{"id":13203,"date":"2026-02-24T10:56:20","date_gmt":"2026-02-24T13:56:20","guid":{"rendered":"https:\/\/rtmedical.com.br\/fundamentos-monte-carlo-radioterapia-es\/"},"modified":"2026-04-03T18:56:25","modified_gmt":"2026-04-03T21:56:25","slug":"fundamentos-monte-carlo-radioterapia-es","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/fundamentos-monte-carlo-radioterapia-es\/","title":{"rendered":"Fundamentos del Monte Carlo en Radioterapia"},"content":{"rendered":"<div class=\"toc\">\n<h2>En Este Art\u00edculo<\/h2>\n<ul>\n<li><a href=\"#origen\">1. Origen del M\u00e9todo Monte Carlo<\/a><\/li>\n<li><a href=\"#motivacion\">2. \u00bfPor Qu\u00e9 Monte Carlo en F\u00edsica M\u00e9dica?<\/a><\/li>\n<li><a href=\"#codigos\">3. C\u00f3digos Monte Carlo: EGS, MCNP y GEANT<\/a><\/li>\n<li><a href=\"#transporte\">4. Transporte de Electrones y Condensed History<\/a><\/li>\n<li><a href=\"#camaras\">5. Dosimetr\u00eda de C\u00e1maras de Ionizaci\u00f3n<\/a><\/li>\n<li><a href=\"#primeras\">6. Primeras Aplicaciones en Radioterapia<\/a><\/li>\n<li><a href=\"#cuadratura\">7. Monte Carlo vs. M\u00e9todos Deterministas<\/a><\/li>\n<\/ul>\n<\/div>\n<h2 id=\"origen\">Origen del M\u00e9todo Monte Carlo<\/h2>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"alignright lazyload\" data-src=\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/04\/mc-metodo-monte-carlo-amostragem.jpg\" alt=\"Equipo de radioterapia en sala de tratamiento - simulaci\u00f3n Monte Carlo para c\u00e1lculo de dosis\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 500px; --smush-placeholder-aspect-ratio: 500\/500;\"><figcaption>Foto: Jo McNamara \/ Pexels<\/figcaption><\/figure>\n<p>El m\u00e9todo Monte Carlo proporciona soluciones num\u00e9ricas a problemas que pueden describirse como la evoluci\u00f3n temporal de objetos \u2014 en f\u00edsica m\u00e9dica, part\u00edculas cu\u00e1nticas como fotones, electrones, neutrones y protones \u2014 interactuando con otros objetos seg\u00fan relaciones de secci\u00f3n eficaz. El m\u00e9todo simula directamente la din\u00e1mica microsc\u00f3pica de un sistema, procesando aleatoriamente las reglas de interacci\u00f3n hasta que los resultados convergen a estimaciones confiables de medias y varianzas.<\/p>\n<p><strong>Gu\u00eda completa de la serie:<\/strong> para ver el panorama general y los art\u00edculos relacionados, <a href=\"https:\/\/rtmedical.com.br\/es\/monte-carlo-radioterapia-guia-completa\/\">vuelve a la gu\u00eda completa sobre Monte Carlo en radioterapia<\/a>.<\/p>\n<p>Los m\u00e9todos de muestreo estoc\u00e1stico exist\u00edan mucho antes de las computadoras. En 1777, el Conde de Buffon propuso un experimento que consist\u00eda en lanzar repetidamente una aguja sobre una hoja con l\u00edneas paralelas para determinar la probabilidad de cruce:<\/p>\n<p>$$p = \\frac{2L}{\\pi d}$$<\/p>\n<p>Donde:<\/p>\n<ul>\n<li><strong>$p$<\/strong> = probabilidad de que la aguja cruce una l\u00ednea<\/li>\n<li><strong>$L$<\/strong> = longitud de la aguja<\/li>\n<li><strong>$d$<\/strong> = distancia entre l\u00edneas paralelas ($d > L$)<\/li>\n<\/ul>\n<p>Laplace sugiri\u00f3 m\u00e1s tarde que este procedimiento podr\u00eda usarse para determinar el valor de $\\pi$, aunque de forma lenta. El verdadero impulso vino de Stan Ulam quien, recuper\u00e1ndose de una enfermedad, jugaba solitario repetidamente y se pregunt\u00f3 si pod\u00eda calcular la probabilidad de \u00e9xito mediante an\u00e1lisis combinatorio \u2014 o simplemente jugando muchas partidas y contando los resultados.<\/p>\n<p>Ulam comunic\u00f3 esta idea a John von Neumann, quien entonces trabajaba en c\u00e1lculos te\u00f3ricos para el desarrollo de armas termonucleares en Los Alamos. La primera sugerencia documentada de usar muestreo estoc\u00e1stico en c\u00e1lculos de transporte de radiaci\u00f3n apareci\u00f3 en correspondencia entre von Neumann y Richtmyer el 11 de marzo de 1947. Poco despu\u00e9s, Metropolis y Ulam publicaron el art\u00edculo fundacional &#8220;The Monte Carlo Method&#8221; en 1949 \u2014 el primer trabajo no clasificado en asociar el nombre &#8220;Monte Carlo&#8221; con muestreo estoc\u00e1stico.<\/p>\n<p>Una iron\u00eda notable: un m\u00e9todo matem\u00e1tico creado para dise\u00f1ar el arma m\u00e1s terrible de la historia \u2014 la bomba termonuclear, que nunca se ha usado en conflicto \u2014 termin\u00f3 beneficiando a millones a trav\u00e9s de sus aplicaciones m\u00e9dicas.<\/p>\n<h2 id=\"motivacion\">\u00bfPor Qu\u00e9 Monte Carlo en F\u00edsica M\u00e9dica?<\/h2>\n<p>Monte Carlo se percibe frecuentemente como &#8220;competidor&#8221; de los m\u00e9todos deterministas y anal\u00edticos. En realidad, un cient\u00edfico pragm\u00e1tico debe preguntarse: \u00bfqu\u00e9 quiero lograr? \u00bfCu\u00e1l es el camino m\u00e1s eficiente? A veces la respuesta ser\u00e1 &#8220;determinista&#8221;; otras veces, &#8220;Monte Carlo&#8221;.<\/p>\n<p>Existen dos realidades ineludibles. La teor\u00eda de transporte proporciona una comprensi\u00f3n profunda del comportamiento de campos macrosc\u00f3picos de part\u00edculas \u2014 Monte Carlo no compite bien en este aspecto. Los practicantes de Monte Carlo operan mucho m\u00e1s como experimentalistas, descubriendo propiedades por ensayo y error. Sin embargo, cuando la complejidad aumenta, las simulaciones Monte Carlo se convierten en el enfoque m\u00e1s ventajoso.<\/p>\n<p>El surgimiento de los aceleradores lineales de electrones (LINACs) en radioterapia impuls\u00f3 directamente la necesidad de desarrollar m\u00e9todos Monte Carlo para predicci\u00f3n de dosis y dosimetr\u00eda. Los LINACs producen fotones energ\u00e9ticos y penetrantes que alcanzan profundamente el tejido, protegiendo la superficie y atenu\u00e1ndose menos r\u00e1pidamente que haces de $^{60}\\text{Co}$ o $^{137}\\text{Cs}$.<\/p>\n<p>Los electrones relativistas tienen un alcance de aproximadamente 1 cm por cada 2 MeV de energ\u00eda cin\u00e9tica en agua. En su m\u00e1ximo, la deposici\u00f3n de energ\u00eda desde un haz pencil de electrones forma una &#8220;pluma&#8221; en forma de pera con un di\u00e1metro tambi\u00e9n de aproximadamente 1 cm por 2 MeV. Estas dimensiones son comparables a los \u00f3rganos tratados y a los \u00f3rganos en riesgo, y es cierto hoy como lo era entonces que el m\u00e9todo Monte Carlo proporciona la \u00fanica predicci\u00f3n de cantidades radiom\u00e9tricas que satisface las exigencias de precisi\u00f3n de la radioterapia.<\/p>\n<h2 id=\"codigos\">C\u00f3digos Monte Carlo: EGS, MCNP y GEANT<\/h2>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"alignleft lazyload\" data-src=\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/04\/mc-bremsstrahlung-interacao-foton.jpg\" alt=\"Acelerador lineal m\u00e9dico para radioterapia - modelado Monte Carlo de haces fot\u00f3nicos\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 960px; --smush-placeholder-aspect-ratio: 960\/1228;\"><figcaption>Foto: Jo McNamara \/ Pexels<\/figcaption><\/figure>\n<p>Tres sistemas de c\u00f3digos han dominado hist\u00f3ricamente las simulaciones Monte Carlo en f\u00edsica m\u00e9dica: EGS, MCNP y GEANT, cada uno con caracter\u00edsticas y or\u00edgenes distintos.<\/p>\n<h3>EGS (Electron Gamma Shower)<\/h3>\n<p>El c\u00f3digo EGS se origin\u00f3 por la necesidad de simular cascadas electromagn\u00e9ticas para blindaje y detecci\u00f3n en el SLAC. El programa SHOWER1 de Nagel, escrito en FORTRAN, simulaba electrones de alta energ\u00eda (hasta 1000 MeV) incidiendo sobre plomo, tratando seis interacciones significativas: bremsstrahlung, dispersi\u00f3n electr\u00f3n-electr\u00f3n, p\u00e9rdida por ionizaci\u00f3n, producci\u00f3n de pares, dispersi\u00f3n Compton y efecto fotoel\u00e9ctrico, adem\u00e1s de dispersi\u00f3n m\u00faltiple de Coulomb.<\/p>\n<p>SLAC public\u00f3 EGS3 en 1978, y Rogers lo emple\u00f3 en publicaciones importantes desde 1982. Una contribuci\u00f3n decisiva fue implementar una t\u00e9cnica del ETRAN para hacer m\u00e1s confiables los c\u00e1lculos dependientes de electrones acortando los pasos de interacciones virtuales. Los artefactos de tama\u00f1o de paso permanecieron como desaf\u00edo hasta que Bielajew y Rogers desarrollaron el algoritmo PRESTA en 1987.<\/p>\n<p>Las versiones posteriores \u2014 EGS4, EGSnrc y EGS5 \u2014 abordaron progresivamente estas limitaciones. EGSnrc elimin\u00f3 los artefactos de tama\u00f1o de paso y se convirti\u00f3 en la referencia para dosimetr\u00eda de c\u00e1maras de ionizaci\u00f3n con precisi\u00f3n superior al 0,1%.<\/p>\n<h3>MCNP (Monte Carlo N-Particle)<\/h3>\n<p>MCNP reivindica ser descendiente directo de los c\u00f3digos escritos por los fundadores del m\u00e9todo Monte Carlo: Fermi, von Neumann, Ulam, Metropolis y Richtmyer. Su linaje pasa por MCS (1957), MCN (1967), MCNG (1973), hasta la Versi\u00f3n 1 en 1977. El transporte de electrones solo se a\u00f1adi\u00f3 en la Versi\u00f3n 4, en 1990 \u2014 a partir de entonces, MCNP se convirti\u00f3 en un actor importante en investigaci\u00f3n m\u00e9dica.<\/p>\n<h3>GEANT<\/h3>\n<p>En la \u00faltima d\u00e9cada, GEANT ha realizado contribuciones significativas y actualmente iguala al MCNP en frecuencia de uso en \u00e1reas m\u00e9dicas. En toda la literatura no m\u00e9dica, MCNP y GEANT son los c\u00f3digos m\u00e1s citados, casi duplicando al EGS.<\/p>\n<table>\n<thead>\n<tr>\n<th>C\u00f3digo<\/th>\n<th>Origen<\/th>\n<th>Transporte de Electrones<\/th>\n<th>\u00c1rea Principal<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>EGS (1978+)<\/td>\n<td>SLAC \/ NRC Canad\u00e1<\/td>\n<td>Desde EGS3<\/td>\n<td>F\u00edsica m\u00e9dica y dosimetr\u00eda<\/td>\n<\/tr>\n<tr>\n<td>MCNP (1977+)<\/td>\n<td>Los Alamos (LANL)<\/td>\n<td>Desde Versi\u00f3n 4 (1990)<\/td>\n<td>Ciencias nucleares y radiol\u00f3gicas<\/td>\n<\/tr>\n<tr>\n<td>GEANT (1982+)<\/td>\n<td>CERN<\/td>\n<td>Desde el inicio<\/td>\n<td>F\u00edsica de altas energ\u00edas y medicina<\/td>\n<\/tr>\n<tr>\n<td>PENELOPE<\/td>\n<td>Espa\u00f1a<\/td>\n<td>Desde 1995<\/td>\n<td>Penetraci\u00f3n y p\u00e9rdida de energ\u00eda<\/td>\n<\/tr>\n<tr>\n<td>FLUKA (1964+)<\/td>\n<td>CERN \/ INFN<\/td>\n<td>Desde el inicio<\/td>\n<td>Blindaje y dosimetr\u00eda<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Fuente: Monte Carlo Techniques in Radiation Therapy (2nd ed., CRC Press, 2022)<\/em><\/p>\n<h2 id=\"transporte\">Transporte de Electrones y Condensed History<\/h2>\n<p>El transporte de electrones requiere tratamiento especial en simulaciones Monte Carlo. Los electrones relativistas experimentan del orden de $10^6$ interacciones individuales durante su trayectoria. Simular cada interacci\u00f3n discreta ser\u00eda computacionalmente prohibitivo.<\/p>\n<p>La contribuci\u00f3n fundacional de Martin Berger en 1963 \u2014 un art\u00edculo de 81 p\u00e1ginas \u2014 estableci\u00f3 el marco para toda la generaci\u00f3n siguiente de f\u00edsicos computacionales en Monte Carlo. Berger introdujo el m\u00e9todo de <strong>condensed history<\/strong>: teor\u00edas acumulativas de dispersi\u00f3n condensan $10^3$ a $10^5$ eventos individuales de dispersi\u00f3n el\u00e1stica e inel\u00e1stica en eventos &#8220;virtuales&#8221; \u00fanicos, logrando aceleraciones por factores del orden de cientos.<\/p>\n<p>Nelson, creador del sistema EGS, coment\u00f3: &#8220;Si hubiera conocido el trabajo de Berger, \u00a1quiz\u00e1s no habr\u00eda emprendido el trabajo en EGS!&#8221; El c\u00f3digo de Berger fue eventualmente liberado como ETRAN en 1968, aunque versiones internas exist\u00edan en el NBS (hoy NIST) desde principios de los a\u00f1os 1960.<\/p>\n<p>ETRAN gener\u00f3 toda una familia de c\u00f3digos a trav\u00e9s de adaptaciones en los laboratorios Sandia: EZTRAN, SANDYL, TIGER, CYLTRAN, SPHERE, ACCEPT, y finalmente el sistema ITS (Integrated TIGER Series). El transporte de electrones del ITS fue posteriormente incorporado al MCNP en la Versi\u00f3n 4.<\/p>\n<h2 id=\"camaras\">Dosimetr\u00eda de C\u00e1maras de Ionizaci\u00f3n<\/h2>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"alignright lazyload\" data-src=\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/04\/mc-simulacao-cascata-eletrons.jpg\" alt=\"Sala de tratamiento de radioterapia con acelerador lineal - transporte de electrones Monte Carlo\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 635px; --smush-placeholder-aspect-ratio: 635\/380;\"><figcaption>Foto: Jo McNamara \/ Pexels<\/figcaption><\/figure>\n<p>El art\u00edculo fundacional para la aplicaci\u00f3n de Monte Carlo a la respuesta de c\u00e1maras de ionizaci\u00f3n se atribuye a Bond et al. (1978), quienes calcularon la respuesta de c\u00e1maras en funci\u00f3n del espesor de pared para irradiaci\u00f3n con $^{60}\\text{Co}$. Al validar el c\u00f3digo EGS para esta aplicaci\u00f3n, se descubrieron dificultades algor\u00edtmicas fundamentales en este r\u00e9gimen de baja energ\u00eda.<\/p>\n<p>Nahum, interesado en modelar la respuesta de c\u00e1maras de ionizaci\u00f3n, visit\u00f3 el laboratorio de Rogers en la primavera de 1984. Usando EGS4, obtuvo respuestas hasta un 60% por debajo de lo esperado. En palabras de Nahum: &#8220;\u00bfC\u00f3mo puede un c\u00e1lculo que uno podr\u00eda esbozar al reverso de un sobre, acertando dentro del 5%, errar en un 60% usando Monte Carlo?&#8221;<\/p>\n<p>La reducci\u00f3n del tama\u00f1o de paso resolvi\u00f3 el problema, pero la b\u00fasqueda de una soluci\u00f3n definitiva result\u00f3 en el algoritmo PRESTA. El problema subyacente era sutil: trayectorias de electrones interrumpidas en fronteras de materiales, donde las secciones eficaces cambian, generaban singularidades espurias de fluencia \u2014 descrito elegantemente por Foote y Smythe (1995).<\/p>\n<p>Actualmente, el c\u00e1lculo de correcciones de c\u00e1maras de ionizaci\u00f3n alcanza precisi\u00f3n superior al 0,1%. Para una visi\u00f3n completa del tema, consulte nuestra <a href=\"https:\/\/rtmedical.com.br\/?p=13191\">gu\u00eda completa sobre t\u00e9cnicas de Monte Carlo en radioterapia<\/a>.<\/p>\n<h2 id=\"primeras\">Primeras Aplicaciones en Radioterapia<\/h2>\n<p>Las aplicaciones iniciales de Monte Carlo en radioterapia siguieron una progresi\u00f3n natural. El modelado de unidades de Cobalto-60 fue mencionado por primera vez en el ICRU Report #18 (1971), con trabajo m\u00e1s completo por Rogers et al. (1985) y Han et al. (1987). El modelado de LINACs terap\u00e9uticos fue realizado inicialmente por Petti et al. (1983) y poco despu\u00e9s por Mohan et al. (1985).<\/p>\n<p>Mackie et al. fueron pioneros del m\u00e9todo de convoluci\u00f3n en 1985 y generaron la primera base de datos de &#8220;kernels&#8221; o &#8220;dose-spread arrays&#8221; para uso en radioterapia en 1988 \u2014 todav\u00eda en uso hoy. El modelado de haces de electrones de LINACs m\u00e9dicos fue realizado por Teng et al. (1986) y Hogstrom et al. (1986).<\/p>\n<p>El proyecto OMEGA (Ottawa Madison Electron Gamma Algorithm), propuesto por Mackie et al. en 1990, represent\u00f3 un hito: la primera propuesta de usar Monte Carlo para c\u00e1lculo de dosis &#8220;del blanco del acelerador al paciente&#8221;. Se adopt\u00f3 un enfoque de &#8220;dividir y conquistar&#8221; \u2014 las salidas fijas de la m\u00e1quina (phase-space files) serv\u00edan como entradas para el c\u00e1lculo espec\u00edfico en el paciente. Esta bifurcaci\u00f3n gener\u00f3 dos industrias: el modelado de cabezal (con BEAM\/EGS como el c\u00f3digo m\u00e1s refinado y el art\u00edculo m\u00e1s citado con &#8220;Monte Carlo&#8221; en el t\u00edtulo) y el desarrollo de algoritmos r\u00e1pidos de c\u00e1lculo de dosis basados en Monte Carlo, como VMC++.<\/p>\n<h2 id=\"cuadratura\">Monte Carlo vs. M\u00e9todos Deterministas<\/h2>\n<p>El ap\u00e9ndice del primer cap\u00edtulo presenta una demostraci\u00f3n matem\u00e1tica elegante de que Monte Carlo es m\u00e1s eficiente que los m\u00e9todos deterministas de primer orden para estimar tallies en tres dimensiones espaciales.<\/p>\n<p>El transporte de part\u00edculas se describe mediante la ecuaci\u00f3n de transporte de Boltzmann lineal:<\/p>\n<p>$$\\left(\\frac{\\partial}{\\partial s} + \\hat{p} \\cdot \\frac{\\partial}{\\partial x} + \\mu(x,p)\\right) \\psi(x,p,s) = \\int dx&#8217; \\int dp&#8217; \\, \\mu(x,p,p&#8217;) \\, \\psi(x&#8217;,p&#8217;,s)$$<\/p>\n<p>Donde $\\psi(x,p,s)$ es la fluencia en espacio de fase, $\\mu(x,p)$ la secci\u00f3n eficaz macrosc\u00f3pica total y $s$ la longitud de camino. El punto clave es que la soluci\u00f3n involucra una integral de dimensi\u00f3n $N_x + N_p$ \u2014 t\u00edpicamente 6 o 7 dimensiones para problemas de radioterapia.<\/p>\n<p>La convergencia de los m\u00e9todos deterministas obedece a $N_{cell}^{-2\/D}$, donde $D$ es la dimensionalidad del espacio de fase y $N_{cell}$ el n\u00famero de celdas. Monte Carlo converge seg\u00fan el teorema del l\u00edmite central: $\\sigma_{MC}(x) \/ \\sqrt{N_{hist}}$.<\/p>\n<p>Comparando las tasas de convergencia:<\/p>\n<p>$$\\frac{\\Delta T_{MC}(x)}{\\Delta T_{NMC}(x)} \\propto t^{(4-D)\/2D}$$<\/p>\n<p>Monte Carlo es siempre m\u00e1s ventajoso para $D > 4$. Como los problemas de radioterapia operan en dimensi\u00f3n 6 o 7, Monte Carlo tiene una ventaja intr\u00ednseca sobre los m\u00e9todos deterministas. Esta conclusi\u00f3n depende de la eficiencia relativa de las implementaciones y la forma de las funciones respuesta \u2014 para distribuciones que var\u00edan r\u00e1pidamente, Monte Carlo tiende a ser a\u00fan m\u00e1s favorable.<\/p>\n<p>Esta base te\u00f3rica explica por qu\u00e9, hasta 2020, se publicaron aproximadamente 900.000 art\u00edculos sobre Monte Carlo, con casi 55.000 relacionados con medicina \u2014 una contribuci\u00f3n consistente del 10% al 20% a lo largo del tiempo. Para m\u00e1s detalles sobre las aplicaciones avanzadas, consulte nuestra <a href=\"https:\/\/rtmedical.com.br\/?p=13191\">gu\u00eda completa sobre Monte Carlo en radioterapia<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Conozca la historia y fundamentos del m\u00e9todo Monte Carlo en radioterapia: c\u00f3digos EGS, MCNP, GEANT y transporte de electrones.<\/p>\n","protected":false},"author":1,"featured_media":15601,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"ngg_post_thumbnail":0,"fifu_image_url":"","fifu_image_alt":"","footnotes":""},"categories":[182,231],"tags":[194,162,187,189,185,164,184,163,196,166,165],"class_list":{"0":"post-13203","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-radioterapia-es","8":"category-software-es","9":"tag-calculo-de-dosis","10":"tag-dicom-3","11":"tag-dosimetria","12":"tag-egsnrc","13":"tag-fisica-medica","14":"tag-hl7-3","15":"tag-monte-carlo","16":"tag-pacs-4","17":"tag-planificacion-radioterapia","18":"tag-radiologia-digital-2","19":"tag-workflow-3"},"aioseo_notices":[],"rt_seo":{"title":"","description":"","canonical":"","og_image":"","robots":"default","schema_type":"default","include_in_llms":false,"llms_label":"","llms_summary":"","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/13203\/"}],"collection":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/"}],"about":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/types\/post\/"}],"author":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/users\/1\/"}],"replies":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/comments\/?post=13203"}],"version-history":[{"count":2,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/13203\/revisions\/"}],"predecessor-version":[{"id":16241,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/13203\/revisions\/16241\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/15601\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=13203"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=13203"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=13203"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}