阎华伟，张吉，林志禧，金献测，韩策

    温州医科大学附属第一医院 放疗中心，浙江 温州 325015

    先进的放射治疗技术，如调强放射治疗(intensity-modulated radiation therapy,IMRT)和容积调制弧形治疗(volumetric modulated arc therapy,VMAT)已有许多临床应用。然而，这些技术在计划和出束方面都非常复杂，必须在实施之前进行安全的保证[1]。基于患者特定的质量保证(quality assurance,QA)测量被用于确认剂量传递的准确性。该过程通常涉及使用伽马通过率(gamma pass rate,GPR)评估将计算的剂量分布与测量的剂量分布进行比较[2]。因此，针对调强计划的剂量验证是极其重要的环节。根据美国医学会物理学家协会(AAPM)TG218建议，对于该部分提出了相应的临床限值[3]。使用人工智能(artificial intelligence,AI)和机器学习(machine learning,ML)来帮助预测和进行决策已经在一系列学科中广泛应用，包括肿瘤放射治疗学和医学物理学，其中也有涉及到质量保证部分。因此，本研究拟提取VMAT放疗计划的复杂度参数，利用一种通用的机器学习方法，对3%/3 mm、3%/2 mm和2%/2 mm三种不同标准下的GPR分别进行数值跟分类预测。

    1 资料和方法

    1.1 一般资料 收集2019年3月至2020年8月在温州医科大学附属第一医院接受双弧VMAT治疗的141例患者，其中男56例(39.71%)，女85例(60.28%)，包括99例盆腔肿瘤患者(宫颈、子宫内膜、直肠、前列腺等部位)、42例头颈部肿瘤患者(鼻咽、口咽、喉咽等部位)，分别占70.21%和29.79%。患者均采用仰卧位、热塑体模固定，CT模拟定位扫描层厚设定为3 mm ......