A radioterapia de alta complexidade exige motores de cálculo de dose que consigam representar fielmente a heterogeneidade dos tecidos, as variações de fluência em campos modulados e as penumbras em geometrias desafiadoras. Durante décadas, algoritmos determinísticos como o pencil beam convolution (PBC) e o collapsed cone (CC) dominaram os sistemas de planejamento de tratamento (TPS), por oferecerem velocidade computacional compatível com o fluxo clínico. O advento do Monte Carlo (MC) estocástico nos TPS comerciais alterou esse equilíbrio: ao simular explicitamente o transporte de fótons e elétrons partícula a partícula, o MC elimina aproximações geométricas que comprometem a acurácia em regiões de baixa densidade, interfaces tecido-osso e campos de pequeno diâmetro.
O GPUMCD (Hissoiny et al., 2011) foi criado como uma plataforma Monte Carlo orientada a GPU para transportar fótons e elétrons acoplados em geometrias voxelizadas. A literatura clínica inclui uma versão de pesquisa do Monaco avaliada em 2016 e, mais recentemente, o Elekta One Planning com GPUMCD, lançado em março de 2025 para planejamento de tratamentos em aceleradores Versa HD. A grandeza de dose reportada e os recursos disponíveis dependem da implementação e da versão: o estudo de commissioning de 2026, por exemplo, registrou os cálculos do Elekta One Planning como dose na água.
Este artigo revisa, para físicos médicos, dosimetristas e radio-oncologistas, a fundamentação física do GPUMCD, sua comparação com outros algoritmos disponíveis no Monaco e em sistemas concorrentes, e o estado atual da evidência sobre desempenho clínico em tecidos heterogêneos. São discutidos também os procedimentos de commissioning descritos na literatura recente e os critérios para escolha dos parâmetros de cálculo em diferentes cenários clínicos.
Neste Artigo
- 1. O que é GPUMCD e por que ele foi criado
- 2. Como o transporte acoplado fóton-elétron funciona na GPU
- 3. GPUMCD, XVMC e collapsed cone: diferenças que importam
- 4. Dose to medium e dose to water no ecossistema Elekta
- 5. Resultados em pulmão, osso, interfaces e campos pequenos
- 6. Commissioning no Monaco e no Elekta One
- 7. Como escolher parâmetros de cálculo sem mascarar incerteza
- 8. Perguntas frequentes
- 9. Referências
O que é GPUMCD e por que ele foi criado
O GPUMCD é um motor de Monte Carlo acelerado por GPU cuja integração clínica deve sempre ser descrita com a versão do produto avaliado. Sua origem remonta ao reconhecimento de que métodos MC convencionais podiam exigir tempos incompatíveis com o fluxo clínico. A estratégia de paralelização massiva em GPU tornou possível reduzir esse tempo de forma substancial, embora o desempenho real dependa de hardware, geometria, grade, incerteza estatística e implementação.
O desenvolvimento do GPUMCD foi documentado em detalhe por Hissoiny et al. (2011), que descrevem uma nova plataforma de transporte acoplado de fótons e elétrons entre 0,01 e 20 MeV e seus resultados de validação contra EGSnrc. GPUMCD e XVMC são motores Monte Carlo distintos; não é correto apresentar o primeiro como simples reescrita ou descendente direto do segundo. A adaptação à GPU é tecnicamente exigente porque histórias de partículas apresentam ramificações e padrões de acesso à memória diferentes.
A motivação clínica era dupla. Primeiro, oferecer um algoritmo MC como ferramenta de rotina, não apenas de verificação pontual. Segundo, tornar o Monaco competitivo frente a sistemas determinísticos avançados como o Acuros XB (Eclipse, Varian) — um método de solução da equação linear de transporte de Boltzmann (LBTE) — e o AAA, que na época já ofereciam velocidade de cálculo aceitável com acurácia superior ao pencil beam em heterogeneidades.
Como o transporte acoplado fóton-elétron funciona na GPU
O transporte MC de fótons no GPUMCD segue a física estabelecida: para cada fóton, sorteia-se o livre caminho médio até a próxima interação (efeito fotoelétrico, espalhamento Compton ou criação de pares), a geometria da interação e a energia dos produtos secundários. Elétrons gerados no processo são então transportados usando o modelo de condensed history (CH), que agrupa múltiplas interações coulombianas de baixa energia em passos macroscópicos estocásticos, preservando a distribuição angular e de energia ao final de cada passo.
A implementação em GPU exige que o código seja estruturado de modo que threads paralelas processem histórias de partículas diferentes — não etapas diferentes da mesma história. Isso se deve ao modelo SIMD (Single Instruction, Multiple Data) das GPUs: threads executando caminhos divergentes sofrem serialização. A solução adotada no GPUMCD (Hissoiny et al., 2011) é manter um pool de partículas ativas, de modo que quando uma história termina outra é imediatamente iniciada, minimizando threads ociosas.
A grade de voxels da CT e a atribuição de densidades e materiais formam a geometria usada pelo transporte. O mecanismo exato de conversão HU→densidade e de classificação de materiais é específico da implementação do TPS e deve ser verificado na documentação da versão comissionada. Essa etapa tem implicações diretas sobre a acurácia, especialmente em pulmão, osso e materiais de alta densidade.
A incerteza estatística do resultado final é controlada pelo número de histórias simuladas (ou pela variância por voxel), configurável pelo usuário no Monaco. Diminuir a incerteza de 2% para 1% requer, em princípio, quatro vezes mais histórias, implicando maior tempo de cálculo. A escolha de um limiar adequado é, portanto, um compromisso entre acurácia e tempo — tema retomado em seção posterior.
GPUMCD, XVMC e collapsed cone: diferenças que importam
Pencil beam, collapsed cone, XVMC e GPUMCD representam famílias de cálculo encontradas em diferentes TPS, versões e estudos. XVMC e GPUMCD são ambos Monte Carlo, mas usam implementações e modelos de feixe distintos. Uma comparação válida deve informar produto, versão, máquina e processo de commissioning, sem assumir que todos esses motores coexistem ou se sucedem da mesma forma em qualquer instalação.
A tabela abaixo resume as diferenças conceituais relevantes para a prática clínica.
| Característica | Pencil Beam | Collapsed Cone | GPUMCD (Monte Carlo) |
|---|---|---|---|
| Transporte de elétrons | Implícito, kernel pré-calculado | Implícito, kernel em água | Explícito, condensed history |
| Heterogeneidades | Correção 1D (ETAR/Batho) | Correção 3D limitada | Transporte explícito no meio real |
| Dose em pulmão | Superestima com frequência | Melhora em relação ao PB | Melhora documentada; valida localmente |
| Campos pequenos (<2×2 cm) | Subestima fluência com frequência | Depende do kernel | Modelagem física mais completa |
| Tempo de cálculo (VMAT) | Segundos | Minutos | Minutos (GPU); horas (CPU) |
| Grandeza de saída | Depende da implementação | Depende da implementação | Depende do produto e da versão |
| Incerteza estatística | Nenhuma (determinístico) | Nenhuma (determinístico) | Controlável pelo usuário |
O collapsed cone do Monaco difere dos homônimos em outros sistemas (como Oncentra ou Eclipse/AAA) por detalhes de implementação de kernel. Não existe um único “collapsed cone” padronizado — cada fornecedor implementa a técnica com aproximações específicas que afetam o comportamento em interfaces e em feixes não-coplanares. Comparações diretas de acurácia entre sistemas devem ser feitas com dados de medição locais, não apenas com benchmarks publicados em configurações de hardware diferentes.
Dose to medium e dose to water no ecossistema Elekta
A distinção entre D_m e D_w é uma das questões mais debatidas na dosimetria de radioterapia moderna. D_m é a energia absorvida por unidade de massa do meio real (tecido ósseo, pulmão, etc.), calculada diretamente na simulação MC. D_w é a energia absorvida por unidade de massa da água, em condições equivalentes de fluência de energia, obtida por conversão via razão de poderes de freamento (stopping power ratios, SPR):
D_w ≈ D_m × (S/ρ)_{w,m}
onde (S/ρ)_{w,m} é a razão do poder de freamento água-meio, que pode diferir significativamente da unidade em osso cortical e em pulmão.
O TG-186 da AAPM (Beaulieu et al., 2012) foi o primeiro documento de consenso a formalizar essa distinção para braquiterapia e radioterapia externa de baixa energia. Para feixes de MV, a diferença entre D_m e D_w em tecido mole é relativamente pequena, mas pode ser mais relevante em osso cortical, onde a composição elemental difere substancialmente da água. Siebers et al. (2000) analisaram essa conversão no contexto de feixes de fótons de alta energia e discutem a magnitude das diferenças em função do tecido e da energia.
Não se deve generalizar uma única convenção de saída para todas as integrações do GPUMCD. A publicação de 2016 sobre uma versão de pesquisa do Monaco não estabelece uma regra universal de D_m ou D_w; já o estudo de 2026 do Elekta One Planning informa explicitamente que os cálculos foram registrados como dose na água. Antes de comparar DVHs ou tolerâncias, o serviço deve confirmar a grandeza reportada pela versão local e documentá-la.
A tabela a seguir resume as implicações da escolha D_m ou D_w em diferentes regiões anatômicas conforme a literatura disponível.
| Região | Relação D_m vs. D_w (feixes de MV) | Impacto clínico potencial | Referência |
|---|---|---|---|
| Tecido mole (músculo, gordura) | Diferença tipicamente pequena | Pouco relevante na rotina | TG-186 |
| Osso cortical | D_m < D_w; diferença depende da energia | Relevante em SBRT óssea; consistência com tolerâncias históricas | Siebers et al., 2000 |
| Pulmão (baixa densidade) | Transporte e falta de equilíbrio eletrônico dominam muitas diferenças | Validar algoritmo, grade e modelo de feixe | Ahmad et al., 2016 |
| Interfaces ar-tecido | Gradientes agudos; ambas as grandezas têm limitações | Cuidado com dosimetria de verificação em gradiente abrupto | Hissoiny et al., 2011 |
A escolha de qual grandeza usar para aprovação de plano deve ser documentada no protocolo local e ser consistente entre planejamento e verificação dosimétrica. Misturar D_m no planejamento com limiares de tolerância estabelecidos historicamente com D_w, sem conversão consciente, é uma fonte potencial de erro sistemático.
Resultados em pulmão, osso, interfaces e campos pequenos
A acurácia do GPUMCD foi avaliada em geometrias heterogêneas na literatura. Ahmad et al. (2016) compararam GPUMCD, XVMC e collapsed cone em phantoms heterogêneos e com medições. Esse estudo é útil para discutir transporte em baixa densidade e interfaces, mas não apresentou uma série clínica de SBRT nem uma comparação de DVHs de pacientes; seus resultados não devem ser extrapolados como desfecho clínico direto.
Em osso, a diferença entre D_m e D_w torna-se mais pronunciada, e o impacto clínico deve ser avaliado em relação aos protocolos de tolerância adotados localmente — que foram historicamente estabelecidos com dosimetria em água. Para planos de irradiação espinal ou de metástases ósseas, esse ponto deve ser explicitado no commissioning e no protocolo de aprovação de plano.
Em interfaces tecido-ar (cavidades, seios paranasais, brônquios), o transporte MC explícito resolve os gradientes de dose mais corretamente do que algoritmos de kernel, que frequentemente suavizam o perfil de dose através da interface. Por outro lado, a dosimetria de verificação nessas regiões é tecnicamente difícil: detectores pontuais e filmes têm suas próprias limitações em regiões de alto gradiente, o que torna a validação experimental desafiadora independentemente do algoritmo.
Para campos pequenos — diâmetro equivalente abaixo de aproximadamente 2×2 cm, usados em SBRT e radiocirurgia — o GPUMCD representa uma melhoria em relação ao pencil beam e, em muitos casos, ao collapsed cone. A física de equilíbrio eletrônico lateral comprometido nesses campos é mais bem capturada pelo transporte explícito de elétrons. Contudo, a qualidade do beam model no Monaco — que descreve a fluência de saída do acelerador — influencia diretamente a acurácia mesmo com MC perfeito. Um beam model inadequado produzirá erros sistemáticos independentemente do motor de transporte.
Commissioning no Monaco e no Elekta One
O commissioning do GPUMCD envolve duas etapas distintas que frequentemente são confundidas: o commissioning do beam model e a validação do motor de transporte.
O beam model descreve matematicamente o feixe de fótons saindo do acelerador: a distribuição de energia (espectro), a geometria da fonte, a fluência lateral e os filtros moduladores. Esse modelo é ajustado a medições de campo aberto, perfis de dose, PDD (percentagem de dose profunda) e, para campos pequenos, a fatores de campo (output factors). O motor MC usa esse modelo como entrada para propagar as partículas na geometria do paciente.
A validação do motor MC em si — separada do beam model — envolve comparar a dose calculada com medições em phantoms homogêneos e heterogêneos (slab phantoms com inserções de pulmão sintético e osso). Protocolos publicados como o TRS-430 da IAEA fornecem frameworks para essa validação.
No estudo de Rusu et al. (2026), o Elekta One Planning versão 6.2.3 foi comissionado para um acelerador Versa HD por meio de uma adaptação do MPPG 5.b. Elekta One Planning é software de planejamento, não um acelerador com imagem integrada no mesmo gantry. O trabalho descreveu a necessidade de novos modelos de feixe para GPUMCD e encontrou redução de tempo de cálculo em relação ao XVMC no ambiente estudado, sem transformar essa razão de velocidade em garantia para outras configurações.
Pontos críticos do commissioning que exigem atenção especial:
- Calibração HU-densidade: a tabela de conversão HU→ρ deve ser derivada dos scanners CT utilizados clinicamente, não da tabela padrão do TPS. Erros nessa calibração propagam-se diretamente para a densidade dos voxels e para o livre caminho médio simulado.
- Campos pequenos: output factors para campos abaixo de 2×2 cm requerem detectores de alta resolução (microcâmaras, diodos ou detectores de diamante sintético) com protocolo compatível com o IAEA TRS-483.
- Incerteza estatística de referência: o protocolo deve especificar o limiar de incerteza MC aceito para aprovação de planos, documentando o trade-off com tempo de cálculo.
- Materiais de alta densidade: implantes e próteses metálicas ficam fora da faixa coberta pelas tabelas de segmentação padrão; definir o procedimento para esses casos antes do início clínico evita surpresas.
Como escolher parâmetros de cálculo sem mascarar incerteza
O Monaco oferece ao usuário controle sobre a incerteza estatística-alvo do cálculo MC. Essa configuração é criticamente importante: uma incerteza elevada por voxel, embora rápida de calcular, pode mascarar gradientes reais de dose e introduzir artefatos visuais (“ruído MC”) que dificultam a interpretação do plano e podem inflar falsamente a taxa de reprovação em QA baseado em índice gama.
Diretrizes baseadas na física e na literatura orientam as escolhas, mas cada centro deve definir suas metas no commissioning:
-
Planejamento clínico de rotina (IMRT/VMAT): a meta de incerteza deve ser definida no commissioning e testada com o hardware e a versão clínica. Um número universal não substitui a avaliação de ruído, tempo e impacto nas métricas do plano.
-
SBRT pulmonar e espinal: dada a sensibilidade dessas técnicas à acurácia de dose — e a presença frequente de heterogeneidades severas —, incertezas menores são justificáveis, especialmente quando o volume-alvo estiver em região de alto gradiente de densidade.
-
Verificação de plano (second-check): ao usar o GPUMCD como cálculo de segunda verificação independente, utilizar a mesma configuração de incerteza do cálculo principal permite comparação direta dos DVHs.
-
Planos de alta modulação: se o cálculo MC participar do processo de otimização, o ruído estatístico pode afetar a convergência. Consulte a documentação e valide o fluxo da versão específica antes do uso clínico.
Outro parâmetro frequentemente subestimado é o tamanho do voxel de cálculo. A resolução deve ser escolhida em função do tamanho de campo, gradiente, anatomia e limites da versão comissionada. Uma grade excessivamente grosseira pode atenuar gradientes e produzir volume parcial; uma grade mais fina aumenta custo e não corrige erros do modelo de feixe.
A escolha entre D_m e D_w, por sua vez, deve ser documentada e consistente. Não existe consenso internacional único sobre qual grandeza usar para aprovação de plano em feixes de MV de radioterapia externa. O ponto-chave é que as tolerâncias de tecidos normais derivadas de estudos históricos (como os dados compilados pelo QUANTEC) foram estabelecidas com dosimetria baseada em água; ao adotar D_m, essa tradução deve ser explicitamente considerada e documentada no protocolo local.
Perguntas frequentes
O GPUMCD é mais acurado que o Acuros XB do Eclipse?
O Acuros XB resolve numericamente a equação linear de transporte de Boltzmann, enquanto GPUMCD usa amostragem estocástica. Ambos podem representar heterogeneidades com mais fidelidade que métodos simplificados, mas não existe superioridade universal: modelo de feixe, grade, materiais, versão e cenário de teste importam. Ahmad et al. (2016) não compararam Acuros XB; portanto, esse artigo não sustenta uma equivalência direta entre os dois motores. A decisão clínica exige validação local e estudos comparativos específicos.
Devo usar D_m ou D_w para aprovar planos clínicos?
Não há recomendação internacional única e vinculante para feixes de MV de radioterapia externa. O TG-186 discute os fundamentos com foco em braquiterapia e radioterapia de baixa energia. Para feixes de MV em tecido mole, a diferença numérica é pequena. Em osso ou pulmão, a escolha afeta os DVHs de forma mensurável. O mais importante é documentar a escolha no protocolo local e manter consistência entre planejamento, verificação dosimétrica e os limiares de tolerância adotados.
Qual é o impacto da tabela HU-densidade sobre o resultado do MC?
Significativo. O GPUMCD usa a tabela de conversão HU→densidade para atribuir a massa de cada voxel da CT. Uma tabela incorreta — por exemplo, derivada de um scanner diferente do utilizado clinicamente — produz erros sistemáticos no transporte de partículas, mais graves em regiões de osso cortical ou pulmão do que em tecido mole. A calibração dessa tabela é parte essencial do commissioning e deve ser verificada periodicamente ou após manutenções no CT. A prática de usar tabelas genéricas do fornecedor sem validação local é um ponto de falha relativamente comum e subestimado.
O ruído estatístico do MC pode comprometer a QA?
Sim. Sistemas de QA baseados em comparação de mapas de dose (ArcCheck, MapCHECK, Delta4) medem diferenças ponto a ponto ou pelo índice gama. O ruído MC na distribuição planejada pode inflar artificialmente a taxa de reprovação no índice gama, especialmente em regiões de baixo gradiente mas com alta incerteza estatística residual. A solução é calcular com incerteza suficientemente baixa antes de exportar para QA — o protocolo de commissioning deve estabelecer esse limiar antes do início clínico, e não após o surgimento de reprovações inexplicáveis.
O GPUMCD funciona para prótons ou somente para fótons?
O artigo original do GPUMCD descreve transporte acoplado de fótons e elétrons na faixa de energia estudada. Isso não significa que a mesma implementação clínica calcule feixes terapêuticos de prótons. Protonterapia exige física, modelos de feixe e validação próprios; a disponibilidade deve ser confirmada no produto e na versão específicos.
Referências
- Hissoiny S, Ozell B, Bouchard H, Després P. GPUMCD: A new GPU-oriented Monte Carlo dose calculation platform. Med Phys. 2011;38(2):754–764.
- Ahmad SB, Sarfehnia A, Paudel MR, et al. Experimental evaluation of a commercial Monte Carlo dose calculation algorithm in heterogeneous phantoms. J Appl Clin Med Phys. 2016;17(6).
- Rusu SD, et al. Commissioning and validation of Elekta One Planning with GPUMCD for a Versa HD linear accelerator. J Appl Clin Med Phys. 2026.
- Beaulieu L, Tedgren ÅC, Carrier JF, et al. Report of the Task Group 186 on model-based dose calculation methods in brachytherapy beyond the TG-43 formalism. Med Phys. 2012;39(10):6208–6236.
- Siebers JV, Keall PJ, Nahum AE, Mohan R. Converting absorbed dose to medium to absorbed dose to water for Monte Carlo based photon beam dosimetry. Phys Med Biol. 2000;45(4):983–995.
- IAEA TRS-483. Dosimetry of Small Static Fields Used in External Beam Radiotherapy. Vienna: IAEA; 2017.
- IAEA TRS-430. Commissioning and Quality Assurance of Computerized Planning Systems for Radiation Treatment of Cancer. Vienna: IAEA; 2004.
