摘要目的 基于XGBoost算法构建多输出模型,预测宫颈癌容积旋转调强放疗中膀胱和直肠的剂量.方法 选取于我院进行宫颈癌容积旋转调强放疗的120例患者为研究对象.随机抽取20例患者作为测试集,将剩余100例患者数据按照4︰1采取五折交叉验证方式构建XGBoost预测模型.将所有患者CT中膀胱和直肠结构的与靶区边界距离直方图信息和计划中的剂量跌落函数f(x)作为输入,提取膀胱和直肠微分剂量体积直方图,并将其以2 Gy为间隔离散为多个剂量端点(Dose Endpoints,Des)作为输出,建立多输出模型.使用平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RMSE)评估模型各个Des预测值与临床实际值之间的差异.使用剂量体积百分比(VRx)对比模型预测积分剂量体积直方图(Cumulative Dose Volume Histogram,cDVH)曲线与临床cDVH的差异.结果 直肠剂量体积直方图(Dose Volume Histogram,DVH)曲线中所有Des的MAE为0.0206,RMSE为0.0287;膀胱DVH曲线中所有Des的MAE为0.0339,RMSE为0.0450.对比预测值与临床实际值的VRx,约91.8％的膀胱预测值和实际值差异小于5％误差范围.直肠预测值与实际值差异小于5％误差范围占比为94.0％.进一步分析发现,膀胱体积<500 mL时,模型DVH预测表现较好;膀胱体积>500 mL时,模型DVH预测结果有待提高.直肠在各个体积范围内,其模型DVH预测均表现较好.结论 基于XGBoost算法的多输出DVH预测模型可帮助临床医师和物理师快速评估直肠和膀胱的器官受量,且该模型无需高性能的图形处理器即可快速完成优化过程,为机器学习在放疗中的应用提供新思路.