Dose predita por IA não é uma categoria única. Em radioterapia, o mesmo vocabulário pode se referir a uma distribuição 3D usada como ponto de partida para objetivos de planejamento, a um modelo de deep learning que gera uma dose de referência para dose mimicking, ou a uma automação de otimização que não tenta substituir o cálculo físico de dose.
Essa distinção é essencial para comparar MVision Dose+, RayStation deep learning planning e OptiPlan. Os três pertencem ao movimento de planejamento mais automatizado, mas não têm o mesmo papel técnico nem a mesma fronteira regulatória.
Resposta curta
- MVision Dose+ é apresentado como software de predição de dose para gerar distribuições VMAT clinicamente alcançáveis a partir de CT e estruturas, importáveis por DICOM para um TPS.
- RayStation usa modelos de deep learning para prever uma imagem de dose que pode servir como referência para mimic optimization dentro do próprio TPS.
- OptiPlan deve ser tratado como automação de planejamento VMAT baseada em ferramentas nativas do TPS e objetivos do ClearCheck. O material público atual não o descreve como motor de dose por IA.
Predição de dose não é transporte de partículas
Um algoritmo como Monte Carlo simula transporte físico e deposição de energia. Um modelo de dose predita aprende uma relação entre anatomia, estruturas, prescrição, configuração de feixe ou exemplos aprovados e uma distribuição de dose provável. O resultado pode ser útil para iniciar a otimização, reduzir tentativa e erro e padronizar trade-offs, mas continua dependente do domínio de treinamento e da validação local.
Na prática clínica, o valor da predição não está em declarar que a rede neural substitui o TPS. O valor está em antecipar uma dose plausível, mostrar se o caso parece fácil ou tensionado, e orientar objetivos antes que o planejador gaste múltiplas iterações manuais.
Comparação técnica
| Sistema | Papel descrito publicamente | Uso clínico provável | Cuidado editorial |
|---|---|---|---|
| MVision Dose+ | Predição de dose VMAT personalizada a partir de CT e estrutura | Dose inicial e objetivos para refinar planejamento no TPS | Validar por sítio, protocolo, TPS, fracionamento e população |
| RayStation deep learning planning | Predição voxel-a-voxel com modelos U-net e dose mimicking | Plano executável gerado dentro do RayStation e refinável como plano convencional | Separar dose predita de cálculo final e de aprovação clínica |
| Radformation OptiPlan | Automação de otimização VMAT com ferramentas do TPS e ClearCheck | Redução de iterações e variabilidade entre planejadores | Não chamar de predição de dose por IA sem documentação específica |
MVision Dose+: distribuição 3D como ponto de partida
A página do Dose+ informa que o produto cria distribuições VMAT alcançáveis a partir de CT e conjuntos de estruturas usando transferência DICOM simples. A mensagem técnica relevante é que o modelo não entrega apenas um score ou checklist: ele gera uma dose 3D que pode entrar no fluxo de planejamento.
O estudo NCCC Newcastle é útil porque compara Dose+ com fluxos automatizados e manuais em próstata. O ponto a aproveitar no texto não é vender um número isolado, mas mostrar como um serviço pode validar uma ferramenta de predição dentro de um TPS específico, com casos padrão e casos nodais mais complexos.
RayStation: dose predita para mimic optimization
No material da RaySearch, o modelo recebe um volume multicanal de estruturas e produz uma imagem de dose voxel-a-voxel. Essa dose predita é armazenada no RayStation e pode ser usada como referência para mimic optimization. O plano final continua dentro do TPS, com possibilidade de refinamento e avaliação convencionais.
Isso se conecta ao artigo já existente sobre RayStation collapsed cone e Monte Carlo: uma coisa é usar aprendizado profundo para gerar uma referência de planejamento; outra é o motor físico que calcula a dose final do plano.
OptiPlan: automação VMAT, não motor de dose por IA
O material público da Radformation posiciona o OptiPlan como automação de planejamento VMAT que usa ferramentas nativas do TPS e objetivos orientados por ClearCheck. Em 15 de junho de 2026, a própria página e o webinar indicavam que o OptiPlan era recurso da versão mais nova do EZFluence e estava com FDA 510(k) pendente.
Por isso, a comparação correta é: OptiPlan compete no problema operacional de reduzir iteração manual e variabilidade; MVision Dose+ e RayStation deep learning planning se aproximam mais da ideia de prever uma distribuição de dose para guiar o planejamento.
Onde entra o físico médico
- Definir o intended use: triagem, dose de referência, objetivo de otimização, pré-planejamento ou suporte a revisão.
- Separar dose predita, plano otimizado e cálculo final aprovado.
- Conectar a adoção ao processo de commissioning e QA.
- Usar métricas clínicas e de pior caso, não apenas gamma médio. O checklist detalhado está em como validar dose predita por IA.
FAQ
Dose predita por IA substitui Monte Carlo?
Não como regra geral. Ela pode acelerar decisões de planejamento, mas a equivalência clínica precisa ser demonstrada no domínio de uso. O motor físico, o cálculo independente e a validação local continuam sendo barreiras de segurança.
MVision Dose+ e RayStation fazem a mesma coisa?
Ambos usam predição de dose, mas a integração e o fluxo são diferentes. Dose+ é apresentado como software que exporta distribuição DICOM para o TPS; RayStation integra a dose predita ao próprio ambiente de planejamento para mimic optimization.
OptiPlan é IA de dose?
Com base no material público revisado, não é correto descrevê-lo assim. Ele é melhor descrito como automação VMAT orientada por objetivos e ferramentas de otimização do TPS.
Referências
- MVision AI Dose+. https://mvision.ai/dose/
- Estudo NCCC Newcastle sobre Dose+. https://mvision.ai/case-study-evaluating-ai-dose-prediction-across-standard-and-complex-prostate-cases-at-nccc-newcastle/
- RaySearch: Machine Learning in RayStation. https://www.raysearchlabs.com/machine-learning-in-raystation/
- RaySearch white paper: Deep learning planning. https://www.raysearchlabs.com/media/publications/white-papers/deep-learning-planning/
- Radformation OptiPlan. https://radformation.com/optiplan/optiplan
- Webinar Radformation: Introducing OptiPlan. https://resources.radformation.com/webinar-introducing-optiplan-automated-vmat-planning
