La terapia de protones se basa en una propiedad física que distingue a los protones de los fotones: la deposición de energía concentrada en la curva de Bragg, con una caída abrupta más allá del pico. Esta característica permite proteger estructuras críticas aguas abajo del objetivo mientras se administra una dosis alta al volumen del tumor. Por lo tanto, el sistema de planificación del tratamiento (TPS) debe calcular con precisión dónde se detiene el haz, y la precisión de esta predicción determina si la ventaja física del protón se traduce en un beneficio clínico real.
Dos paradigmas de cálculo compiten hoy en día en la clínica: los algoritmos Pencil Beam (PB), derivados de modelos analíticos de dispersión múltiple de Coulomb, y los métodos Monte Carlo (MC), basados en simulación estocástica partícula a partícula. Cada enfoque implica supuestos distintos, tiempos de cálculo muy diferentes y sensibilidades específicas a las heterogeneidades de los pacientes. La elección entre ellos no es neutral: afecta el posicionamiento del gradiente de dosis, la solidez del plan y, en escenarios clínicos críticos, la estimación del riesgo de toxicidad.
Este artículo analiza los fundamentos físicos, las implementaciones comerciales disponibles y la evidencia de validación que guían la elección entre PB y MC, con énfasis en situaciones donde las diferencias son clínicamente relevantes. El texto está dirigido a físicos médicos, dosimetristas y oncólogos radioterapeutas directamente involucrados en la puesta en marcha y aprobación de planes de tratamiento.
En este artículo
- 1. Por qué la incertidumbre del alcance domina la terapia de protones
- 2. Cómo Pencil Beam modela el transporte de protones
- 3. Lo que Monte Carlo añade
- 4. Interacciones nucleares, halo y dosis fuera de campo
- 5. Pulmones, huesos, cavidades e implantes
- 6. PBS, movimiento respiratorio y efecto de interacción
- 7. Robustez, puesta en servicio y decisión clínica
- 8. Preguntas frecuentes
- 9. Referencias
Por qué la incertidumbre del alcance domina la terapia de protones
El alcance de un haz de protones en el tejido está determinado por la relación entre la energía cinética inicial y la potencia de frenado del medio. Clínicamente, este rango se calcula a partir de las unidades Hounsfield (HU) del CT de planificación, convertidas en potencia de frenado relativa (RSP) mediante curvas de calibración. Esta conversión introduce una incertidumbre sistemática cuya magnitud varía según el método de calibración y la composición del tejido; Paganetti (2012)analiza los valores y fuentes detallados, quien ubica esta contribución entre las mayores fuentes de incertidumbre en la terapia de protones clínica.
Además de la calibración HU→RSP, lo siguiente contribuye a la incertidumbre del rango: variaciones de posicionamiento de interfracción, deformación anatómica, artefactos metálicos en la TC y las limitaciones de los propios algoritmos de cálculo para reproducir el transporte real en medios heterogéneos. El resultado práctico es que se aplican márgenes adicionales («márgenes de rango») distalmente para asegurar la cobertura del tumor, a menudo a expensas de exponer estructuras críticas posteriores al objetivo.
El algoritmo de cálculo de dosis es una de las pocas fuentes de incertidumbre que el físico médico puede reducir sin depender de mejoras tecnológicas externas al departamento. La diferencia entre la dosis predicha por PB y MC puede, en geometrías complejas, ser comparable o mayor que los márgenes de rango utilizados clínicamente. Por lo tanto, comprender cuándo esta diferencia es clínicamente significativa es una habilidad fundamental al trabajar con el protón TPS.
Cómo Pencil Beam modela el transporte de protones
El formalismo Pencil Beam en terapia de protones deriva del modelo de Fermi-Eyges para el transporte de partículas cargadas en medios aproximadamente homogéneos. La dosis de un haz elemental se descompone en componentes: la deposición a lo largo del eje central (determinada por la profundidad y la potencia de frenado acumulada), la dispersión lateral por múltiples interacciones de Coulomb con núcleos atómicos y las correcciones de heterogeneidad calculadas mediante trazado de rayos en capas de tejido equivalentes a agua.
En la implementación clínica, el PB representa el haz como una superposición de beamlets individuales, cada uno con un perfil gaussiano lateral parametrizado. TPS convierte HU en RSP píxel a píxel a lo largo de los rayos trazados desde la fuente, acumula potencia de frenado y estima el alcance de cada lápiz. Las faltas de homogeneidad lateral (variaciones de densidad perpendiculares al eje del haz) se tratan de forma aproximada, generalmente expandiendo el núcleo gaussiano o dividiendo la fluencia en sublápices. Esta aproximación es razonable en medios casi homogéneos, pero falla cuando hay interfaces de densidad abruptas como pulmón/pared torácica o cavidades de aire inmediatamente adyacentes al objetivo.
La puesta en marcha de un algoritmo PB requiere mediciones de dosis integrada en el eje (IDD) y perfiles de dispersión lateral en maniquíes de agua, además de la validación en geometrías de heterogeneidad controlada. La limitación central de PB no es el tiempo de cálculo (del orden de segundos a minutos, lo que hace viable la optimización iterativa) sino la incapacidad estructural para simular rigurosamente el transporte en presencia de grandes gradientes de densidad lateral e interacciones nucleares inelásticas.
Lo que Monte Carlo añade
El método Monte Carlo simula el transporte de cada protón individualmente, tomando muestras de procesos físicos (dispersión elástica de Coulomb, pérdidas de energía continuas y discretas, interacciones nucleares elásticas e inelásticas) a partir de secciones transversales tabuladas. El resultado es una distribución de dosis estocástica que converge hacia la solución físicamente consistente a medida que aumenta el número de historias simuladas. En la práctica, la precisión está limitada por las incertidumbres en las propias secciones transversales y en los modelos de fragmentación nuclear, no por la metodología de muestreo en sí.
Los códigos MC ampliamente utilizados en la investigación incluyen TOPAS (basado en Geant4), GATE, FLUKA y FRED. También existen motores comerciales, pero la disponibilidad, la física implementada, el propósito regulatorio y la modalidad de licencia cambian entre productos y versiones. GPUMCD, originalmente descrito para el transporte acoplado de fotones y electrones, no debe usarse como sinónimo de Monte Carlo para protones.
Una distinción relevante es la cantidad de salida. D_m y D_w dependen de la definición e implementación del sistema y no se pueden asignar automáticamente solo porque un motor sea PB o MC. Las comparaciones entre algoritmos deben registrar la convención de dosis, el modelo biológico cuando corresponda y la forma en que TPS convierte el poder de frenado y los materiales.
Un enfoque alternativo a los métodos estocásticos son los solucionadores deterministas de la ecuación de transporte. En fotones, Acuros XB es un ejemplo comercial. Para los protones, los nombres, la disponibilidad y la madurez cambian rápidamente; Por lo tanto, el artículo no asume la ausencia o presencia universal de un solucionador comercial y requiere la consulta de la documentación de la versión evaluada.
Interacciones nucleares, halo y dosis fuera de campo
Cuando un protón choca inelásticamente con un núcleo atómico, se emiten fragmentos secundarios: protones de baja energía, neutrones, partículas alfa y fragmentos más pesados. Estos productos depositan dosis en regiones más allá del campo geométrico y fuera del eje del haz, constituyendo el llamado halo de dosis nuclear. Su amplitud es pequeña en relación con el pico de Bragg, pero puede ser dosimétricamente relevante en estructuras de baja tolerancia ubicadas cerca del campo, un escenario particularmente importante en tratamientos pediátricos y de cabeza y cuello.
PB, en la mayoría de las implementaciones comerciales, no modela explícitamente interacciones nucleares inelásticas. MC, por el contrario, los simula directamente, lo que mejora la predicción de dosis fuera del campo y en los bordes del objetivo. Revisión de la física de la terapia de protones (Newhauser & Zhang, 2015) localiza interacciones nucleares entre los determinantes clave de las diferencias entre algoritmos en geometrías clínicamente relevantes.
El halo de dosis nuclear también afecta a la puesta en servicio: la medición de la dosis integral de campo amplio (IDD de campo grande) es necesaria para capturar la contribución nuclear, que no es detectada por las cámaras de ionización de pequeño diámetro. TPS basado en PB a menudo utiliza un componente de halo parametrizado empíricamente, cuyo ajuste en la puesta en servicio es fundamental para minimizar errores sistemáticos en la dosis absoluta.
Tabla 1 — Comparación entre Pencil Beam y Monte Carlo en terapia de protones clínica
| Característica | Pencil Beam (PB) | Monte Carlo (MC) |
|---|---|---|
| Base física | Formalismo de Fermi-Eyges + trazado de rayos | Transporte estocástico partícula a partícula |
| Heterogeneidades laterales | Aproximación del núcleo gaussiano | Modelado explícito |
| Interacciones nucleares inelásticas | Generalmente parametrizadas empíricamente | Simuladas con secciones transversales tabuladas |
| Halo de dosis nuclear | Componente empírico o faltante | Calculado físicamente |
| Magnitud de la dosis | Depende de TPS y de la implementación | Depende de TPS y de la implementación |
| Tiempo de cálculo | Generalmente más pequeño | Depende del hardware, las estadísticas y la implementación |
| Incertidumbre numérica | Estadísticas deterministas | ; depende del número de pisos |
| Puesta en marcha principal | IDD + perfiles laterales en agua | Mismo + fantasmas heterogéneos |
| Uso clínico predominante | Optimización iterativa, sitios simples | Verificación y sitios complejos |
Pulmones, huesos, cavidades e implantes
Las limitaciones del PB se vuelven más pronunciado en heterogeneidades extremas, y la elección del algoritmo debe considerar el sitio anatómico:
Pulmón: La densidad reducida del tejido pulmonar amplifica la dispersión lateral y modifica el rango. PB subestima la dispersión en las interfaces pulmón/tumor y puede colocar incorrectamente el borde de dosis distal. Los estudios de validación con MC documentan diferencias de dosis locales relevantes en campos que cruzan extensas regiones pulmonares, aunque la magnitud depende de la geometría del plano específico.
Hueso cortical: La alta densidad aumenta la potencia de frenado y concentra la dispersión. PB subestima la dispersión cerca de las interfaces hueso/tejido blando, lo que genera errores locales que pueden ser relevantes para estructuras críticas adyacentes como la médula espinal, los nervios ópticos y el quiasma.
Cavidades aéreas: Los senos paranasales, la nasofaringe, el oído medio y los espacios aéreos torácicos crean gradientes de densidad abruptos. Es posible que el trazado de rayos axiales de PB no capture la dispersión lateral inducida por estas cavidades, lo que afecta el posicionamiento del pico de Bragg y la estimación de cobertura del objetivo.
Implantes metálicos: Las prótesis, grapas y stents de titanio introducen dos problemas simultáneos: artefactos metálicos en la TC que degradan la conversión HU→RSP, y una dispersión/absorción mucho mayor de lo esperado para los tejidos blandos. MC simula explícitamente el transporte en materiales con alto número atómico, pero la precisión está limitada por la calidad de la imagen de TC. Los protocolos de TC con algoritmos de reducción de artefactos metálicos (MAR) deben preceder a la planificación en cualquier algoritmo.
Tabla 2 — Heterogeneidades, limitaciones algorítmicas y potencial impacto clínico
| Tipo de heterogeneidad | Principal limitación de PB | Ventaja de MC | Impacto clínico potencial |
|---|---|---|---|
| Pulmón (baja densidad) | Dispersión lateral subestimada | Transporte explícito de interfaz múltiple | Cobertura GTV; Dosis de pared torácica |
| Hueso cortical | Interfaz dosis-sombra inexacta | Modelado preciso de alta Z | Médula espinal, nervios ópticos, quiasma |
| Cavidades de aire | Desplazamiento de pico de Bragg | Gradiente de densidad explícito | Objetivos en cabeza y cuello, base del cráneo |
| Implante metálico | RSP con artefacto; dispersión subsimulada | Física directa de alta Z | Cobertura y dosis distal al implante |
| Interfaz móvil (rectal, vaginal) | Variación de interfracción no capturada por ningún | No corrige la movilidad | Requiere análisis de robustez independiente |
PBS, movimiento respiratorio y efecto de interacción
O Pencil Beam Scanning (PBS), la modalidad de emisión de haz predominante en la clínica moderna, escanea dinámicamente el campo punto por punto. En los tumores torácicos y abdominales, el movimiento respiratorio se superpone a la exploración, creando el efecto de interacción : la dosis administrada a cualquier vóxel depende de la fase respiratoria exacta en el momento en que cada punto pasa sobre esa región. El resultado pueden ser puntos fríos y puntos calientes que no aparecen en el cálculo estático del CT de planificación, incluso si la dosis promedio en muchas fracciones se aproxima a lo previsto.
El efecto de interacción no es una limitación de los algoritmos de dosis per se: PB y MC calculan la dosis sobre la anatomía estática. La diferencia surge cuando se utiliza MC en simulaciones de dosis acumuladas 4D-CT: la mayor precisión de MC en cada fase respiratoria produce una estimación acumulada más precisa, especialmente cuando existe una fuerte heterogeneidad pulmonar. El uso de PB en cada fase de un 4D-CT y la acumulación de la dosis propaga los errores de PB individuales a la estimación acumulada.
Las estrategias para mitigar la interacción incluyen la reexploración (múltiples exploraciones por campo por fracción), la activación respiratoria y la irradiación activa en apnea. Una planificación sólida debe incorporar no solo incertidumbres de posicionamiento y alcance, sino también el espectro de distribuciones de dosis inducidas por el movimiento, lo que exige cálculos repetidos, un escenario en el que el tiempo de cálculo de MC se convierte en una variable operativa crítica y justifica la inversión en aceleración de GPU.
Robustez, puesta en servicio y decisión clínica
Análisis de robustez
En terapia de protones, el análisis de robustez evalúa cómo se comporta el plan bajo perturbaciones sistemáticas: desplazamientos de posicionamiento en los tres ejes, variaciones de rango y cambios anatómicos de interfracción. El resultado es un conjunto de distribuciones de dosis (no una distribución única) que el médico utiliza para decidir si se cumplen la cobertura mínima y las restricciones de órganos en riesgo en todos los escenarios posibles.
La elección del algoritmo influye directamente en el valor y la interpretación de este análisis. Si el cálculo nominal en PB subestima las dosis en órganos en riesgo en geometrías con heterogeneidades laterales, el análisis de robustez basado exclusivamente en PB puede indicar aceptabilidad donde el MC indicaría un margen insuficiente. Por ello, directrices recientes convergen en recomendar la verificación por MC antes de aprobar planos en sitios anatómicamente complejos, incluso si la optimización se realiza en PB por razones de velocidad de cálculo.
Puesta en marcha
La puesta en marcha de un algoritmo MC en TPS comercial requiere, además de mediciones IDD estándar y perfiles laterales en maniquíes de agua, validación en maniquíes heterogéneos que replican geometrías clínicamente relevantes: material equivalente pulmonar de baja densidad, interfaces de hueso/tejido blando e inserciones en cavidades de aire. La comparación entre el cálculo de MC y la medición experimental debe satisfacer los criterios gamma (normalmente 2%/2 mm o 3%/3 mm según el protocolo institucional) en la fracción de puntos requerida por el protocolo de control de calidad del centro.
La puesta en marcha de algoritmos PB, históricamente menos exigentes en términos de fantasmas heterogéneos, puede enmascarar errores sistemáticos que sólo surgen en geometrías específicas. Los centros que han migrado de PB a MC a menudo identifican diferencias sistemáticas en ciertas anatomías, lo que puede requerir una revisión de los protocolos de márgenes de rango y, en casos seleccionados, una nueva planificación de los pacientes sometidos a tratamiento.
Decisión clínica
La elección entre PB y MC no tiene por qué ser binaria. Una práctica común y razonable es utilizar PB para la optimización iterativa (para velocidad) y MC para verificar el plan final. Cuando MC está disponible como motor de optimización, su uso directo elimina la inconsistencia entre optimización y verificación. La decisión institucional debe considerar:
- Disponibilidad de hardware dedicado (GPU para MC en tiempo clínico)
- Sitios anatómicos del portafolio clínico (PBS en pulmón y base de cráneo demanda MC; campos simples en próstata con geometría favorable toleran PB con menor riesgo)
- Tiempo de flujo clínico aceptable en el contexto del volumen de pacientes
- Requisitos de directrices institucionales y sociales como AAPM, ESTRO y IAEA
Para el control de calidad independiente de la dosis (verificación del plan del sistema secundario), el software como FRED o las plataformas basadas en MC proporcionan una verificación equivalente en física, mientras que las herramientas analíticas de control de calidad secundario para MC aún están en desarrollo y validación clínica.
Preguntas frecuentes
¿Monte Carlo siempre produce resultados más precisos que Pencil Beam?
MC es físicamente más completo, pero su precisión depende de las secciones transversales implementadas, la resolución del vóxel y la cantidad de historias simuladas, lo que define la incertidumbre estadística. En geometrías simples y homogéneas, un PB bien encargado y un MC bien implementado producen resultados equivalentes. Las diferencias se vuelven clínicamente relevantes principalmente en heterogeneidades extremas, límites de campo y situaciones con interacciones nucleares significativas. «Más preciso» debe entenderse como «menos dependiente de aproximaciones geométricas», no como garantía de superioridad en ningún escenario.
¿Qué TPS comerciales ofrecen MC clínico para protones?
Hay TPS comerciales con cálculo Monte Carlo para protones, pero la disponibilidad y el alcance clínico dependen de la versión, el país y la licencia. El físico responsable debe comprobar la documentación técnica y reglamentaria del sistema local. TOPAS, GATE y otros códigos de investigación son valiosos para la validación, pero su uso en atención médica no se puede inferir únicamente de la disponibilidad del software.
¿Cómo afecta «dose to medium» versus «dose to water» la comparación de planes?
En tejidos con una composición cercana al agua (músculo, tumor sólido), Dm ≈ Dw. En hueso cortical y materiales de alta densidad, Dm puede diferir de Dw en valores que no son clínicamente despreciables, ya que el poder de frenado de masa de estos materiales difiere del del agua. Comparar un plano PB (Dw implícito) con un plano MC (Dm) sin explicar la cantidad puede llevar a un error de interpretación. La recomendación práctica es definir institucionalmente qué magnitud se adopta y mantener coherencia entre el algoritmo de planificación y los límites de dosis de los órganos en riesgo de los protocolos en uso.
¿Cómo se debe abordar el efecto de interacción en la puesta en servicio y la planificación clínica?
El efecto de interacción no se puede verificar mediante mediciones estáticas en un muñeco de agua. La puesta en servicio debe incluir mediciones sobre maniquí en movimiento (dinámicas) o simulaciones 4D-CT con cálculo de dosis acumulada en geometría controlada. En la planificación clínica, se debe estimar la magnitud de la interacción para cada paciente con un tumor en una ubicación de movimiento relevante (pulmón, hígado, páncreas). Cuando el efecto es clínicamente significativo, se deben incorporar al protocolo de tratamiento estrategias como la reexploración o el gating, con documentación explícita en el plan aprobado y en la historia clínica.
¿Cuándo se recomienda utilizar MC en lugar de PB para la aprobación del plan?
No existe una regla universal aplicable a todos los sistemas. Las fuertes heterogeneidades laterales, los implantes, las cavidades y las regiones de alto gradiente son motivos para requerir un análisis más riguroso y, cuando esté disponible, una comparación con un motor de transporte más completo. La política debe basarse en el riesgo, el uso previsto de TPS y la puesta en servicio local.
Referencias
- Paganetti H. Incertidumbres de rango en la terapia de protones y el papel de las simulaciones Monte Carlo. Phys Med Biol. 2012;57(11):R99–R117.
- Perl J, Shin J, Schümann J, Faddegon B, Paganetti H. TOPAS: Una innovadora plataforma de protones Monte Carlo para investigación y aplicaciones clínicas. Med Phys. 2012;39(11):6818–6837.
- Newhauser WD, Zhang R. La física de la terapia de protones. Phys Med Biol. 2015;60(8):R155–R209.
- IAEA Serie de Informes Técnicos No. 398. Determinación de la Dosis Absorbida en Radioterapia de Haz Externo. Viena: IAEA; 2000.
- Informe 224 del grupo de trabajo de la AAPM. Garantía integral de calidad de las máquinas de terapia de protones. Médico Médico. 2019.
