第58届PTCOG年会物理场辩论：蒙特卡罗or鲁棒
英国当地时间6月13日，第58届PTCOG年会学术会议举行了物理场辩论。PSI研究所首席医学物理师Tony Lomax教授和曼彻斯特大学放疗物理系主任Marcel Van Herk教授就“蒙特卡罗or鲁棒”(Monte Carlo or Robust)这一话题发表了各自的观点，曼彻斯特大学Ran Mackay教授主持辩论。质子中国将辩论内容整理后与大家分享。
辩论现场
避免过度应用蒙特卡罗算法
Lomax教授分别从临床疗效、所需时间、治疗计划差异以及对剂量差异的影响等方面比较了解析算法与蒙特卡罗算法，表示虽然蒙特卡罗算法非常具有价值，但我们需酌情选择算法，避免过度应用蒙特卡罗算法。
Tony Lomax教授
PSI研究所的研究结果表明，在应用解析算法(Ray Casting)而非蒙特卡罗算法的情况下，笔形束扫描(PBS)质子治疗颅底肿瘤(222例)、室管膜瘤(50例)、脑膜旁横纹肌肉瘤(31例)以及骶骨脊索瘤(36例)可获得理想的疗效，颅底肿瘤的7年局部控制率为80%，其余三种肿瘤的5年局部控制率分别为78%、73%以及66%。
该研究所的另一项研究分别应用解析算法(Ray Casting算法及笔形束算法)与蒙特卡罗算法制定了17个治疗计划。结果显示，Ray Casting算法制定治疗计划所需时间最短，并且与蒙特卡罗算法制定的治疗计划并无显著差异。
Lomax教授同时指出，由于患者解剖结构的改变，即使对于蒙特卡罗这样精确的算法，计划成像与再成像之间也会出现较大差异；解剖结构造成的剂量差异远比解析算法与蒙特卡罗算法的差异大得多。因此，需要优化日常的“3D成像—超快再计划—实施治疗”过程。PSI研究所数据显示，对于4个照射野、共20,000个质子笔形束(5,000个/野)的治疗计划来说，Ray Casting算法只需要5秒完成计划(complete definition)，并且包括整个优化过程(full optimization)。
Lomax教授最后总结说，解析算法与蒙特卡罗算法的差异并非想象中的大，两者的差异在很多病例中均在临床可接受范围内；应用解析算法制定治疗计划非常迅速；患者解剖结构改变造成的误差远大于不同算法的误差；蒙特卡罗算法仍具有重要地位，但我们应避免蒙特卡罗算法的过度应用，例如在计算包括患者治疗全疗程中所有不确定性影响在内的累计剂量分布时应该使用蒙特卡罗计算。
将“误差”概念引入放疗
Van Herk教授认为，由于我们无法确切知道靶区在体内的真实情况，因此在制定治疗计划时需要正确应用“误差”(error bar)的概念。
Marcel Van Herk教授
ICRU(国际辐射单位和测量委员会)第82号报告(ICRU 82)提出，计划靶区(PTV)是一个用于治疗计划制定及评价中的几何概念，旨在优化剂量分布以使足够的剂量照射至临床靶区体积(CTV)中的各个部分。因此，照射边界是治疗计划制定的工具，同时是计划制定的关键。
对于前列腺癌来说，图像引导技术可减小由器官运动及摆位等导致的误差，使照射的总误差边界(total error margin)由1.24cm降至0.7cm。然而，布鲁塞尔大学医院的一项研究显示，对于T1-T3N0M0前列腺癌患者，应用植入标记物进行图像引导的患者其5年无生化失败率(freedom from biochemical failure, FFBF)反而高于未进行图像引导的患者(58% vs 91%)。研究人员认为，导致此结果的原因是由于图像引导技术缩小了肿瘤靶区的照射边界，但对于前列腺癌患者来说未必获得更优的疗效。
Van Herk教授表示，目前很多放疗研究均集中于治疗计划、束流及成像等领域；尽管目前的放疗技术愈加精确，但患者治疗过程的诸多环节尚有待进一步研究。当前放疗领域面临的挑战之一是生物学研究相对较少，但我们能够通过建立模型优化治疗计划。基于概率的光子调强放疗(IMRT)治疗计划优化系统涵盖了随机不确定性(random uncertainty)、系统不确定性(systematic uncertainty)以及生物不确定性(biological uncertainty)，通过数据分析优化剂量分布，今后的调强治疗计划可以对随机性、系统性、靶区运动与解剖变化做基于概率的最优化，从而不必使用传统的PTV边界。
Van Herk教授最后总结说，当前的放疗技术已非常精确；但我们仍面临诸多问题，如形变、轮廓误差以及生物学等；照射边界并非应对不确定性的方式，而是应被纳入到治疗计划制定中，以更好地保护危及器官；物理领域应联合临床及生物等各领域力量，将“误差”概念引入放疗实践中。（质子中国 现场报道）
感谢李左锋教授审校本文
PTCOG 2019系列报道
第58届PTCOG年会将在英国曼彻斯特举行，现已开放网上注册及投稿