La radioterapia altamente compleja requiere motores de cálculo de dosis que puedan representar fielmente la heterogeneidad de los tejidos, las variaciones de fluencia en los campos modulados y las penumbras en geometrías desafiantes. Durante décadas, algoritmos deterministas como convolución de haz de lápiz (PBC) y collapsed cone (CC) dominaron los sistemas de planificación de tratamiento (TPS), ya que ofrecían una velocidad computacional compatible con el flujo clínico. La llegada del Monte Carlo (MC) estocástico en el TPS comercial ha alterado este equilibrio: al simular explícitamente el transporte de fotones y electrones entre partículas, el MC elimina las aproximaciones geométricas que comprometen la precisión en regiones de baja densidad, interfaces tejido-hueso y campos de pequeño diámetro.
El GPUMCD (Hissoiny et al., 2011) fue creado como una plataforma Monte Carlo orientada a GPU para transportar fotones y electrones acoplados en geometrías voxelizadas. La literatura clínica incluye una versión de investigación de Monaco evaluada en 2016 y, más recientemente, Elekta One Planning con GPUMCD, lanzada en marzo de 2025 para la planificación del tratamiento con aceleradores Versa HD. La magnitud de la dosis informada y los recursos disponibles dependen de la implementación y la versión: el estudio de puesta en servicio de 2026 , por ejemplo, registró los cálculos de Elekta One Planning como dosis en agua.
Este artículo revisa, para físicos médicos, dosimetristas y oncólogos radioterapeutas, el fundamento físico de GPUMCD, su comparación con otros algoritmos disponibles en Mónaco y sistemas competidores, y el estado actual de la evidencia sobre el rendimiento clínico en tejidos heterogéneos. También se discuten los procedimientos de 2026 descritos en la literatura reciente y los criterios para elegir los parámetros de cálculo en diferentes escenarios clínicos.
En este artículo
- 1. Qué es GPUMCD y por qué se creó
- 2. Cómo funciona el transporte acoplado fotón-electrón en la GPU
- 3. GPUMCD, XVMC y collapsed cone: diferencias que importan
- 4. Dosis a media y dose to water en el ecosistema de Elekta
- 5. Resultados en pulmón, hueso, interfaces y campos pequeños
- 6. La puesta en servicio del Mónaco y del Elekta One
- 7. Cómo elegir los parámetros de cálculo sin enmascarar la incertidumbre
- 8. Preguntas frecuentes
- 9. Referencias
Qué es GPUMCD y por qué se creó
GPUMCD es un motor Monte Carlo acelerado por GPU cuya integración clínica siempre debe describirse con la versión del producto evaluado. Sus orígenes se remontan al reconocimiento de que los métodos MC convencionales podían requerir tiempos incompatibles con el flujo clínico. La estrategia de paralelización masiva en GPU permitió reducir sustancialmente este tiempo, aunque el rendimiento real depende del hardware, la geometría, la cuadrícula, la incertidumbre estadística y la implementación.
El desarrollo de GPUMCD ha sido documentado en detalle por Hissoiny et al. (2011), quienes describen una nueva plataforma para transporte acoplado de fotones y electrones entre 0.01 y 20 MeV y sus resultados de validación frente a EGSnrc. GPUMCD y XVMC son motores Monte Carlo distintos; no es correcto presentar el primero como una simple reescritura o descendiente directo del segundo. La adaptación de la GPU es técnicamente exigente porque los historiales de partículas tienen diferentes patrones de ramificación y acceso a la memoria.
La motivación clínica fue doble. En primer lugar, ofrecer un algoritmo MC como herramienta de rutina, no sólo como una verificación puntual. En segundo lugar, hacer que Mónaco sea competitivo frente a sistemas deterministas avanzados como Acuros XB (Eclipse, Varian) (un método para resolver la ecuación de transporte lineal de Boltzmann (LBTE)) y AAA, que en ese momento ya ofrecía una velocidad de cálculo aceptable con mayor precisión que el haz de lápiz en heterogeneidades.
Cómo funciona el transporte acoplado fotón-electrón en la GPU
El transporte MC de fotones en GPUMCD sigue la física establecida: para cada fotón, se dibuja el camino libre medio hacia la siguiente interacción (efecto fotoeléctrico, dispersión Compton o creación de pares), la geometría de la interacción y la energía de los productos secundarios. Los electrones generados en el proceso luego se transportan utilizando el modelo de historia condensada (CH), que agrupa múltiples interacciones de Coulomb de baja energía en pasos macroscópicos estocásticos, preservando la distribución angular y de energía al final de cada paso.
La implementación de GPU requiere que el código esté estructurado de manera que los subprocesos paralelos procesen diferentes historias de partículas, no diferentes pasos de la misma historia. Esto se debe al modelo SIMD (Instrucción única, datos múltiples) de GPU: los subprocesos que ejecutan rutas divergentes se someten a serialización. La solución adoptada en GPUMCD (Hissoiny et al., 2011) es mantener un grupo de partículas activas, de modo que cuando una historia termina, inmediatamente comienza otra, minimizando la inactividad los subprocesos .
La grilla de vóxeles CT y la asignación de densidades y materiales forman la geometría utilizada por el transporte. El mecanismo exacto de conversión de densidad HU→y clasificación de materiales es específico de la implementación TPS y debe verificarse en la documentación de la versión encargada. Este paso tiene implicaciones directas para la precisión, especialmente en pulmones, huesos y materiales de alta densidad.
La incertidumbre estadística del resultado final está controlada por el número de historias simuladas (o la varianza por vóxel), configurable por el usuario en Mónaco. Reducir la incertidumbre del 2% al 1% requiere, en principio, cuatro veces más historias, lo que implica más tiempo de cálculo. La elección de un umbral apropiado es, por tanto, un compromiso entre precisión y tiempo, tema al que se volverá en una sección posterior.
GPUMCD, XVMC y collapsed cone: diferencias que importan
Pencil beam, collapsed cone, XVMC y GPUMCD representan familias de cálculo que se encuentran en diferentes TPS, versiones y estudios. XVMC y GPUMCD son ambos Monte Carlo, pero utilizan diferentes implementaciones y modelos de vigas. Una comparación válida debe informar el producto, versión, máquina y proceso de de 2026, sin asumir que todos estos motores coexisten o ocurren de la misma manera en cualquier instalación.
La siguiente tabla resume las diferencias conceptuales relevantes para la práctica clínica.
| Característica | Pencil Beam | Collapsed Cone | GPUMCD (Monte Carlo) |
|---|---|---|---|
| Transporte de electrones | Núcleo implícito, precalculado | Implícito, núcleo en agua | Explícito, de historia condensada |
| Heterogeneidades | Corrección 1D (PTAR/Batho) | Corrección 3D limitada | Transporte explícito en el entorno real |
| Dosis pulmonar | Con frecuencia sobreestima | Mejora en relación con PB | Mejora documentada; valida localmente |
| Campos pequeños (<2×2 cm) | A menudo subestima la fluidez | Depende del kernel | Modelado físico más completo |
| Tiempo de cálculo (VMAT) | Segundos | Minutos | Minutos (GPU); horas (procesador) |
| Magnitud de salida | Depende de la implementación | Depende de la implementación | Depende del producto y la versión |
| Incertidumbre estadística | Ninguna (determinista) | Ninguna (determinista) | Controlable por el usuario |
El collapsed cone de Mónaco se diferencia de sus homónimos en otros sistemas (como Oncentra o Eclipse/AAA) mediante detalles de implementación del kernel. No existe un único «collapsed cone» estandarizado: cada proveedor implementa la técnica con aproximaciones específicas que afectan el comportamiento en las interfaces y en vigas no coplanares. Las comparaciones directas de precisión entre sistemas deben realizarse con datos de medición locales, no solo con puntos de referencia publicados en diferentes configuraciones de hardware.
Dosis a media y dose to water en el ecosistema de Elekta
La distinción entre D_m y D_w es una de las cuestiones más debatidas en la dosimetría de radioterapia moderna. D_m es la energía absorbida por unidad de masa del entorno real (tejido óseo, pulmón, etc.), calculada directamente en la simulación MC. D_w es la energía absorbida por unidad de masa de agua, en condiciones equivalentes de flujo de energía, obtenida por conversión mediante la relación de potencias de frenado (relaciones de poder de frenado, SPR):
D_w ≈ D_m × (S/ρ)_{w,m}
donde (S/ρ)_{w,m} es la relación de poder de frenado agua-medio, que puede diferir significativamente de la unidad en el hueso cortical y el pulmón.
El El TG-186 de AAPM (Beaulieu et al., 2012) fue el primer documento de consenso que formalizó esta distinción para la braquiterapia y la radioterapia externa de baja energía. Para los haces de MV, la diferencia entre D_m y D_w en el tejido blando es relativamente pequeña, pero puede ser más relevante en el hueso cortical, donde la composición elemental difiere sustancialmente de la del agua. Siebers et al. (2000) analizó esta conversión en el contexto de haces de fotones de alta energía y discutió la magnitud de las diferencias en función del tejido y la energía.
No debe generalizar una única convención de salida para todas las integraciones de GPUMCD. La publicación de 2016 sobre una versión de investigación de Mónaco no establece una regla universal D_m o D_w; El estudio de 2026 de Elekta One Planning afirma explícitamente que los cálculos se registraron como una dosis en agua. Antes de comparar DVHs o tolerancias, el servicio debe confirmar la magnitud reportada por la versión local y documentarla.
La siguiente tabla resume las implicaciones de elegir D_m o D_w en diferentes regiones anatómicas según la literatura disponible.
| Región | Relación D_m vs. D_w (haces MT) | Impacto clínico potencial | Referencia |
|---|---|---|---|
| Tejido blando (músculo, grasa) | Normalmente pequeña diferencia | No muy relevante en la rutina | TG-186 |
| Hueso cortical | D_m < D_w; la diferencia depende de la energía | Relevante en SBRT ósea; coherencia con las tolerancias históricas | Siebers et al., 2000 |
| Pulmón (baja densidad) | El transporte y la falta de equilibrio electrónico dominan muchas diferencias | Validar algoritmo, modelo de rejilla y haz | Ahmad et al., 2016 |
| Interfaces aire-tejido | gradientes pronunciados; ambas cantidades tienen limitaciones | Tenga cuidado con la dosimetría de verificación de gradiente pronunciado | Hissoiny et al., 2011 |
La elección de qué cantidad utilizar para la aprobación del plan debe documentarse en el protocolo local y ser coherente entre la planificación y la verificación dosimétrica. Mezclar D_m en la planificación con umbrales de tolerancia históricamente establecidos con D_w, sin una conversión consciente, es una fuente potencial de error sistemático.
Resultados en pulmón, hueso, interfaces y campos pequeños
La precisión de GPUMCD se ha evaluado en geometrías heterogéneas en la literatura. Ahmad et al. (2016) comparó GPUMCD, XVMC y collapsed cone en fantasmas heterogéneos con medidas. Este estudio es útil para analizar el transporte y las interfaces de baja densidad, pero no presentó una serie clínica de SBRT ni una comparación de los pacientes DVHs; sus resultados no deben extrapolarse como un resultado clínico directo.
En el hueso, la diferencia entre D_m y D_w se vuelve más pronunciada, y el impacto clínico debe evaluarse en relación con los protocolos de tolerancia adoptados localmente, que históricamente se establecieron con dosimetría de agua. Para planes de irradiación espinal o metástasis óseas, este punto deberá estar explicado en el de 2026 y en el protocolo de aprobación del plan.
En las interfaces tejido-aire (cavidades, senos paranasales, bronquios), el transporte MC explícito resuelve los gradientes de dosis más correctamente que los algoritmos kernel, que a menudo suavizan el perfil de dosis en toda la interfaz. Por otro lado, la verificación dosimétrica en estas regiones es técnicamente difícil: los detectores puntuales y las películas tienen sus propias limitaciones en regiones de alto gradiente, lo que hace que la validación experimental sea un desafío independientemente del algoritmo.
Para campos pequeños (diámetro equivalente inferior a aproximadamente 2 × 2 cm, utilizado en SBRT y radiocirugía), el GPUMCD representa una mejora con respecto al haz de lápiz y, en muchos casos, el collapsed cone. La física del equilibrio electrónico lateral comprometido en estos campos se capta mejor mediante el transporte explícito de electrones. Sin embargo, la calidad del beam model en el Mónaco, que describe la fluidez en la salida del acelerador, influye directamente en la precisión incluso con un MC perfecto. Un beam model inadecuado producirá errores sistemáticos independientemente del motor de transporte.
La puesta en servicio del Mónaco y del Elekta One
El de 2026 del GPUMCD implica dos pasos distintos que a menudo se confunden: el de 2026 del beam model y la validación del motor de transporte.
El beam model describe matemáticamente el haz de fotones que sale del acelerador: la distribución de energía (espectro), la geometría de la fuente, la fluencia lateral y los filtros moduladores. Este modelo se ajusta a mediciones de campo abierto, perfiles de dosis, PDD (porcentaje de dosis profunda) y, para campos pequeños, a factores de campo (factores de salida). El motor MC utiliza este modelo como entrada para propagar partículas en la geometría del paciente.
La validación del motor MC en sí, separada de beam model , implica comparar la dosis calculada con mediciones en maniquíes homogéneos y heterogéneos (fantomas de losa con inserciones sintéticas de pulmón y hueso). Los protocolos publicados como TRS-430 de IAEA proporcionan marcos para esta validación.
En el estudio de Rusu et al. (2026), Se puso en funcionamiento la versión 6.2.3 de Elekta One Planning para un acelerador Versa HD mediante una adaptación de MPPG 5.b. Elekta One Planning es un software de planificación, no un acelerador con una imagen integrada en el mismo pórtico . El trabajo describió la necesidad de nuevos modelos de haz para GPUMCD y encontró una reducción del tiempo de cálculo con respecto a XVMC en el entorno estudiado, sin transformar esta relación de velocidad en una garantía para otras configuraciones.
Puntos críticos de de 2026 que requieren atención especial:
- Calibración de densidad HU: La tabla de conversión HU→ρ debe derivarse de escáneres CT utilizados clínicamente, no de la tabla estándar TPS. Los errores en esta calibración se propagan directamente a la densidad de vóxeles y al camino libre medio simulado.
- Campos pequeños: factores de salida para campos inferiores a 2×2 cm requieren detectores de alta resolución (microcámaras, diodos o detectores de diamantes sintéticos) con protocolo compatible con IAEA TRS-483.
- Incertidumbre estadística de referencia: el protocolo debe especificar el umbral de incertidumbre de CM aceptado para la aprobación de los planes, documentando la compensación con el tiempo de cálculo.
- Materiales de alta densidad: los implantes y prótesis metálicos quedan fuera del rango cubierto por las tablas de segmentación estándar; Definir el procedimiento para estos casos antes del inicio clínico evita sorpresas.
Cómo elegir los parámetros de cálculo sin enmascarar la incertidumbre
Mónaco le da al usuario control sobre la incertidumbre estadística objetivo del cálculo de MC. Esta configuración es de vital importancia: la alta incertidumbre por vóxel, aunque se calcula rápidamente, puede enmascarar gradientes de dosis reales e introducir artefactos visuales («ruido MC») que dificultan la interpretación del plan y pueden inflar falsamente la tasa de fallas en el control de calidad basado en el índice gamma.
Las pautas basadas en la física y la literatura guían las elecciones, pero cada centro debe definir sus objetivos en de 2026:
-
Planificación clínica de rutina (IMRT/VMAT): el objetivo de incertidumbre debe definirse en de 2026 y probado con el hardware y la versión clínica. Un número universal no sustituye la evaluación del ruido, el tiempo y el impacto en las métricas del plan.
-
SBRT pulmonar y espinal: dada la sensibilidad de estas técnicas a la precisión de la dosis (y la presencia frecuente de heterogeneidades graves), se justifican incertidumbres menores, especialmente cuando el volumen objetivo se encuentra en una región de gradiente de alta densidad.
-
Segunda verificación: cuando se utiliza GPUMCD como cálculo de segunda verificación independiente, usar la misma configuración de incertidumbre que el cálculo principal permite la comparación directa de DVHs.
-
Planos de modulación altos: Si el cálculo de MC participa en el proceso de optimización, el ruido estadístico puede afectar la convergencia. Consulte la documentación y valide el flujo para la versión específica antes del uso clínico.
Otro parámetro frecuentemente subestimado es el cálculo del tamaño del vóxel. La resolución debe elegirse dependiendo del tamaño del campo, gradiente, anatomía y límites de la versión encargada. Una rejilla demasiado tosca puede atenuar los gradientes y producir un volumen parcial; una rejilla más fina aumenta el costo y no corrige los errores del modelo de viga.
La elección entre D_m y D_w, a su vez, debe estar documentada y ser coherente. No existe un consenso internacional único sobre qué magnitud utilizar para la aprobación del plan en haces de MT de radioterapia externa. El punto clave es que las tolerancias normales de los tejidos derivadas de estudios históricos (como los datos recopilados por QUANTEC) se han establecido con dosimetría basada en agua; Al adoptar D_m, esta traducción debe considerarse y documentarse explícitamente en el protocolo local.
Preguntas frecuentes
¿GPUMCD es más preciso que Acuros XB de Eclipse?
Acuros XB resuelve numéricamente la ecuación de transporte lineal de Boltzmann, mientras que GPUMCD utiliza muestreo estocástico. Ambos pueden representar heterogeneidades con mayor fidelidad que los métodos simplificados, pero no existe una superioridad universal: el modelo de viga, la rejilla, los materiales, la versión y el escenario de prueba son importantes. Ahmad et al. (2016) no compararon Acuros XB; por lo tanto, este artículo no respalda una equivalencia directa entre los dos motores. La decisión clínica requiere validación local y estudios comparativos específicos.
¿Debo utilizar D_m o D_w para aprobar planes clínicos?
No existe una recomendación internacional única y vinculante para los haces de MT de radioterapia externa. TG-186 analiza los fundamentos con un enfoque en la braquiterapia y la radioterapia de baja energía. Para haces de MT en tejido blando, la diferencia numérica es pequeña. En hueso o pulmón, la elección afecta a DVHs de forma mensurable. Lo más importante es documentar la elección en el protocolo local y mantener la coherencia entre la planificación, la verificación dosimétrica y los umbrales de tolerancia adoptados.
¿Cuál es el impacto de la tabla de densidad de HU en el resultado de MC?
Significativo. GPUMCD utiliza la tabla de conversión HU→densidad para asignar la masa de cada vóxel CT. Una tabla incorrecta (por ejemplo, derivada de un escáner diferente al utilizado clínicamente) produce errores sistemáticos en el transporte de partículas, más graves en regiones del hueso cortical o del pulmón que en los tejidos blandos. La calibración de esta tabla es una parte esencial de de 2026 y debe verificarse periódicamente o después del mantenimiento del CT. La práctica de utilizar tablas de proveedores genéricas sin validación local es un punto de falla relativamente común y subestimado.
¿Puede el ruido estadístico de MC comprometer el control de calidad?
Sí. Los sistemas de control de calidad basados en la comparación de mapas de dosis (ArcCheck, MapCHECK, Delta4) miden diferencias punto a punto o por índice gamma. El ruido MC en la distribución planificada puede inflar artificialmente la tasa de fallas en el índice gamma, especialmente en regiones de bajo gradiente pero con alta incertidumbre estadística residual. La solución es calcular con una incertidumbre suficientemente baja antes de exportar a control de calidad: el protocolo de 2026 debe establecer este umbral antes del inicio clínico, no después de que surjan fallas inexplicables.
¿GPUMCD funciona para protones o solo para fotones?
El artículo original de GPUMCD describe el transporte acoplado de fotones y electrones en el rango de energía estudiado. Esto no quiere decir que la misma implementación clínica calcule haces de protones terapéuticos. La terapia de protones requiere su propia física, modelos de haz y validación; La disponibilidad debe confirmarse en el producto y la versión específicos.
Referencias
- Hissoiny S, Ozell B, Bouchard H, Després P. GPUMCD: Una nueva plataforma de cálculo de dosis Monte Carlo orientada a GPU. Med Phys. 2011;38(2):754–764.
- Ahmad SB, Sarfehnia A, Paudel MR, et al. Evaluación experimental de un algoritmo comercial de cálculo de dosis Monte Carlo en fantasmas heterogéneos. J Appl Clin Med Phys. 2016;17(6).
- Rusu SD, et al. Puesta en marcha y validación de Elekta One Planning con GPUMCD para un acelerador lineal Versa HD. J Appl Clin Med Phys. 2026.
- Beaulieu L, Tedgren ÅC, Carrier JF, et al. Informe del Grupo de Trabajo 186 sobre métodos de cálculo de dosis basados en modelos en braquiterapia más allá del formalismo TG-43. Med Phys. 2012;39(10):6208–6236.
- Siebers JV, Keall PJ, Nahum AE, Mohan R. Conversión de dose to medium absorbido en dose to water absorbido para dosimetría de haz de fotones basada en Monte Carlo. Phys Med Biol. 2000;45(4):983–995.
- IAEA TRS-483. Dosimetría de pequeños campos estáticos utilizados en radioterapia de haz externo. Viena: IAEA; 2017.
- IAEA TRS-430. Puesta en marcha y aseguramiento de la calidad de sistemas de planificación computarizados para el tratamiento radiológico del cáncer. Viena: IAEA; 2004.
