《Intelligent Oncology》：Monte Carlo–consistent dose prediction for clinical CyberKnife radiotherapy using a physics- and spatially-informed diffusion model
编辑推荐：
尽管蒙特卡洛（Monte Carlo, MC）剂量计算是CyberKnife放射治疗的金标准，但由于其在复杂非共面及小射野几何结构中的随机粒子输运导致计算延迟过高，临床应用受到限制。为此，研究人员提出了一种融合物理与空间先验的扩散模型，结合视觉Transfor
尽管蒙特卡洛（Monte Carlo, MC）剂量计算是CyberKnife放射治疗的金标准，但由于其在复杂非共面及小射野几何结构中的随机粒子输运导致计算延迟过高，临床应用受到限制。为此，研究人员提出了一种融合物理与空间先验的扩散模型，结合视觉Transformer（Vision Transformer, ViT），命名为PSIDMViT，以实现快速的MC一致剂量预测。研究回顾性纳入251例癌症患者（头颈部117例、肺部76例、肝脏58例），按8:1:1比例分为训练集、验证集和测试集。每位患者的数据集包括计算机断层扫描（Computed Tomography, CT）图像、结构集，以及分别采用有限尺寸笔形束（Finite-Size Pencil Beam, FSPB）算法和MC算法计算的临床剂量分布，其中MC结果作为参考真值。PSIDMViT将FSPB剂量分布作为物理先验，多通道符号距离图（Signed Distance Map, SDM）作为空间先验，并结合计划CT图像提供解剖学背景信息。性能评估指标包括峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）、结构相似指数（Structural Similarity Index Measure, SSIM）、平均绝对误差（Mean Absolute Error, MAE）及三维伽马通过率。结果显示，PSIDMViT的预测精度显著高于FSPB及基准模型（P < 0.05），在所有解剖部位均显著提高了剂量保真度，PSNR与SSIM平均提升分别为90%与129%，MAE降低约85%。三维伽马通过率（1%/1 mm/10%）在头颈部病例中达98.00% ± 2.50%，肺部病例为94.00% ± 1.50%，肝脏病例为95.00% ± 1.80%。此外，该模型相比GPU加速的MC基准实现了3.5倍的速度提升，总计算时间由约1小时缩短至18分钟推理时长。研究表明，该模型有效融合了物理、解剖与空间先验，为CyberKnife放射治疗的高精度剂量计算提供了一种高效且稳健的工具。
研究背景与意义
立体定向体部放疗（Stereotactic Body Radiotherapy, SBRT）因其能够在短时间内给予肿瘤高消融剂量，同时快速剂量跌落以保护周围健康组织，已成为多种肿瘤的标准治疗手段。CyberKnife系统凭借机器人精准定位与实时追踪功能，可在无需侵入性固定的情况下补偿分次内靶区运动，尤其适用于深部或解剖复杂的病灶。然而，其高精度剂量分布的获得依赖于准确的剂量计算算法。MC算法通过模拟大量粒子的随机输运过程，是目前最精确的剂量计算方法，但因计算量巨大，难以在临床常规中广泛应用。FSPB算法则通过简化物理模型实现快速计算，但在异质组织界面（如低密度肺组织）中会出现侧电子不平衡，导致危及器官（Organ at Risk, OAR）剂量低估。因此，如何在保证精度的前提下显著提高计算效率，是高精度放射治疗的重要课题。此项研究发表于《Intelligent Oncology》。
关键技术方法
研究回顾性纳入来自河北医科大学第一医院的251例患者（头颈部117例、肺部76例、肝脏58例），所有病例均包含计划CT图像、结构轮廓以及FSPB与MC两种算法计算的剂量分布。研究人员构建了物理与空间先验扩散模型PSIDMViT，将FSPB剂量作为物理先验，多通道SDM作为空间先验，结合计划CT的解剖信息，并在去噪骨干网络中引入ViT模块以捕捉长程空间依赖。扩散过程采用线性噪声调度，并在推理阶段使用1000步马尔可夫采样以保证剂量精度。模型训练采用均方误差与SSIM损失的加权组合，优化器为AdamW，批量大小为64，并通过在线数据增强提升泛化能力。
研究结果
3.1 基线模型与所提模型的比较
在头颈部病例中，FSPB在3%/3 mm/10%标准下的伽马通过率为98.68% ± 4.017%，但在更严格的1%/1 mm/10%标准下降至87.36% ± 14.869%。U-Net与Cm-GAN在1%/1 mm/10%下的通过率分别仅为89.500% ± 10.000%与92.000% ± 9.500%。PSIDMViT在所有解剖部位均取得最优表现，头颈部1%/1 mm/10%通过率达98.00% ± 2.50%，MAE从FSPB的0.474 ± 0.634 Gy降至0.050 ± 0.200 Gy，降幅达89.4%。在肺部与肝脏病例中，PSIDMViT同样维持高水平精度，伽马通过率分别达94.000% ± 1.500%与95.000% ± 1.800%。
3.2 物理与空间先验的影响
逐步消融实验表明，仅加入二进制PTV掩码（PIDMP）带来小幅显著提升（P < 0.05），而将掩码替换为连续SDM（PIDMS）后，MAE显著降低，伽马通过率提升至96.500% ± 3.100%（P < 0.001）。进一步集成ViT模块（PSIDMViT）后，精度达到最高，头颈部伽马通过率为98.00% ± 2.500%，MAE降至0.050 ± 0.030 Gy（P < 0.001）。
3.3 定性验证与临床分析
PSIDMViT预测的等剂量体积与MC参考高度一致，Dice系数超过0.972。剂量体积直方图（Dose-Volume Histogram, DVH）显示，该模型能够准确重建靶区覆盖指标，并纠正FSPB对OAR剂量的系统性低估，尤其在主动脉与气管等关键结构中表现稳定。
3.4 计算效率与推理延迟
在肺部病例中，PSIDMViT的平均推理时间为1095.34 ± 38.21秒，较GPU加速MC基准（3902.14 ± 2415.97秒）缩短约3.5倍，相当于约18分钟即可完成一次全剂量计算。
讨论与结论
本研究提出的PSIDMViT模型，通过物理与空间先验的融合及ViT模块的全局注意力机制，成功克服了传统卷积与对抗模型在捕捉长程辐射输运效应上的局限，实现了接近MC精度的剂量预测并保持高效率。其临床意义在于为CyberKnife治疗提供了可靠的次级剂量验证工具，可在保证精度的前提下减少计算负担。研究人员指出，未来工作应扩展到多机构、多厂商的数据集，并探索将辐射输运约束直接嵌入模型结构或损失函数，以进一步提升物理一致性。此外，可通过加速采样策略缩短推理时间，以适应在线自适应放疗的时间敏感性需求。
结论翻译
本研究开发了一种融合物理与空间先验的扩散模型PSIDMViT，用于生成临床MC一致的剂量分布。该模型在多个解剖部位均能准确映射解析剂量估计至MC剂量分布，显著减轻了传统MC模拟的计算负担，为高精度次级剂量验证提供了稳健高效的解决方案，并有望支持常规CyberKnife工作流程中的MC一致治疗计划。
