李曉婷,朱海濤,陳偉梁,秦軍軍,孫應實*

(1.北京大學腫瘤醫(yī)院暨北京市腫瘤防治研究所醫(yī)學影像科 惡性腫瘤發(fā)病機制及轉(zhuǎn)化研究教育部重點實驗室,北京 100142;2.上海聯(lián)影醫(yī)療科技股份有限公司,上海 201807)

放射治療(放療)是治療腫瘤的主要方法之一。適形調(diào)強放療(intensity modulated radiation therapy, IMRT)、容積旋轉(zhuǎn)調(diào)強放療(volumetric modulated arc therapy, VMAT)及螺旋斷層放療均為高度適形的放療手段,可在較好保護正常組織的同時有效增強針對腫瘤的放射劑量[1]。隨著精準醫(yī)療時代的到來,使得臨床對于放療效率和精度的要求進一步提高,這意味著制定和實施放療計劃過程中需要應用更精準的解剖和功能圖像來定位病灶及周圍組織結構[2]。MRI具有良好軟組織分辨力,可多平面和多參數(shù)成像,以判斷病灶成分,顯示病灶范圍、定位其與周圍臟器的關系,且可在一定時間內(nèi)多次檢查[3]。本文就MR模擬定位技術用于腫瘤放療進展進行綜述。

1 MR模擬定位技術

臨床常采用常規(guī)模擬機、CT模擬定位機或MR模擬定位機獲取影像,以確定放療靶區(qū)和危及器官位置,進而勾畫靶區(qū)、制定放療計劃。CT模擬定位機最為常用,通過CT值-相對電子密度曲線將組織CT值轉(zhuǎn)換為電子密度,對不同密度的結構加以修正,以利于計算腫瘤靶區(qū)(gross tumor volume, GTV)和危及器官放療劑量,多用于確定腫瘤位置及周圍組織范圍等信息。MR模擬定位機與CT模擬定位機類似,但更偏向于定位,其軟組織結構分辨率更高,且多模態(tài)MRI能提供更多腫瘤特征及對于治療的反應等信息,有助于更精準地勾畫GTV;但MRI信號強度與氫質(zhì)子分布有關,卻不具有電子密度信息,無法反映不同結構之間的密度差異,故不能單獨計算放射劑量,實際操作中需與CT圖像融合應用。

1.1 掃描序列 多種MR序列已用于診斷惡性腫瘤。彌散加權成像(diffusion weighted imaging, DWI)已在顯示受累淋巴結、確定病灶體積、定量反映治療效果等方面均展現(xiàn)出重要價值[4-6]。此外,針對不同結構的特殊MR成像技術也逐漸被開發(fā)并進入臨床應用階段,如MR血管造影(MR angiography, MRA)、MR波譜成像、動態(tài)對比增強MRI、化學交換飽和轉(zhuǎn)移成像及血氧水平依賴功能MRI等。T2WI和動態(tài)對比增強MRI有助于判斷腫瘤潛在復發(fā)部位;MRA可顯示血管結構和血流信號特征;多模態(tài)MRI技術不僅可為外科應用立體定向放射提供精確的靶向信息,還能敏感地反映病灶在放療過程中的動態(tài)變化[7-10]。

如何降低MRI幾何誤差和劑量計算誤差是MR放療模擬定位的技術難點。利用真實穩(wěn)態(tài)進動快速成像(true fast imaging with steady precession, TrueFISP)可于高速掃描前提下獲取信噪比最佳的圖像[1,11],其特點是施加重聚焦梯度,在3個梯度方向上進行相位補償,成像時以恒定速度流動的質(zhì)子不會在各周期中產(chǎn)生、累積而導致出現(xiàn)附加相移,故不因流動信號相位缺失而損失信號,適于自腦脊液或慢速流動的血液中提取信號;基于TrueFISP的ViewRay MR引導放療系統(tǒng)已取得良好的模擬定位效果[12]。此外,使用放療專用成像線圈及固定裝置亦有助于減少MR模擬定位的幾何誤差[13]。

1.2 場強 目前關于MR模擬定位技術的最適場強尚無定論,1.5T和3.0T MR掃描儀均可用于放療模擬。相比1.5T,3.0T MR儀能提供更多掃描序列和參數(shù),獲取高信噪比圖像,時間和空間分辨率更高,可更敏感地反映組織形態(tài)和病理改變,有助于早期發(fā)現(xiàn)和精準診斷病變,且掃描速度更快、患者依從性更佳,更適用于科學探索和開展臨床試驗;其主要局限性在于金屬及磁敏感偽影更明顯,骨組織與軟組織交界面?zhèn)斡案?水脂交界面化學位移偽影更嚴重,尤其在體質(zhì)量指數(shù)高患者更為明顯,且運動偽影較難控制,組織產(chǎn)熱更多,患者自覺身體發(fā)熱更明顯。將MR模擬作為CT模擬的補充手段時,需根據(jù)實際情況選擇設備場強。

1.3 直線加速器 MR直線加速器的出現(xiàn)使MRI成為放射腫瘤學的主要焦點。該技術將MRI與直線加速器整合,具有優(yōu)越的軟組織對比度而無骨偽影、無輻射劑量,可任意方位斷層(3D數(shù)據(jù)),支持多序列生物功能成像,無需體表標記,并可動態(tài)反映放療過程中腫瘤及周圍組織生物學行為變化等[14]。既往研究[13-16]表明,MRI引導放療可用于治療頭頸部腫瘤、乳腺癌及肺癌,通過實時獲取腫瘤在體內(nèi)的運動圖像并自適應地予以施照,能進一步提高治療效率及其安全性。

2 MR模擬定位技術用于腫瘤放療

近年MRI已越來越多地用于制定放療計劃、監(jiān)測腫瘤在治療過程中的反應及評估治療后復發(fā)。用于放療頭頸部腫瘤、乳腺癌等時,MRI可提供較CT更為準確的GTV[17-18];用于放療宮頸癌時,MRI可精準區(qū)分腫瘤組織與非瘤組織,常用于劃定放療輪廓[19]。一項CT和MRI用于放療肝癌的對比研究[20]結果顯示,多模態(tài)融合MRI可顯著提高勾畫GTV的觀察者間一致性。放療肺癌時,以MRI勾畫肺癌致肺不張原發(fā)腫瘤輪廓的觀察者間差異明顯低于應用CT進行勾畫[21]。另有研究[22]表明,MRI與PET、CT與PET用于勾畫GTV的測量者間差異相似,但對于MRI與CT勾畫GTV的差異尚不明確。此外,MRI和PET/MR融合圖像已被證明均可用于勾畫GTV[23],但一項針對放療結直腸癌肝轉(zhuǎn)移的研究[24]認為利用PET/MR融合圖像勾畫GTV可能影響其精確度,有待進一步分析證實。

GLIDE-HURST 等[25]認為目前MR模擬定位在放療中的使用率明顯偏低,導致患者需于短時間內(nèi)接受多次CT掃描而面臨高電離輻射風險。MRI模擬定位機在我國基層醫(yī)院的普及率較低,MRI模擬定位在國內(nèi)放療中的整體使用率可能更低。

3 人工智能用于MR放療模擬定位

制定放療計劃時,對于人工智能的需求主要體現(xiàn)在勾畫器官和計算放療劑量方面。利用基于U-net的深度學習(deep learning, DL)模型可用于計算前列腺癌患者所需IMRT劑量[26];卷積神經(jīng)網(wǎng)絡(convolutional neural network, CNN)多器官分割方法已用于頭頸癌放療[27];以深度CNN與運動跟蹤相結合,可實現(xiàn)動態(tài)計算肺腫瘤體積[28]。DL算法可用于評估放療對正常器官的毒性和組織損傷,如ZHEN等[29]使用遷移學習策略預測宮頸癌放療中直腸的劑量毒性;還可實現(xiàn)不同掃描設備圖像間的轉(zhuǎn)換,NIE等[30-31]使用3D CNN學習實現(xiàn)將MRI端到端非線性映射至CT圖像,HAN等[32]開發(fā)的深度CNN模型利用傳統(tǒng)單序列MRI合成CT圖像,在測算精度和運算速度方面均具有優(yōu)勢,有望擺脫放療計劃對CT的依賴,消除MR-CT配準的不確定性。

4 小結與展望

未來MR模擬定位技術將會有更加廣闊的應用前景。但目前對于放療中應用MR模擬定位技術的使用條件尚未達成共識,應及時收集不同地區(qū)、不同級別醫(yī)療單位對于MRI和CT模擬定位機的使用情況、應用效果及臨床反饋等信息,并開展相關臨床研究評估將MR模擬定位技術整合入放療工作流程中的有效性,以制定將MR模擬定位技術用于放療不同腫瘤的策略。隨著人工智能的發(fā)展,MR模擬定位系統(tǒng)的靶區(qū)劃定、劑量計算和動態(tài)評估治療療效將更加精準;與CT模擬定位交替使用,可使放療方案及療效評價方式更加靈活。