织。虽然随机位置有时会产生更大的消融区体积，但其覆盖效率较低（约66%），表明其消融更具随意性，而非精准针对肿瘤。

IV. 讨论与结论

本研究成功地将计算几何（PCA）、进化计算（DE）与微波消融物理模型相结合，为乳腺癌微波消融治疗中的天线定位问题提出了一个基于肿瘤形态学的数学准则。该方法的核心贡献在于：1）提供了不依赖于医生经验的、量化的天线定位依据；2）通过PCA提取的肿瘤主轴为优化提供了良好的初始点，加速了DE算法的收敛；3）最终的优化位置在覆盖肿瘤和最小化健康组织损伤之间取得了良好平衡。

研究结论指出，基于肿瘤最大主成分方向（对应最大特征值）进行天线初始定位，通常能获得较好的效果。而进一步利用差分进化算法进行优化，可以在此基础上显著提升治疗指标（未消融肿瘤体积减少约5.98%，消融肿瘤体积增加约5.95%，健康组织损伤减少约5.35%），且差异具有统计学意义。全三维仿真验证证实了该方法的有效性，DE优化位置实现了最佳的覆盖效率。

这项工作为乳腺癌微波消融的个性化治疗规划奠定了基础，提供了一种可重复、客观的天线放置策略。未来工作包括进行实验验证（如使用多层体模）、探索多目标优化以权衡肿瘤消融与健康组织保护、以及考虑组织异质性和患者个体差异对消融效果的影响，以进一步提高该方法的临床适用性和可靠性。尽管当前研究基于简化的二维轴对称模型生成消融区，且未考虑血管冷却等复杂因素，但它为将肿瘤形态学和进化优化整合到热消融治疗决策过程中迈出了重要一步。