Identification of selection criteria for DIBH in patients with left breast cancer using 3D-CRT and VMAT: An analysis with dosimetric parameters and NTCP models.

把左側乳癌患者深吸氣時的左肺體積變化比值（%LLV）設定在 1.7，並將照野內心臟體積比值（%HVIF）界定為 1.0，就能精準預測患者是否能從深吸氣閉氣（DIBH）技術中獲得實質的器官保護效益。多變量羅吉斯迴歸分析證實，這些解剖參數閾值在 3D-CRT 計畫中預測準確度極高，AUC 數值甚至可達 0.95，為臨床端提供了一套明確且數據化的篩選標準。

左側乳癌 DIBH 技術的解剖參數評估與挑戰

深吸氣閉氣技術（DIBH，深吸氣閉氣，藉由肺部擴張推開心臟的技術）在左側乳癌放射治療中，已被廣泛確認能有效閃避危及器官（OARs，如心臟與左前降支動脈），進而降低輻射引發的心血管疾病風險。然而，並非所有接受乳癌放射治療的患者都能從這項技術中獲得同等程度的劑量降低效益。過去的臨床文獻中，關於「究竟哪些患者群體最能從深吸氣閉氣中獲益」的共識始終難以建立，導致許多醫療機構在安排計畫時缺乏明確的解剖數據指引。

探究其背後的評估難度，主要在於患者個體間的胸腔解剖結構差異，以及肺部充氣後心臟位移程度的不可預測性。為了建立一套可靠的篩選機制，本研究團隊致力於找出特定的解剖參數閾值，以期在三維順形放射治療（3D-CRT，三維順形放射治療，傳統切線照野技術）與體積調控弧形放射治療（VMAT，體積調控弧形放射治療，動態旋轉給予劑量）這兩種不同幾何設計的照射技術中，皆能精準辨識出高獲益族群。

透過建立解剖指標與劑量參數之間的關聯性，研究人員期望能為常規的治療計畫流程提供更客觀的參考基準。在此過程中，研究不僅分析了基礎的劑量體積直方圖（DVH），更導入了正常組織併發症機率（NTCP，正常組織併發症機率，評估放射線傷害的模型）進行深度檢驗，試圖將單純的解剖體積變化，轉譯為具備實證意義的併發症風險預測模型。

四十八位患者的次群組分類與計畫參數設定

從研究的樣本結構來看，分析團隊共納入了 48 位左側乳癌患者作為總群體（Group A）。為了進一步釐清不同手術方式對解剖參數預測力的影響，這批患者被細分為兩個次群組：其中 20 位接受乳房保留手術（Group B），另外 28 位則接受根除性乳房切除手術（Group C）。這種次群組的劃分，有助於檢視胸壁完整性與軟組織厚度差異，是否會干擾解剖參數的預測穩定度。

在治療計畫的生成與比較設計上，所有患者最初皆具備一組自由呼吸（Free-breathing, FB）狀態下的 3D-CRT 治療計畫。隨後，研究人員運用 DIBH 影像數據，為每位患者重新擬定對應的 3D-CRT 計畫。不僅如此，為了橫向對比不同給劑技術的差異，每一組自由呼吸與深吸氣閉氣的影像數據上，都額外生成了一組對應的 VMAT 治療計畫，形成完整的對照組。

界定患者是否符合獲益條件的基準，建立在自由呼吸與深吸氣閉氣狀態下的兩個關鍵體積比值：照野內心臟體積比值（%HVIF，照野內心臟體積比值，自由呼吸與閉氣的體積差異）以及左肺體積比值（%LLV，左肺體積比值，反映吸氣充氣量）。透過 Spearman 相關係數檢定，研究團隊得以量化 %LLV 與 %HVIF 這些解剖變化，與各項劑量參數及 NTCP 之間的連動關係。

最終，多變量羅吉斯迴歸（MLR，多變量羅吉斯迴歸，處理多個預測變數的統計法）被用來確認這套篩選機制的有效性。分析模型的整體效能，則統一運用接收者操作特徵曲線下面積（AUC，ROC曲線下面積，衡量模型分類能力的指標）來進行嚴謹的量化評估，確保找出的閾值具備高度的統計顯著性。

3D-CRT 照射技術下的 %LLV 與 %HVIF 劑量相關性

經過大量的影像與劑量數據比對，研究確立了預測 DIBH 效益的最佳解剖閾值：左肺體積比值（%LLV）的門檻為 1.7，而照野內心臟體積比值（%HVIF）的門檻則為 1.0。將目光聚焦於 3D-CRT 的治療計畫數據，%LLV 的數值大小與整體心臟、左前降支動脈（LAD，左前降支動脈，心臟表面極易受照射的血管）的劑量降低幅度，展現了極高的統計顯著相關性。

若細看次群組的差異，在涵蓋所有患者的 Group A 以及接受乳房切除術的 Group C 中，%LLV 更直接與 LAD 的正常組織併發症機率（LAD NTCP）呈現顯著相關。然而，對於接受乳房保留手術的 Group B 患者而言，%LLV 僅在平均心臟劑量差值（ΔMHD）與心臟的高劑量體積參數 ΔV25（接受 25 Gy 劑量的體積差異）上表現出顯著的相關性，顯示出保留乳房組織的幾何型態，可能微幅改變了肺部擴張對心臟位移的絕對影響。

針對另一個關鍵參數 %HVIF，其在 3D-CRT 計畫中的表現同樣值得關注。數據顯示，%HVIF 與心臟的高劑量體積佔比 %V25 及 %V40 在 Group A 與 Group B 中具有顯著關聯；而在 Group A 中，%HVIF 也與 LAD 的平均劑量（%Dmean）相關。這意味著在傳統切線照野設計下，只要觀察照野內心臟體積的比例變化，就能相當準確地預估高劑量區對心臟的影響程度。

不過，%HVIF 的預測能力在 Group C（根除性乳房切除術）中卻未能達到統計上的顯著意義。這項發現點出了一個重要的臨床限制：當患者失去乳房組織的覆蓋，胸壁厚度與切線照野的幾何切入角度發生改變時，單純依賴照野內心臟體積比值，可能無法全面反映出實際的劑量降低效益。

VMAT 弧形治療計畫中參數預測效力的差異

將分析視角轉移到 VMAT 計畫時，兩個解剖參數展現出了截然不同的預測命運。首先，左肺體積比值（%LLV）在 VMAT 技術中依然維持著極佳的泛用性。分析結果指出，%LLV 與平均心臟劑量差值（ΔMHD）、心臟最大劑量差值（ΔDmax）、LAD 平均劑量差值（ΔDmean）以及 LAD ΔNTCP 皆具備顯著相關，且這項關聯性完全不受次群組分類（Group A/B/C）的影響。

對比之下，照野內心臟體積比值（%HVIF）在 VMAT 計畫中徹底失去了預測效力，未發現任何顯著的劑量相關性。探究其幾何物理原因，VMAT 技術採用多角度的連續弧形給劑，其劑量分佈廣泛且包覆性強，與 3D-CRT 固定的切線照野有著本質上的差異。因此，單一平面的「照野內心臟體積」，無法有效代表 3D 空間中複雜低劑量浴（low-dose bath）對心臟的整體影響。

這項結果清楚標示出技術參數的適用邊界：當臨床選擇使用 VMAT 進行左側乳癌放射治療時，評估患者是否適用 DIBH 技術，應該將焦點完全放在左肺體積比值（%LLV）的變化上，而非觀察心臟在特定視角下的體積改變。這種基於不同給劑技術特性的差異化評估，對於優化治療計畫流程具有極高的實務參考價值。

即使 VMAT 本身在劑量順形度上具有優勢，但 DIBH 所帶來的解剖位置分離（將心臟推離胸壁），仍可透過 %LLV 的數值被精準量化與預測。這進一步鞏固了 %LLV 作為一項獨立且跨技術平台的解剖預測指標地位。

多變量羅吉斯迴歸與 AUC 驗證模型的精準度

為了全面檢驗這些解剖閾值的臨床實用性，研究團隊引入了 ROC 曲線下面積（AUC）來評估模型的分類精準度。在利用 %LLV 來預測 DIBH 獲益的模型中，針對 3D-CRT 計畫的預測 AUC 分別高達 0.85（Group A）、0.90（Group B）與 0.94（Group C），顯示其在判別患者適用性上具有極優異的表現。

同樣地，%LLV 在 VMAT 計畫中的 AUC 數值也相當亮眼，分別為 0.77、0.91 與 0.89。儘管在總群體（Group A）的數值略低於 3D-CRT，但在各次群組中仍維持了高度的分類準確性。這些強而有力的統計證據，再次驗證了設定 %LLV 閾值為 1.7 作為跨技術通用標準的合理性。

觀察另一個參數 %HVIF 的表現，在 3D-CRT 技術下，其預測模型的 AUC 數值分別為 0.88、0.93 與 0.95，甚至在某些次群組中超越了 %LLV 的表現，展現出強大的局部預測力。然而，正如前面的劑量相關性分析所揭示，當技術轉換至 VMAT 時，%HVIF 的 AUC 數值則呈現較大的波動與下滑（0.70、0.90、0.81），印證了其在弧形治療中的侷限性。

從這些數據矩陣中可以看出，雖然 %HVIF 在傳統切線照野設計中具備幾近完美的預測力，但考量到現代放射治療技術逐漸向 VMAT 靠攏，尋找一個具備高適應性的單一指標顯得更為重要。這也是為何該研究在綜整所有數據後，特別強調不同參數在不同技術下的應用區隔。

建立放射治療個人化決策的解剖參數閾值

根據這份基於 48 位左側乳癌患者的詳盡分析，解剖參數在放射治療計畫決策中的角色被賦予了更清晰的定位。左肺體積比值（%LLV）被證實是一項極具實用價值的篩選工具，且其 1.7 的閾值標準能夠橫跨 3D-CRT 與 VMAT 兩種不同的治療平台，穩定地預測深吸氣閉氣技術對心臟與左前降支動脈的保護效力。

相對地，照野內心臟體積比值（%HVIF）雖然在 VMAT 技術中表現不佳，但其 1.0 的閾值設定，依然是 3D-CRT 治療計畫中最具針對性的預測指標。作者在文末也坦承，這項研究的適用邊界目前建立在左側乳癌患者的特定解剖特徵上，而次群組的手術型態差異（如乳房保留與根除性切除），確實會在特定參數的預測效力上產生微調，這是進行參數評估時必須納入考量的變數。

透過建立這些具體的解剖參數閾值，臨床端在面對龐雜的治療計畫準備工作時，能夠擁有一套更為精簡且具備數據支撐的評估流程。這種系統化的參數篩選機制，不僅減少了盲目嘗試各類計畫所耗費的運算時間，更確實推進了放射治療邁向更個人化、精準化決策的目標。

%LLV 超過 1.7 是適用於 3D-CRT 與 VMAT 預測 DIBH 效益的通用閾值，而 %HVIF 為 1.0 則專屬於 3D-CRT 計畫的精準判斷標準。