Qué hace. Auto-contorneado por deep learning de órganos en riesgo y CTV, además de la generación automática de estructuras de optimización/planificación a partir de plantillas de la clínica, integrado con la suite de QA de Radformation (ClearCheck/ClearCalc). Radformation adquirió Limbus AI en 2024.

Cuándo elegirlo: clínicas centradas en Eclipse o multimodalidad que quieren automatización integrada con QA.

Cuándo evitarlo: si necesitas una herramienta mínima de propósito único, o estrictamente local, sin componente en la nube.

Qué hace. Modelos preentrenados y curados por expertos contornean órganos en riesgo y CTV a partir de TC/RM localmente y exportan DICOM RTSTRUCT para revisión en el TPS. Hoy forma parte de Radformation, con capacidades convergiendo.

Cuándo elegirlo: servicios que exigen que los datos nunca salgan de la red local, o con hardware de GPU limitado.

Cuándo evitarlo: si quieres un servicio escalable en la nube o una única suite integrada de automatización + QA.

Qué hace. Auto-contorneado por deep learning de órganos en riesgo en imágenes de planificación (cabeza y cuello, tórax, abdomen, pelvis), entregado por la plataforma en la nube teamplay de Siemens Healthineers, como parte de la familia AI-Rad Companion.

Cuándo elegirlo: clientes Siemens Healthineers / teamplay que quieren contorneado de órganos en riesgo en la nube dentro de ese ecosistema.

Cuándo evitarlo: si necesitas contorneado en CBCT/PET, una herramienta sin conexión o una biblioteca de estructuras editable y amplia documentada hoy.

Contexto — Varian Ethos (producto separado). Varian Ethos es una plataforma de tratamiento de radioterapia adaptativa en línea, que reimagina y replanifica en el acelerador, con su propio contorneado por IA/registro deformable y un motor de planificación automatizado. Varian es una empresa de Siemens Healthineers, pero Ethos y AI-Rad Companion Organs RT son productos diferentes, comercializados por separado — Ethos no forma parte de esta comparativa de software de auto-contorneado.

Qué hace. Segmentación automática por deep learning integrada en el TPS RayStation. Los modelos basados en guías se ejecutan localmente en GPU; las ROI generadas se editan con las propias herramientas de definición de estructuras de RayStation.

Cuándo elegirlo: servicios que usan RayStation y quieren contorneado en el propio flujo, en varias modalidades y tipos de tratamiento.

Cuándo evitarlo: si usas otro TPS y no quieres adoptar RayStation solo por el contorneado, o necesitas segmentación totalmente automática.

Qué hace. Segmentación automática por IA, en la nube (o local), de órganos en riesgo y regiones ganglionares, con «segmentación basada en guías» entrenada para seguir consensos publicados (ESTRO, EPTN, RTOG, UK SABR) y reducir la variabilidad entre observadores.

Cuándo elegirlo: equipos que quieren contorneado de OAR/ganglios estandarizado por guía, con actualizaciones gestionadas por el proveedor, en Eclipse/RayStation/Monaco.

Cuándo evitarlo: si necesitas contorneado en CBCT/PET, disponibilidad local confirmada hoy, o una única herramienta que genere y edite los contornos por completo.

Qué hace. Auto-contorneado por deep learning dentro de la plataforma de imágenes neutral de MIM. ProtégéAI+ añade edición/refinamiento asistidos por IA sobre la generación automática. MIM hoy forma parte de GE HealthCare.

Cuándo elegirlo: equipos que quieren contorneado automático neutral más edición asistida por IA, desacoplado de cualquier TPS único.

Cuándo evitarlo: si quieres contorneado nativo en tu TPS actual, sin plataforma adicional.

Qué hace. El módulo Annotate de ART-Plan contornea automáticamente una gran biblioteca de órganos en riesgo, ganglios y modelos de CTV, con editor web propio y validación obligatoria por usuario calificado. La plataforma más amplia añade fusión de imágenes y TC sintética a partir de RM/CBCT.

Cuándo elegirlo: servicios que quieren un motor de alto volumen alineado a guías, más TC sintética y fusión, en Eclipse-ARIA, RayStation o Monaco-Mosaiq.

Cuándo evitarlo: si necesitas un plug-in totalmente local/air-gapped nativo en el TPS, o disponibilidad local confirmada antes de la compra.

Qué hace. Contorneado de órganos en riesgo por deep learning, entregado por el appliance «cero clics» Workflow Box de Mirada, que intercepta los estudios de TC entrantes, genera los contornos y enruta automáticamente el RTSTRUCT a un destino. Una de las primeras soluciones de auto-contorneado con IA disponibles comercialmente.

Cuándo elegirlo: contorneado automático de alto volumen de órganos en riesgo en TC de planificación, en un entorno multi-TPS.

Cuándo evitarlo: cuando necesitas un editor integrado o soporte de CBCT/PET confirmado.

Qué hace. Segmentación automática por deep learning solo de software, que genera un conjunto inicial de OAR/blancos para revisión y edición, con herramientas en el navegador, flujo DICOM automatizado e integración Eclipse ESAPI. El proveedor también ofrece reentrenamiento de modelos en el sitio y QA geométrico.

Cuándo elegirlo: servicios en EE. UU. (especialmente Eclipse) que quieren una herramienta con reentrenamiento local y revisión por el equipo clínico.

Cuándo evitarlo: cuando necesitas integración nativa con RayStation, o disponibilidad confirmada en tu región sin confirmación del proveedor.

Qué hace. Aplicación independiente de auto-contorneado con IA (de Oncosoft, con sede en Seúl) que detecta la región de tratamiento y genera contornos de órganos en riesgo en TC/RM, con editor propio por pincel e intercambio DICOM/HL7-FHIR. Hay reporte de implementación clínica en varios hospitales de Corea del Sur.

Cuándo elegirlo: servicios que quieren una herramienta independiente rápida, con editor propio y entrega DICOM al TPS.

Cuándo evitarlo: si necesitas scripts nativos de TPS o contorneado en CBCT/PET.

Qué hace. Una excelente herramienta brasileña en la nube, de Silva Ray, que utiliza IA de última generación (deep learning) para contornear automáticamente los órganos en riesgo en TC de planificación para cabeza y cuello, tórax y pelvis — 47 estructuras de OAR en total (19 en cabeza y cuello, 15 en tórax y 13 en pelvis). Se ejecuta en GPU remotas (sin GPU local), está totalmente integrada con el estándar DICOM y sus modelos se entrenan con cientos de casos clínicos reales de TC, con soporte en portugués y conformidad declarada con la LGPD.

Cuándo elegirlo: un servicio brasileño que quiere una herramienta nacional de OAR en TC, en la nube, con soporte en portugués y conformidad con la LGPD, y prefiere inferencia en la nube sin GPU local para instalar o mantener.

Cuándo evitarlo: si necesitas soporte de RM/CBCT/PET, segmentación automatizada de tumor/GTV, un editor colaborativo en el producto o despliegue totalmente on-premise/air-gapped.