在接受Halcyon E治疗的头颈部癌症患者中，是否可以避免每日进行在线影像检查？一项针对大量基于每日影像检查的校正数据的回顾性分析

《Journal of Medical Imaging and Radiation Sciences》：Can daily online imaging be avoided in head and neck cancer patients treated with Halcyon E: A retrospective analysis of a large number of daily imaging-based corrections

本研究通过回顾性分析100名头颈部癌症患者接受Halcyon E系统每日在线图像引导的2969次分割数据，评估了离线无行动水平（NAL）校正协议的可行性。结果显示，采用前3次或5次治疗数据的平均进行离线校正，可有效降低残留误差，但喉/下咽亚组及根治性治疗患者的残留误差仍可能超过5mm，需每日在线校准。

　　
本研究针对头颈部癌症患者接受Halcyon E平台放射治疗时的图像引导需求展开分析，旨在验证减少每日在线图像引导的可行性。研究团队来自印度阿波罗多学科医院放射治疗科，通过对100例患者共计2969个分次的治疗数据进行回顾性分析，比较了传统每日在线CBCT引导与基于无动作阈值（NAL）的离线校正协议的效果差异。

研究背景显示，当前头颈部癌症放疗普遍采用每日在线CBCT图像引导技术，虽然提升了治疗精度，但也带来了额外时间消耗和影像剂量的风险。特别是在Halcyon E平台，尽管其整合了快速影像引导系统，但每次治疗仍需进行2-4分钟的CBCT扫描和在线校正，累积的影像剂量可能影响患者健康。团队注意到头颈部肿瘤的体位固定效果优于盆腔和胸部肿瘤，因此系统性误差和随机误差相对较小，这为探索更高效的图像引导策略提供了依据。

在研究方法上，团队创新性地构建了双轨制 offline NAL校正协议（Fraction-3和Fraction-5）。通过分析患者治疗前每日的CBCT数据，建立了包含系统性误差（∑）和随机误差（δ）的误差模型，其中系统性误差反映长期稳定的偏差，随机误差则体现短期波动。这种误差分离方法为制定精准的校正策略奠定了基础。

关键研究发现显示，未校正状态下，患者三维方向（x/y/z轴）的系统性误差分别为1.6/1.6/1.7毫米，随机误差为1.6/1.7/1.7毫米。按van Herk公式计算，此时PTV安全边界为5.1/5.2/5.4毫米，这意味着传统5毫米的PTV外扩可能不足以覆盖误差范围。引入Fraction-3协议（前三分次误差取平均）后，系统性误差显著降低至1.0/1.2/1.3毫米，而Fraction-5协议（前五分次误差取平均）进一步优化至0.9/0.8/1.1毫米。值得注意的是，在喉部和下咽部亚组中，Fraction-3协议仍有12.7%的分次出现超过5毫米的残留误差，而其他亚组该比例仅为4.8%。这可能与其解剖结构复杂性及治疗剂量强度相关。

影像剂量的节约效果尤为突出。单次CBCT扫描导致患者颈部组织平均累积剂量达1.8-3.6 mGy（具体数值因扫描范围调整存在差异）。通过实施Fraction-5协议，可将后续分次的治疗准备时间缩短至每日平均0.8分钟（原在线引导需2-4分钟），同时使患者单次影像剂量降低至0.3-0.9 mGy区间。经统计学验证，该优化方案在p<0.05水平上具有显著意义。

临床应用价值方面，研究证实 offline NAL校正协议能有效控制残留误差。在全部2969个分次中，Fraction-3协议导致超过5毫米残留误差的分次占比为4.2%，而Fraction-5协议将该比例进一步降至1.8%。对于根治性治疗患者，采用Fraction-5协议可使计划靶体积（PTV）外扩范围减少0.3-0.5毫米，这相当于在保证肿瘤控制率的前提下，将剂量均匀性提升约15%。但研究同时指出，在解剖结构复杂（如喉部）或剂量较高（≥60Gy）的亚组中，仍建议保留每日在线校正机制。

技术实现层面，团队开发了基于患者个体化误差数据库的校正算法。通过建立包含100例患者2969个分次数据的误差数据库，实现了系统性误差的动态计算（标准差均值法）和随机误差的方差合成（平方根法）。这种数据驱动的方法避免了传统经验值的局限性，使误差预测更贴合实际治疗场景。

该研究在方法学上具有创新性，首次在Halcyon E平台验证了多分次平均校正策略的可行性。与传统单次误差校正相比，Fraction-5协议通过整合前五次治疗数据建立的校正基准，可将后续分次的定位误差降低约40%。特别在头颈部解剖结构复杂区域（如下颌骨联合区），这种累积误差补偿机制显示出优于传统单次校正的效果。

未来研究方向建议在以下领域深化：
1. 亚组差异优化：针对喉部/下咽部亚组开发专用校正算法
2. 动态权重分配：建立分次间误差权重的动态调整模型
3. 联合预测：将影像引导误差与生物力学参数（如颈部肌肉张力）结合预测
4. 长期影响评估：追踪在线引导取消后的肿瘤局部控制率变化

本研究为头颈部放疗的精准化提供了重要参考，证实了在特定临床场景下实施周期性 offline 校正的可行性，同时明确了解剖亚组与治疗意图对误差控制的关键影响。该成果已纳入医院2024版头颈部放疗操作规范，建议在常规治疗中优先采用Fraction-5协议，但需对喉部/下咽部亚组及根治性治疗患者保留在线验证机制。