目的:设计一种联合深度学习剂量预测和参数迭代优化算法的容积调强放射治疗(VMAT)全自动计划方法。方法:选取2018年6月至2021年1月北京大学肿瘤医院既往165例直肠癌患者的VMAT计划开展研究，其中145例用于训练和验证深度学习模型，该模型用于预测危及器官的剂量，20例用于研究比对自动计划和人工计划的质量。该方法从危及器官的预测剂量分布中提取关键的剂量体积直方图(DVH)值作为初始优化参数(IOPs)，利用治疗计划系统可编程接口自动创建VMAT计划，通过设计迭代优化算法自动调节优化参数(OPs)。结果:剂量预测模型训练后能有效预测出20例测试计划危及器官的关键DVH值，与参考值相比差异均无统计学意义(
P> 0.05)。20例VMAT自动计划均能满足临床处方剂量要求，对于PTV和PGTV的适形性指数(CI)，人工计划与自动计划比较差异均无统计学意义(
P> 0.05)；而PGTV的
D1和均匀性指数(HI)，自动计划均高于人工计划，分别为0.6 Gy和0.01，两者比较差异均有统计学意义(
t＝-7.05、-6.92，
P<0.05)。自动计划比人工计划的膀胱平均
V30下降2.7
作者：刘嘉城；王翰林；王清莹；姚凯宁；王美娇；岳海振；王若曦；杜乙；吴昊
来源：中华放射医学与防护杂志 2021 年 41卷 11期
