Algoritmos comerciales en heterogeneidad: pulmón, hueso, aire y metal

En aguas casi homogéneas, muchos algoritmos comerciales parecen más similares de lo que realmente son. La diferencia aparece cuando el haz atraviesa el pulmón, vuelve a entrar en una cavidad de aire, atraviesa hueso denso o toca metal. Aquí es donde la física simplificada empieza a pasar factura.

Por lo tanto, la comparación que importa no es “cuál TPS parece más sofisticada”, sino qué sucede cuando la dosis necesita cruzar:

• pulmón de baja densidad;
• interfaces aire-tejido;
• hueso cortical;
• implantes y materiales de alta calidad Z;
• pequeños campos modulados en geometrías irregulares.

Este artículo organiza el problema por escenario clínico. La pregunta útil no es quién gana un concurso de resúmenes entre Pencil Beam, AAA, collapsed cone, Acuros XB y Monte Carlo. La pregunta útil es otra: qué hipótesis de cada familia comienza a romperse cuando el medio deja de parecer agua casi homogénea.

Pulmón: la gran prueba de la honestidad de los algoritmos

El pulmón sigue siendo uno de los mejores estreses para cualquier motor de dosis. La baja densidad altera el transporte de partículas cargadas, aumenta la penumbra, cambia el equilibrio electrónico y hace que la reentrada en los tejidos blandos sea especialmente sensible al modelo utilizado.

Pencil Beam

El clásico Pencil Beam sufre aquí porque su fortaleza radica en las correcciones a lo largo del eje principal de la viga, no en el tratamiento lateral robusto de la heterogeneidad. En términos pulmonares, esta diferencia pasa factura rápidamente:

• subestimación o sobreestimación según el caso;
• dificultad para representar adecuadamente el ensanchamiento lateral;
• Mayor fragilidad en campos pequeños.

El problema subyacente es que el algoritmo intenta resolver un fenómeno fuertemente tridimensional con física lateral simplificada.

AAA

El clásico AAA mejora enormemente la imagen porque incorpora:

• beamlets;
• núcleos derivados de Monte Carlo;
• profundidad radiológica;
• tratamiento de dispersión anisotrópica.

Pero el propio manual de Varian admite claras limitaciones pulmonares. Para 4–6 MV y campos ≥ 5×5 cm², el algoritmo tiende a subestimar la dosis en el pulmón y a sobreestimar la dosis en el tejido equivalente al agua después del pulmón. A energías más altas (10–20 MV) y campos ≤ 5×5 cm², tiende a sobreestimar la dosis pulmonar, y el error aumenta a medida que disminuyen el campo y la densidad pulmonar.

El texto del Handbook of Radiotherapy Physics refuerza esta lectura comentando puntos de referencia en los que AAA sobreestimó la dosis pulmonar en haces pequeños de alta energía. Los métodos

Cono colapsado

collapsed cone fueron exactamente una respuesta a parte de este problema. El manual destaca que las implementaciones de la familia CCC puede, con buena precisión, representar:

• ampliación de penumbra;
• reducción de dosis en el eje del haz en el pulmón.

Esto ya coloca a CCC en un nivel físicamente más fuerte que el más clásico Pencil Beam de baja densidad.

Acuros XB y Monte Carlo

En pulmón, aquí es donde la diferencia en la familia algorítmica se vuelve más clara. El manual cita comparaciones entre EGSnrc, Acuros XB y AAA en fantasma con heterogeneidad de baja densidad, mostrando una buena concordancia entre Acuros XB y EGSnrc en una situación extrema, mientras que AAA no logra reproducir adecuadamente la dosis dentro y por debajo de la heterogeneidad.

En otras palabras: pulmón es un escenario en el que los motores basados ​​en transporte explícito o Monte Carlo suelen mostrar su ganancia con mayor claridad.

Interfaces aire-tejido: donde la física lateral pesa mucho

Las cavidades aéreas, los senos paranasales, las vías respiratorias y otras interfaces aire-tejido exponen la limitación de los algoritmos que tratan la heterogeneidad principalmente como una corrección longitudinal.

Lo que Pencil Beam tiende a funcionar mal

Las interfaces aire-tejido desafían a Pencil Beam debido a la pérdida y recuperación del equilibrio electrónico. Cuando el algoritmo no representa el transporte lateral de partículas secundarias con buena fidelidad, la dosis en la interfaz e inmediatamente después tiende a ser menos confiable.

Donde AAA mejora y donde todavía sufre

El clásico AAA mejora significativamente en comparación con Pencil Beam porque ya maneja múltiples direcciones laterales a través de núcleos anisotrópicos. Pero todavía permanece en la familia de los granos escamosos. Esto significa que la descripción de la interfaz sigue estando mediada por una aproximación, no por un transporte explícito.

Donde Acuros y MC ganan terreno

Las interfaces aire-tejido son uno de los escenarios en los que se plantea la formulación del Acuros XB y Monte Carlo deja de ser una ventaja teórica y pasa a ser una ventaja práctica. Cuando la cuestión clínica depende de cómo se reorganiza localmente la dosis después de pasar por el aire, la solución de transporte explícita tiende a ser más convincente.

La heterogeneidad no es solo una diferencia en la dosis máxima

Un error común al comparar algoritmos en medios heterogéneos es observar solo un número agregado, como la dosis máxima, el promedio o incluso una lectura de cobertura simplificada. Muchas de las diferencias más relevantes aparecen de otra forma:

• desplazamiento de penumbra;
• cambio en el gradiente distal;
• reorganización de dosis en la interfaz;
• cambio local en regiones pequeñas, incluso cuando el DVH global cambia poco.

Esto es particularmente importante en los pulmones y las cavidades aéreas. Dos algoritmos pueden parecer «similares» en las métricas globales y, sin embargo, diferir exactamente en la región donde se concentra el riesgo clínico.

Hueso: donde la discusión deja de ser heterogeneidad y se vuelve material

Si el pulmón es la prueba clásica de la baja densidad, el hueso es la prueba clásica de la materialidad del problema. En este caso, ya no es suficiente tratar el vóxel como agua con diferente densidad. La composición del material empieza a importar de forma más visible.

Qué significa esto para algoritmos más antiguos

Los algoritmos que tratan el medio principalmente mediante incrustaciones equivalentes a agua tienden a capturar parte del efecto, pero no toda la diferencia material.

¿Qué significa esto para Acuros XB

En Acuros XB, la TC para el mapeo de materiales y la densidad de masa colocan el hueso en otro nivel de descripción física. Por eso, en el debate dose to medium versus dose to water, el hueso aparece repetidamente como el material biológico en el que la diferencia ya no es pequeña.

¿Qué significa esto para RayStation

? RayStation advierte que, al comparar diferentes motores, la discrepancia entre las convenciones de dosis puede ser relativamente grande en el hueso, del orden de 10%. Este dato es importante porque muestra que parte de la divergencia entre los algoritmos óseos no solo proviene del transporte en sí, sino también de la forma de informar la dosis.

Metales y materiales de alta Z: cuando el problema se vuelve aún menos “similar al agua”

Implantes, prótesis y materiales muy densos presionan el cálculo de la dosis en varios frentes:

• artefacto de imagen;
• necesidad de material de anulación;
• diferencia entre la composición real y la hipótesis del agua escalada;
• impacto local de la convención dose to medium vs. dose to water.

Aquí, los algoritmos explícitos en el material ganan importancia, pero también requieren más disciplina. El manual de Varian destaca que Acuros XB puede bloquear el cálculo o requerir la intervención del usuario cuando las densidades exceden el rango cubierto por la asignación automática de materiales.

Este detalle muestra una verdad clínica importante: en materiales con alto contenido de Z, los algoritmos más físicos no perdonan una mala preparación del caso. Son más poderosos, pero también más dependientes de una representación material correcta.

Una mala imagen puede enmascarar o amplificar la diferencia algorítmica

En metal y alta Z, vale la pena agregar un punto operativo importante: a veces lo que parece ser una diferencia entre algoritmos es, de hecho, una diferencia entre la forma en que cada motor reacciona ante la misma imagen problemática.

Artefacto de CT, curva de calibración inadecuada y falta de anulación de el material puede:

• distorsionar la densidad;
• distorsiona la supuesta composición;
• aleja la diferencia observada de la física real del caso.

Esto es especialmente relevante cuando se comparan motores con materiales explícitos con motores más equivalentes a agua. Sin imágenes tratadas adecuadamente, la superioridad teórica del método más físico puede no aparecer claramente.

Campos pequeños: cuando la simplificación pasa factura

Campo pequeño es una palabra corta para un problema físico largo. Cuando el campo disminuye, la penumbra ocupa una fracción mayor de la distribución, la balanza electrónica se vuelve más frágil y cualquier simplificación en el modelado lateral o en la cabeza pesa más.

Pencil Beam

Es la familia la que más sufre, sobre todo en la heterogeneidad.

AAA

Puede seguir siendo muy competente en varios contextos, pero el manual Eclipse destaca que las diferencias relevantes en el pulmón se vuelven más graves precisamente cuando los campos son pequeños y las energías altas.

RayStation CC

El clásico IFU local llama la atención sobre otro punto muy importante: en planes de rotación de campos pequeños, el cálculo de RayStation se vuelve muy sensible a los parámetros de MLC de beam model. Esto es valioso porque evita errores frecuentes. No todas las diferencias en un campo pequeño son “culpa del motor de dosis”; algo de esto puede provenir del modelo de haz y el MLC.

MC y motores más físicos

. Los motores Monte Carlo o más cercanos al transporte explícito a menudo ganan tracción aquí, pero esto no elimina la importancia de beam model, las estadísticas, la resolución de la red y la puesta en servicio.

Lo que cada familia tiende a ver mejor

Escenario	Familias que tienden a sufrir más	Familias que tienden a responder mejor
Pulmón de baja densidad	Pencil Beam clásico	Cono colapsado, Acuros XB, Monte Carlo
Reingreso de tejido blando después del pulmón	Pencil Beam, AAA en ciertos escenarios	Acuros XB, Monte Carlo
Interfaces óseas y densas	Modelos fuertemente equivalentes en agua	Acuros XB, Monte Carlo
Metal y alto Z	Cualquier algoritmo sin mapeo confiable de materiales	Motores explícitos de material bien configurados
Pequeños campos heterogéneos	Pencil Beam, parte de los modelos simplificados	Más motores físicos, siempre que estén bien modelados

Esta tabla debe leerse con madurez. No dice que un algoritmo “siempre pierde”. Indica dónde la hipótesis dominante de cada familia tiende a verse sometida a mayor presión.

El clásico error: culpar al algoritmo cuando el problema es otra cosa

Hay un error de lectura que aparece todo el tiempo en las comparaciones clínicas: atribuir cada discrepancia al nombre del motor.

En heterogeneidad, la diferencia observada puede surgir de varias fuentes al mismo tiempo:

• familia física del algoritmo;
• resolución de cuadrícula;
• mapeo de materiales;
• convención de dosis;
• beam model;
• MLC;
• modelado del alcance de la máquina y validación técnica.

? RayStation insiste en esto diciendo que ciertas técnicas, como VMAT la secuenciación, deben tratarse como prácticamente una técnica nueva, que requiere validación de beam model y control de calidad por paciente. Esto cambia completamente el tono de la discusión. El algoritmo de dosis importa mucho, pero nunca actúa solo.

Cómo leer la heterogeneidad con mayor madurez

Una lectura más madura de la comparación entre algoritmos en heterogeneidad incluye al menos cuatro preguntas:

1. ¿qué fenómeno físico domina este caso?
2. ¿qué hipótesis algorítmica es la más insistente aquí?
3. ¿la diferencia observada proviene del transporte, la convención de dosis o beam model?
4. ¿esta divergencia es clínicamente relevante o sólo metodológicamente visible?

Sin estas preguntas, la comparación se convierte en un ranking. Con ellos, se convierte en física clínica.

Qué cambia cuando la heterogeneidad se encuentra con la modulación

Hay un último punto que vale la pena destacar: la heterogeneidad rara vez aparece sola en la práctica moderna. Aparece junto con:

• intensa modulación;
• múltiples campos;
• arcos;
• campos pequeños;
• complejos MLC bordes.

Cuando esto sucede, el problema deja de ser simplemente “cómo el algoritmo trata la densidad” y se convierte en “cómo el algoritmo + beam model + conjunto de técnicas describe un haz complejo en un medio complejo”. Esta es exactamente la razón por la que textos regulatorios como RayStation insisten tanto en la validación de técnicas específicas y el control de calidad del paciente.

Es precisamente en la heterogeneidad donde los nombres pierden utilidad y aparecen hipótesis físicas. Pencil Beam, AAA, collapsed cone, Acuros XB y Monte Carlo no está en desacuerdo porque “es mejor” en abstracto. Se diferencian porque simplifican diferentes partes del mismo problema.

En las interfaces pulmón y aire-tejido, la lateralidad del transporte pasa a ser protagonista. En hueso y alto Z, el problema deja de ser sólo densidad y se vuelve material. En un campo pequeño, beam model, MLC y la discretización empiezan a importar tanto como el nombre del motor.

Si el equipo lee la heterogeneidad de esta manera, la comparación entre algoritmos se vuelve mucho más útil. Deja de ser un debate de marca y se convierte en una pregunta concreta sobre dónde se mantiene todavía ese cálculo y dónde ya está fuera de la zona cómoda.