治疗计划系统（Treatment Planning System，TPS）版本升级对多中心基于知识计划模型临床应用的影响

《Technical Innovations & Patient Support in Radiation Oncology》：Version upgrades in treatment planning Systems affect clinical application of a multi-Centre knowledge-based planning model

　　

目的：确定治疗计划系统（Treatment Planning System，TPS）软件版本升级是否对先前版本中构建的基于知识计划（Knowledge-Based Planning，KBP）模型的临床应用产生影响。方法：回顾性选取20例前列腺癌治疗患者的数据集，在三种不同版本的Eclipse（Varian Medical Systems）治疗计划系统（TPS）（Vn13.6、Vn15.6、Vn16.1）上进行计划设计，使用在Vn13.6中构建的多中心RapidPlan（RP）模型。每例计划均采用相同的射束布置、优化目标与计算设置。研究人员还在Vn15.6和Vn16.1中对RapidPlan模型进行重新提取与重新训练（re?trained），并使用这些模型按相同方法对数据集重新计划。结果：进行了7组计划比较，评估4项靶区指标和8项危及器官（Organ at Risk，OAR）指标。靶区剂量指标中位值有10/28组比较观察到统计学显著差异，危及器官指标有23/56组比较观察到统计学显著差异。在Vn15.6和Vn16.1中重新提取并重新训练的模型改善了靶区覆盖和部分危及器官剂量指标。使用Vn15.6模型的部分计划在某些危及器官指标上出现小幅升高；但最大变化幅度很小（≤1.4%），包括膀胱V65Gy（<1.3%）、膀胱V70Gy（<0.7%）、直肠V65Gy（<0.9%）和直肠V70Gy（<1.4%）。结论：Eclipse版本升级会对使用早期版本开发训练的RapidPlan模型优化所得计划产生不同影响。本研究证实了供应商的建议，即在开展Eclipse版本升级时，重新提取、重新训练RapidPlan模型非常重要，以确保获得最优剂量学结果。

研究背景：基于知识计划（Knowledge-Based Planning，KBP）已成为放射治疗计划中标准化院内及院间治疗方案、降低不同计划者之间质量波动的重要工具，其中Varian Eclipse系统的RapidPlan（RP）模块通过机器学习从既往特定部位治疗计划中训练模型，利用基于几何的预期剂量（geometry-based expected dose，GED）推算危及器官（Organ at Risk，OAR）剂量体积直方图（Dose Volume Histogram，DVH）估计并生成个性化剂量-体积约束以指导优化。维多利亚公共部门RapidPlan小组（Victorian Public Sector RapidPlan Group，VPSRG）由澳大利亚维多利亚州九个放疗科室的多学科代表组成，协作开发自动化模型并共享高质量计划用于训练集，其前列腺RP模型自2016年起在多中心应用，有效提升了计划质量与一致性。随着各科室先后进行Eclipse治疗计划系统（Treatment Planning System，TPS）版本升级，优化算法与剂量计算算法（如各向异性解析算法（Anisotropic Analytical Algorithm，AAA）、Acuros XB（AXB）剂量至介质（dose-to-medium）算法）随之更新，可能引起剂量学变化和计划质量改变，供应商建议每次升级均需重新提取、重新训练（re-train）与重新验证RP模型，但多中心协作下这项工作资源消耗较大，且现有文献多关注TPS版本间算法差异对常规计划的影响，关于KBP模型跨版本适用性的证据有限。因此研究人员开展本研究，旨在明确使用早期版本构建的RP模型在较新Eclipse版本中生成计划是否存在显著差异，以及在新版本中重新训练模型是否带来获益，从而为指导机构在TPS升级后RP模型的临床使用提供依据。论文发表在《Technical Innovations》。

关键技术方法：研究人员回顾性选取VPSRG原始训练集中20例前列腺癌患者数据集（14例前列腺 intact、6例术后前列腺床，处方剂量66～78 Gy，涉及VPSRG各参与单位），所有结构采用统一命名规范（基于TG263）与轮廓勾画指南（Global Harmonisation Group共识），靶区包括CTV_Dose、PTV_Dose，OAR包括Bladder、Rectum、Femur_Head_L、Femur_Head_R；在每个Eclipse版本（Vn13.6、Vn15.6、Vn16.1）中分别使用原VPSRG v2.1 RP模型（在Vn13.6训练）和优化计算，以及在Vn15.6、Vn16.1中重新提取并重新训练后的RP模型进行计划优化；计划设计统一采用双全对穿VMAT弧、等中心置于靶区中央、准直角10°与350°、10MV光子、自动适形 jaws 加0.5 cm边界并开启jaw tracking，优化设置开启收敛模式、孔径形状控制器中等、自动中间剂量、自动优化、无计划归一化、关闭auto crop（额外建PTV减CTV结构替代）、开启GPU，均只做单次优化且无人工干预；Vn13.6计划采用AAA算法计算剂量，其余计划采用Acuros XB（dose-to-medium）对应版本算法；评估指标为靶区CTV_D_98%、PTV_D_98%、PTV_D_2%、PTV_D_50%以及OAR的Bladder_V_65Gy、Bladder_V_70Gy、Rectum_V_30Gy、Rectum_V_40Gy、Rectum_V_50Gy、Rectum_V_60Gy、Rectum_V_65Gy、Rectum_V_70Gy；统计采用Wilcoxon符号秩检验，经Bonferroni校正显著性水平p<0.007，分析借助IBM SPSS完成。

Method（方法）：研究人员通过数据计划部分构建了六类计划方案，分别为在Eclipse Vn13.6中用原VPSRG v2.1模型（v136–1）、在Vn15.6中用原模型（v156–1）、在Vn16.1中用原模型（v161–1）、在Vn15.6中用重新训练模型（v156–2）、在Vn16.1中用Vn15.6重新训练模型（v161.3）、在Vn16.1中用Vn16.1重新训练模型（v161–2），所有计划几何、优化目标、计算设置完全一致，以消除计划者偏差；数据分析部分明确了靶区与OAR的具体剂量学指标及临床目标值，并指出Vn13.6计划使用AAA算法，其余使用对应版本的Acuros XB（dose-to-medium），采用Wilcoxon符号秩检验进行配对比较并做Bonferroni校正，由此系统评估跨版本与原/重训练模型间的剂量学差异。

Results（结果）：研究人员生成120例计划（每数据集6例），比较28项靶指标配对中10项显示中位值显著差异，56项OAR指标配对中23项显著差异；总体趋势为新Eclipse版本中重新训练的RP模型（尤甚Vn16.1重训练模型）伴随靶区覆盖改善（PTV_D_98%、CTV_D_98%提升）和等效或降低OAR剂量，但Vn15.6中原模型优化的计划靶区覆盖明显退化（约25%病例CTV_D_98%或PTV_D_98%达标困难），且与OAR中低剂量（如Rectum_V_30Gy、V_40Gy、V_50Gy）降低相伴；重训练Vn15.6模型显著恢复靶区覆盖，OAR中低剂量略降而高剂量（Rectum_V_70Gy等）微升但最大变化≤1.4%；部分计划未达标多集中于少数数据集，归因于患者特异性靶区-OAR几何而非TPS版本；各版本比较中至少一项指标具统计学显著差异，表明版本升级与模型重用/重训练均影响计划质量。

Discussion（讨论）：研究人员指出TPS升级后使用早期版本构建的RP模型会产生可观测的靶区与OAR剂量学显著变化（39%比较具统计显著性），其中Vn15.6中原模型优化导致靶覆盖下降最明显，推测源于Vn15.5起KBP算法改动（如OAR与靶区重叠建模改进、线型目标可选靶优先或OAR优先）与原模型参数不完全兼容，而非仅剂量算法差异（AAA与AXB）；Vn16.1中原模型反而靶覆盖好于Vn13.6原计划，说明优化算法与新特征影响更强；重训练模型能充分利用新版本算法优势，提升靶覆盖一致性并收紧置信区间，OAR中低剂量一般改善但高剂量微升仍在临床微小范围内；结果支持供应商建议：每次Eclipse升级应重新提取、重新训练RP模型以保障最优剂量学与计划质量；多中心协作时可由模型开发单位统一重训练后分发，减少各中心验证负担；但RP模型只能由原建模单位（拥有患者数据）重提取训练，若其未升级则协作单位要么等待要么自建模型；统计显著不等同临床显著，本研究单次优化无人工交互，临床中物理师调整多可使计划达标，但对串行器官剂量差异及资源权衡仍需考量；研究局限含样本量较小；随版本升高靶与OAR指标患者间一致性趋好，重训练模型获益最大，支持多中心由开发站定期重训练以辐射新版本优势；结论可延伸其他自动化计划工具，强调即使高级自动化仍需临床专家监督与验证。

Conclusion（结论）：基于知识的计划（KBP）可提升放疗计划一致性、效率与质量；本研究显示Eclipse RapidPlan软件版本升级可在使用既有模型时进一步改善计划质量，但在最新Eclipse版本中重新提取与重新训练（re-train）模型能获得最优结果；研究人员确认应理想地遵循Varian建议，在每个新Eclipse版本下重训练RP模型。每次新版本需重训练会抵消部分KBP效率增益，这在模型共享/共用时需权衡；多中心协作由单一部门重训练后共享可最小化此影响，推荐使用早期版本训练RP模型的科室尽快重训练以取得最优患者剂量学。