DoseRAD2026 es importante porque convierte el cálculo de dosis por IA en un benchmark medible: dado un volumen CT o MRI y parámetros de un haz, el algoritmo debe producir una distribución 3D de dosis por haz.
La referencia no es una preferencia subjetiva de planificación. El dataset proporciona dosis de referencia Monte Carlo, permitiendo evaluar velocidad y error en tareas con fotones y protones.
Qué pide la competencia
- Dosis de fotones en CT, relevante para VMAT y planificación convencional.
- Dosis de fotones en MRI, relevante para MR-Linac y radioterapia adaptativa online.
- Dosis de protones en CT, donde el error de alcance puede cambiar la interpretación clínica.
- Dosis de protones en MRI, conectando flujos MRI-only e investigación en protonterapia guiada por MRI.
Cada tarea recibe imagen 3D y especificación del haz. En fotones, los haces son segmentos tipo VMAT con MLC, gantry e isocentro. En protones, los haces son spots de pencil beam con posición, energía y geometría.
Por qué Monte Carlo es el ground truth
El artículo de Monte Carlo en radioterapia explica la física: MC modela transporte de partículas con alta fidelidad, pero el costo computacional limita flujos que necesitan respuesta casi en tiempo real. DoseRAD2026 usa MC como referencia para probar si métodos rápidos aproximan esa física con error aceptable.
Eso no significa que todo modelo entrenado contra MC esté aprobado clínicamente. Significa que el objetivo de evaluación es más fuerte que comparar solo contra planes aprobados por humanos o contra un TPS analítico específico.
Dataset y escala
| Dimensión | Descripción |
|---|---|
| Pacientes | 122 casos torácicos y abdominales con CT y MRI alineados espacialmente |
| Entrenamiento | 75 pacientes liberados en abril de 2026 |
| Prueba | 40 pacientes privados hasta marzo de 2030 y 7 externos privados |
| Fotones | 40.500 segmentos de haz en entrenamiento |
| Protones | 81.000 beamlets en entrenamiento |
| Referencia | Dosis Monte Carlo Geant4 por haz, reportada como dose-to-medium en Gy |
| Licencia | CC BY-NC 4.0 para investigación y educación, no comercial |
Métricas que importan
La página de métricas separa evaluación por haz y por plan. Por haz usa MAE enmascarado en la región de alta dosis y distancia de curva IDD. Por plan usa MAE estratificado, gamma local 3D de 1%/1 mm y score clínico basado en DVH.
La restricción más relevante es el tiempo. El desafío impone media inferior a 1 segundo por haz, incluyendo carga e inicialización, en una instancia AWS g5. Eso obliga a equilibrar exactitud y velocidad.
Qué cambia para la clínica
- Separa investigación de dosis rápida de herramientas comerciales de planificación asistida por IA.
- Conecta con recálculo adaptativo en CBCT y CT sintética, donde tiempo e incertidumbre son decisivos.
- Expone la diferencia entre predecir dosis por beamlet/segmento y producir un plan clínico aprobable.
- Refuerza que validación y QA deben evaluar anatomía, geometría del haz, materiales, tiempo y DVH.
Riesgo de interpretación
DoseRAD2026 es un benchmark, no una autorización clínica. Incluye modelos simplificados, datos privados de prueba y reglas de envío propias. Un método ganador puede ser prometedor y aun así requerir ingeniería, regulación, ciberseguridad, integración DICOM y validación local antes de usarse en pacientes.
FAQ
¿DoseRAD2026 usa datos Monte Carlo para entrenamiento?
Sí. Para cada haz o beamlet, el dataset proporciona una distribución de dosis de referencia Monte Carlo, junto con CT, MRI y archivos de configuración del haz.
¿La competencia evalúa planes completos?
Los participantes envían mapas de dosis por haz; la evaluación también reconstruye planes completos con pesos clínicos para calcular MAE, gamma y métricas DVH.
¿Por qué hay tareas en MRI?
MRI no proporciona densidad electrónica directamente. Eso crea un problema de cálculo de dosis para flujos MRI-only, MR-Linac y adaptativos que deben inferir o compensar la información de material.
Referencias
- DoseRAD2026 Grand Challenge. https://doserad2026.grand-challenge.org/
- Dataset DoseRAD2026. https://doserad2026.grand-challenge.org/data/
- Métricas y ranking DoseRAD2026. https://doserad2026.grand-challenge.org/metrics-and-ranking/
- Reglas DoseRAD2026. https://doserad2026.grand-challenge.org/timeline-and-rules/
- Dataset DoseRAD2026 en Hugging Face. https://huggingface.co/datasets/LMUK-RADONC-PHYS-RES/DoseRAD2026
- DOI Zenodo DoseRAD2026. https://doi.org/10.5281/zenodo.19347848
- Artículo del dataset DoseRAD2026. https://doi.org/10.48550/arXiv.2604.12778
