多目标优化（MCO）技术能在人工计划的基础上进一步提高计划的质量,但耗时较长。而基于先验知识自动计划（KBP）模型对计划的预测效果在很大程度上取决于数据库中计划的质量,其生成计划速度快,但精度有待提高。因此利用多目标优化（MCO）技术提高基于KBP模型数据库中计划的质量,从而改善模型,提高模型预测的精确度,从而得到一个速度快且质量高的自动计划模型。此次选取湘雅医院肿瘤放疗科已经完成放疗的55例鼻咽癌患者IMRT计划,患者年龄40-75岁（平均53岁）,鼻咽癌分期为T1-T3期。由于个体差异性,处方剂量为50-70Gy不等。为了消除不同患者处方剂量的差异性,方便统计分析,对每个患者的处方剂量进行了归一化。每个病例都采用固定野调强放疗（IMRT）技术。随机选择40个病例的IMRT计划作为训练集1,通过多目标优化技术对训练集1中的IMRT计划进行预处理,构建新的训练集2。将初始训练集1和处理后的训练集2作为样本,分别训练得到传统的KBP模型和多目标优化技术精炼后的MCO-KBP模型。在剩余15个病例中随机选择5例作为验证集,其余10例作为测试集。验证通过后用测试集对初始的人工计划以及传统KBP模型和MCO-KBP模型生成自动计划的计划质量进行统计学分析。结果表明多目标优化技术在一定程度上能改善计划的质量,但优化时间较长。传统KBP模型和MCO-KBP模型生成自动计划的靶区剂量(D95)都能满足临床要求,CI与HI基本一致（P＞0.05）,且MCO-KBP模型生成的自动计划中重要危及器官的剂量比传统KBP模型更低。例如,与传统KBP模型相比,MCO-KBP模型生成的自动计划中,脑干Dmax平均偏低2.13Gy,左腮腺Dmean平均偏低1.39Gy,右腮腺Dmean平均偏低1.59Gy,左视神经Dmax平均偏低1.42Gy,右视神经Dmax平均偏低1.16Gy,垂体Dmax平均偏低1.88Gy,上述剂量学指标具备统计学意义。与传统的KBP模型相比,精修后的MCO-KBP模型设计的IMRT计划对危及器官的保护具有明显优势,证明了利用MCO技术提高KBP模型的计划设计质量是可行的。