利用早期治疗通气预测接受光子和质子治疗的肺癌患者放疗结束时的通气反应

Predicting End-of-Treatment Ventilation Response to Radiation Therapy Using Early Treatment Ventilation for Patients With Lung Cancer Treated With Photons and Protons

作者信息Rebecca Lim, Caleb S O'Connor, Joshua Pan, Tien T Tang, Austin Castelo, Yulun He, Uwe Titt, James P Long, Mais Altaie, Radhe Mohan, Zhongxing Liao, Kristy K Brock
PMID42520860
发布时间2026-07-28
DOI10.1016/j.ijrobp.2026.07.026

实验完整度

中

回顾性队列研究,包含患者影像数据分析和线性回归建模,但缺乏前瞻性实验或功能验证。

主要模型

71例肺癌患者(48例光子、23例质子)

重点核对

患者队列:71例,其中光子48例、质子23例 剂量分箱:0-80 Gy,每5 Gy增量 通气归一化:按潮气量归一化 线性回归模型特征:计划通气、BOT通气、肺体积

摘要

目的:功能性肺回避放疗保护高功能肺区域以降低毒性风险,但忽略了治疗期间的功能变化。为了进一步研究正常肺的功能变化,我们采用基于体素的技术,如治疗期间的通气图。我们假设治疗开始时的通气变化可预测计划与治疗结束之间通气的变化。方法:对71例肺癌患者(48例接受光子放疗,23例接受质子放疗),使用基于应力的有限元方法在计划、治疗开始和治疗结束时生成基于4DCT的通气图。计算治疗开始和治疗结束时的体素通气变化。根据治疗方式(合并和分开)以及治疗开始时通气增加或减少,将患者分为6组。对于每组,通气变化按计划剂量分组,并计算患者在治疗开始和治疗结束时的中位数。通过单因素分析,将治疗结束时通气与计划通气、治疗开始时通气及临床因素进行相关性分析。建立线性回归模型以确定治疗结束时通气的预测因子。模型特征包括计划时通气、治疗开始时通气和肺体积。通过R²评估模型准确性。结果:治疗开始时通气增加的患者中,74%(光子患者79%,质子患者75%)在治疗结束时被相同分层。治疗开始时通气减少的患者中,85%(光子患者86%,质子患者82%)在治疗结束时被相同分层。单因素分析显示,仅计划通气、治疗开始时通气和肺体积与治疗结束时通气相关。线性回归模型达到R²=0.89。结论:治疗开始的通气变化可预测治疗结束时的通气变化,显示出将通气用作影像生物标志物的巨大潜力。需要进一步工作将通气变化与患者报告结局和放射性毒性(如肺炎)相关联。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
治疗早期(BOT)的通气变化能否预测治疗结束时(EOT)的通气变化?
核心机制
通气变化在治疗过程中具有一致性,BOT通气变化可预测EOT通气变化。
主要证据
71例患者的4DCT通气图分析,BOT和EOT通气变化一致性百分比(增加组74%,减少组85%),线性回归R²=0.89。
研究意义
通气可作为预测治疗结束时通气反应的影像生物标志物,并可能用于自适应放疗的重新优化。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

患者选择与数据获取

选择符合条件的肺癌患者并获取治疗期间的4DCT影像

从完成的随机临床试验中回顾性选取71例患者,收集计划、治疗早期和治疗后期的4DCT影像。

2

通气图生成

从4DCT影像计算通气图

使用基于应力的有限元方法,通过可变形图像配准和有限元分析生成通气图。

3

通气图时间配准与归一化

将不同时间点的通气图对齐并进行归一化以消除呼吸变异

通过分次间DIR将BOT和EOT通气图对齐到计划图像,并按潮气量归一化。

4

通气变化分析

评估BOT和EOT通气变化及其与剂量的关系

计算每个患者的体素通气变化,按剂量分箱,进行Mann-Whitney U检验比较BOT和EOT变化。

5

单因素分析和线性回归建模

确定预测EOT通气的因素并建立预测模型

进行单因素分析确定显著变量,基于显著变量建立线性回归模型预测EOT通气。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Discovery PET/CTGE Healthcare--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
患者选择
患者总数、光子/质子分配、治疗剂量(74 Gy/37次或66 Gy/33次)
阅读提示:Methods: Patient cohort, 表1
通气图生成
4DCT采集参数(电影模式、2.5mm层厚)、DIR算法、有限元模型参数(杨氏模量、高斯滤波σ)
阅读提示:Methods: 4DCT ventilation derivation
通气图归一化
潮气量计算、归一化因子
阅读提示:Methods: 4DCT ventilation derivation
通气变化分析
剂量分箱(0-80 Gy,每5 Gy)、分组标准(BOT通气增加/减少)、统计检验(Mann-Whitney U)
阅读提示:Methods: Ventilation analysis
预测模型构建
单因素分析变量、线性回归特征(计划通气、BOT通气、肺体积)
阅读提示:Methods: Univariate analysis and linear regression analysis