放疗逆向计划中自适应目标函数与权重的优化策略：应对复杂病例的通用解决方案

针对放疗计划优化中缺乏复杂病例手动调整系统指导的难题，研究人员开发了基于目标值（OV）的自适应优化策略。该研究在4种商业治疗计划系统（TPS）中验证了120例患者数据，结果显示优化计划（RP）在Pinnacle/UIH/Eclipse系统上显著提升靶区适形指数（CI）和危及器官（OAR）保护率（80%病例改善），平均仅需（5±4）次优化循环。这一策略为复杂病例和个性化需求提供了量化指导，填补了自动化与人工干预间的技术空白。

　　

在精准放疗时代，逆向调强放疗（IMRT）和容积旋转调强放疗（VMAT）已成为主流技术，但临床仍面临一个棘手问题：当遇到复杂解剖结构或特殊临床需求时，自动化计划系统往往难以生成理想方案，而依赖人工经验的手动调整又缺乏量化标准。这种"自动化失灵，人工盲目"的困境，导致计划质量参差不齐、优化效率低下，尤其对鼻咽癌（NPC）等靶区与危及器官（OAR）高度重叠的病例更为突出。

针对这一挑战，复旦大学附属肿瘤医院与贵州医科大学附属肿瘤医院的研究团队在《Journal of Radiation Research and Applied Sciences》发表了一项创新研究。他们开发了一套基于目标值（Objective Value, OV）的自适应优化策略，通过建立量化参数调整体系，将传统依赖经验的"试错法"转变为可追溯的标准化流程。这项研究验证了该策略在Pinnacle、UIH、Eclipse和Monaco四种商业治疗计划系统（TPS）中的普适性，结果显示优化后的计划在保持靶区覆盖（V₉₅
≥95%）的同时，显著提升了80%病例的OAR保护效果，且平均仅需5次优化循环即可完成复杂病例的个性化调整。

研究方法的核心在于三阶段框架：1）初始优化阶段建立基础参数；2）基于OV范围（如OAR的Max Dose OV预期值0.002-0.006）进行量化调整；3）选择性精细调优。研究团队通过120例多中心回顾性数据（含40例复杂病例）验证策略效能，重点评估适形指数（CI）、均匀性指数（HI）和OAR剂量参数（如脑干D_max
<60Gy），并与原始临床计划（CP）进行盲法对比。

主要研究结果

靶区覆盖与适形性
优化计划（RP）在Pinnacle、UIH和Eclipse系统上CI显著提升（p<0.05），其中复杂病例的CI改善尤为明显（Pinnacle从0.64升至0.66）。Eclipse系统RP的HI降低0.01（p=0.001），表明剂量分布更均匀，而UIH系统因侧重OAR保护导致HI轻微升高。

危及器官保护
96例RP（80%）展现出更优的OAR保护效果，系统间差异显著：Pinnacle（83%改善）、UIH（90%）、Eclipse（93%）明显优于Monaco（53%）。典型案例如鼻咽癌病例，通过创建"Parotid-Plan"替代原始腮腺约束，成功将OV从1.50（超出预期范围100倍）调整至0.004，同时满足V₃₀
≤50%的临床要求。

优化效率
平均（5±4）次循环即可完成优化，其中复杂病例需（7±2）次。相较于传统方法依赖4.7个辅助结构（95%CI:3.21-6.26），该策略仅需2.0个（p<0.05），大幅简化工作流程。在Monaco系统中，RP的MU数呈现降低趋势（1022→979），但未达统计学显著性。

讨论与意义
这项研究首次建立了放疗逆向计划中OV与参数的量化关系，破解了"参数调整-剂量响应"的黑箱问题。其创新性体现在三方面：1）通过OV范围预判优化冲突（如OV>0.2提示靶区-OAR剂量矛盾）；2）动态调整优先级（高权重ROI优先）；3）兼容多平台（如UIH的"优化辅助环"功能替代自定义环结构）。

临床价值在于：为资源受限地区（仅配备基础TPS）提供高效手动优化方案；弥补现有自动计划（AP）在复杂病例中的不足——测试显示该策略对5例AP失败病例仍能提升CI和OAR保护；建立可迁移的优化知识库，如将NPC经验拓展至肺癌（肺V₂₀
<30%优化）。作者也指出局限性：病例分布偏重头颈部肿瘤（占40%），未来需在乳腺癌、儿科肿瘤等领域验证普适性。

这项研究标志着放疗计划优化从经验驱动迈向数据驱动的重要一步。其提出的OV量化框架，不仅为当前临床实践提供了实用工具，更为下一代智能计划系统开发奠定了理论基础——通过融合深度学习剂量预测与OV动态调整算法，有望实现真正个性化的全自动放疗规划。