{"id":17101,"date":"2026-04-04T15:36:59","date_gmt":"2026-04-04T18:36:59","guid":{"rendered":"https:\/\/rtmedical.com.br\/tmp-es-1775327817858\/"},"modified":"2026-04-04T17:56:33","modified_gmt":"2026-04-04T20:56:33","slug":"monte-carlo-acuros-dosis-clinico","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/monte-carlo-acuros-dosis-clinico\/","title":{"rendered":"Monte Carlo y Acuros XB en el C\u00e1lculo de Dosis Cl\u00ednico: Ecuaci\u00f3n de Transporte de Boltzmann"},"content":{"rendered":"<p>El Monte Carlo dej\u00f3 de ser exclusivo de centros de investigaci\u00f3n. Hoy, sistemas de planificaci\u00f3n como Monaco (Elekta), iPlan (BrainLab) y opciones dentro de Eclipse (Varian) ofrecen c\u00e1lculo de dosis basado en simulaci\u00f3n estoc\u00e1stica \u2014 y la alternativa determin\u00edstica Acuros XB ofrece precisi\u00f3n comparable con tiempos de c\u00e1lculo dr\u00e1sticamente menores. En este art\u00edculo, exploramos c\u00f3mo funciona el m\u00e9todo Monte Carlo en el contexto cl\u00ednico, qu\u00e9 c\u00f3digos MC sustentan los TPS comerciales y por qu\u00e9 la ecuaci\u00f3n de transporte de Boltzmann resuelta por Acuros XB representa un cambio de paradigma para la rutina del f\u00edsico m\u00e9dico.<\/p>\n<p>Para una visi\u00f3n completa de la evoluci\u00f3n de los algoritmos \u2014 desde los m\u00e9todos emp\u00edricos hasta las t\u00e9cnicas de convoluci\u00f3n \u2014 consulte nuestra <a href=\"https:\/\/rtmedical.com.br\/es\/calculo-dosis-fotones-algoritmos\/\">gu\u00eda completa sobre algoritmos de c\u00e1lculo de dosis por fotones<\/a>.<\/p>\n<h2>Monte Carlo en Radioterapia: \u00bfPor Qu\u00e9 Simular Part\u00edcula por Part\u00edcula?<\/h2>\n<p>El Monte Carlo resuelve num\u00e9ricamente la ecuaci\u00f3n de transporte de Boltzmann rastreando millones de part\u00edculas individuales. A diferencia de los algoritmos anal\u00edticos que aproximan el transporte con kernels o pencil beams, el MC reproduce cada interacci\u00f3n fot\u00f3n\u2013electr\u00f3n seg\u00fan las secciones eficaces conocidas. El resultado es la distribuci\u00f3n de dosis m\u00e1s precisa que se puede obtener computacionalmente.<\/p>\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\/monte-carlo-photon-history-water.png\" alt=\"Diagrama esquem\u00e1tico de la historia de un fot\u00f3n en agua simulada por Monte Carlo, mostrando dispersi\u00f3n Compton, electrones secundarios y regi\u00f3n de scoring\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1266px; --smush-placeholder-aspect-ratio: 1266\/617;\" \/><figcaption>Figura 30.2: Historia de un fot\u00f3n en agua, incluyendo part\u00edculas secundarias. Fuente: Handbook of Radiotherapy Physics, 2nd Ed.<\/figcaption><\/figure>\n<p>La simulaci\u00f3n comienza con el espacio de fase (phase-space) \u2014 energ\u00eda, posici\u00f3n y direcci\u00f3n de cada part\u00edcula. Un fot\u00f3n de 1 MeV sufre en promedio 14\u201315 interacciones en agua antes de la absorci\u00f3n fotoel\u00e9ctrica. Cada interacci\u00f3n se selecciona por muestreo aleatorio de la funci\u00f3n de distribuci\u00f3n de probabilidad acumulativa (CPD): producci\u00f3n de pares, dispersi\u00f3n Compton, absorci\u00f3n fotoel\u00e9ctrica y dispersi\u00f3n Rayleigh. La distancia hasta la pr\u00f3xima interacci\u00f3n sigue:<\/p>\n<p>$$x = -\\frac{1}{\\mu_{tot}} \\ln(1 &#8211; R)$$<\/p>\n<p>Donde:<\/p>\n<ul>\n<li><strong>$\\mu_{tot}$<\/strong> = coeficiente de atenuaci\u00f3n total del medio (suma de todos los procesos de interacci\u00f3n)<\/li>\n<li><strong>$R$<\/strong> = n\u00famero aleatorio uniformemente distribuido entre 0 y 1<\/li>\n<\/ul>\n<p>Para electrones, la situaci\u00f3n cambia radicalmente. Un electr\u00f3n de 10 MeV en ox\u00edgeno tiene alcance CSDA de 5,6 g\/cm\u00b2 y sufre entre $10^5$ y $10^6$ interacciones antes de perder toda su energ\u00eda cin\u00e9tica. Simular cada una individualmente ser\u00eda computacionalmente prohibitivo.<\/p>\n<h2>Transporte de Electrones por Historia Condensada<\/h2>\n<p>La soluci\u00f3n vino con Berger (1963): el m\u00e9todo de historia condensada. La idea es agrupar miles de interacciones de peque\u00f1o efecto en pocos \u00abpasos\u00bb virtuales de gran efecto. En la pr\u00e1ctica, entre las llamadas colisiones \u00abcatastr\u00f3ficas\u00bb \u2014 creaci\u00f3n de rayos delta y fotones de bremsstrahlung por encima de ciertos umbrales \u2014 el electr\u00f3n pierde energ\u00eda continuamente seg\u00fan el stopping power restringido.<\/p>\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\/condensed-history-class-II-electron-transport.png\" alt=\"Diagrama energ\u00eda-distancia del transporte de electrones por historia condensada Clase II en simulaci\u00f3n Monte Carlo acoplada\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1014px; --smush-placeholder-aspect-ratio: 1014\/1164;\" \/><figcaption>Figura 30.4: Esquema de transporte Clase II \u2014 colisiones catastr\u00f3ficas (1\u20135) y p\u00e9rdida continua de energ\u00eda. Fuente: Handbook of Radiotherapy Physics, 2nd Ed.<\/figcaption><\/figure>\n<p>Berger clasific\u00f3 este enfoque como simulaci\u00f3n \u00abClase II\u00bb: h\u00edbrida entre transporte continuo y muestreo anal\u00f3gico de eventos discretos. Los cutoffs de energ\u00eda controlan el balance entre precisi\u00f3n y velocidad. En EGSnrc, el par\u00e1metro ECUT define la energ\u00eda cin\u00e9tica por debajo de la cual el electr\u00f3n es \u00ababsorbido localmente\u00bb \u2014 t\u00edpicamente elegido para que el alcance CSDA a esa energ\u00eda sea aproximadamente 1\/3 de la menor dimensi\u00f3n del v\u00f3xel. El ESTEPE limita la fracci\u00f3n m\u00e1xima de p\u00e9rdida de energ\u00eda por paso condensado (valor t\u00edpico: 4%).<\/p>\n<p>Sin historia condensada, el transporte de part\u00edculas cargadas requerir\u00eda recursos del orden de teraflops ($10^{12}$ operaciones\/segundo) para la mayor\u00eda de los problemas pr\u00e1cticos. En la pr\u00e1ctica, la historia condensada es la t\u00e9cnica de reducci\u00f3n de varianza m\u00e1s importante en aplicaciones de radioterapia.<\/p>\n<h2>Transporte Acoplado Fot\u00f3n\u2013Electr\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\/coupled-photon-electron-mc-simulation.jpeg\" alt=\"Simulaci\u00f3n acoplada fot\u00f3n-electr\u00f3n mostrando producci\u00f3n de pares, bremsstrahlung, Compton, Moller, Bhabha y aniquilaci\u00f3n\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1008px; --smush-placeholder-aspect-ratio: 1008\/1306;\" \/><figcaption>Figura 30.5: (a) Simulaci\u00f3n acoplada fot\u00f3n\u2013electr\u00f3n con todos los procesos de interacci\u00f3n. (b) Detalle del transporte condensado. Fuente: Handbook of Radiotherapy Physics, 2nd Ed.<\/figcaption><\/figure>\n<p>Los fotones transfieren energ\u00eda a trav\u00e9s de electrones secundarios \u2014 por lo tanto, el transporte de ambos tipos de part\u00edcula debe estar acoplado. La Figura 30.5 ilustra una historia completa: un fot\u00f3n entra en la geometr\u00eda y sufre producci\u00f3n de pares (P). El electr\u00f3n resultante genera bremsstrahlung (B), mientras el fot\u00f3n dispersado sufre Compton (C), Rayleigh (R) y absorci\u00f3n fotoel\u00e9ctrica (Ph). El positr\u00f3n se aniquila (A) generando dos fotones de 511 keV que escapan de la geometr\u00eda.<\/p>\n<p>En la pr\u00e1ctica cl\u00ednica, este acoplamiento permite al Monte Carlo capturar correctamente efectos como la falta de equilibrio de part\u00edculas cargadas en campos peque\u00f1os e interfaces de densidad \u2014 situaciones donde algoritmos como <a href=\"https:\/\/rtmedical.com.br\/pencil-beam-aaa-algoritmos\/\">pencil beam y AAA<\/a> pueden fallar significativamente.<\/p>\n<h2>T\u00e9cnicas de Reducci\u00f3n de Varianza en Monte Carlo<\/h2>\n<p>La incertidumbre estad\u00edstica de una simulaci\u00f3n MC disminuye con $1\/\\sqrt{N}$, donde $N$ es el n\u00famero de historias. Duplicar la precisi\u00f3n requiere cuadruplicar el tiempo de c\u00e1lculo. Las t\u00e9cnicas de reducci\u00f3n de varianza (VRT) superan este cuello de botella modificando la simulaci\u00f3n para obtener menor varianza sin aumentar el n\u00famero de historias.<\/p>\n<p>La eficiencia $\\varepsilon$ de una simulaci\u00f3n se define como:<\/p>\n<p>$$\\varepsilon = \\frac{1}{[s(N)]^2 \\cdot T(N)}$$<\/p>\n<p>Donde $[s(N)]^2$ es la varianza estimada y $T(N)$ el tiempo total de c\u00e1lculo. El objetivo de las VRTs es aumentar $\\varepsilon$ reduciendo $s(N)$, $T(N)$, o ambos.<\/p>\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\/variance-reduction-bremsstrahlung-splitting.png\" alt=\"Esquema de particle splitting para bremsstrahlung: un electr\u00f3n genera 5 fotones con peso estad\u00edstico w=1\/5 cada uno\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1181px; --smush-placeholder-aspect-ratio: 1181\/957;\" \/><figcaption>Figura 30.7: Splitting de part\u00edculas aplicado a la generaci\u00f3n de bremsstrahlung. Fuente: Handbook of Radiotherapy Physics, 2nd Ed.<\/figcaption><\/figure>\n<p>Las VRTs m\u00e1s utilizadas en la simulaci\u00f3n de cabezales de aceleradores incluyen:<\/p>\n<ul>\n<li><strong>Splitting uniforme de part\u00edculas<\/strong>: en vez de generar 1 fot\u00f3n de bremsstrahlung con peso $w = 1$, se generan $N_{split}$ fotones independientes con peso $w = 1\/N_{split}$ cada uno. La Figura 30.7 muestra el concepto con $N_{split} = 5$.<\/li>\n<li><strong>Forzamiento de interacci\u00f3n<\/strong>: los fotones son forzados a interactuar dentro de la regi\u00f3n de inter\u00e9s. El n\u00famero de caminos libres medios $\\lambda$ hasta el punto de interacci\u00f3n es: $\\lambda = -\\ln\\left[1 &#8211; R(1 &#8211; e^{-\\Lambda})\\right]$, donde $\\Lambda = \\sum_{Start}^{Stop} \\mu_i s_i$.<\/li>\n<li><strong>Muestreo correlacionado<\/strong>: se precalcula el transporte en la regi\u00f3n externa (constante) y se repite solo el transporte en la regi\u00f3n variable para cada geometr\u00eda diferente.<\/li>\n<li><strong>Ruleta rusa<\/strong>: elimina part\u00edculas de bajo peso estad\u00edstico, compensando con aumento proporcional del peso de las sobrevivientes.<\/li>\n<\/ul>\n<h2>C\u00f3digos MC e Implementaciones en TPS Comerciales<\/h2>\n<p>El f\u00edsico m\u00e9dico moderno no necesita escribir su propio c\u00f3digo MC. D\u00e9cadas de desarrollo han producido paquetes poderosos, muchos de ellos gratuitos. La tabla siguiente resume los principales c\u00f3digos utilizados en f\u00edsica m\u00e9dica.<\/p>\n<h3>Principales C\u00f3digos Monte Carlo en F\u00edsica M\u00e9dica<\/h3>\n<table>\n<thead>\n<tr>\n<th>C\u00f3digo<\/th>\n<th>Caracter\u00edsticas Principales<\/th>\n<th>Aplicaci\u00f3n<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>EGSnrc \/ BEAMnrc<\/td>\n<td>C\u00f3digo m\u00e1s citado en f\u00edsica m\u00e9dica; control fino del transporte condensado electr\u00f3n\u2013fot\u00f3n<\/td>\n<td>Investigaci\u00f3n; modelado de cabezales (BEAMnrc); dosis en paciente (DOSXYZnrc)<\/td>\n<\/tr>\n<tr>\n<td>MCNP<\/td>\n<td>Incluye transporte de neutrones; uso extensivo en industria nuclear<\/td>\n<td>F\u00edsica m\u00e9dica; blindaje; braquiterapia<\/td>\n<\/tr>\n<tr>\n<td>GEANT4<\/td>\n<td>Toolkit multi-part\u00edcula integral; creciente uso m\u00e9dico<\/td>\n<td>Investigaci\u00f3n; protonterapia; PET\/SPECT<\/td>\n<\/tr>\n<tr>\n<td>VMC++ \/ XVMC<\/td>\n<td>Optimizado para velocidad con \u00abelectron-track repeating\u00bb<\/td>\n<td>Oncentra\/Masterplan (Elekta); Monaco; XiO<\/td>\n<\/tr>\n<tr>\n<td>PENELOPE<\/td>\n<td>Transporte electr\u00f3nico sofisticado<\/td>\n<td>Investigaci\u00f3n; PRIMO (verificaci\u00f3n libre)<\/td>\n<\/tr>\n<tr>\n<td>DPM<\/td>\n<td>Pasos condensados grandes cruzando interfaces de materiales<\/td>\n<td>TPS Pinnacle (Philips)<\/td>\n<\/tr>\n<tr>\n<td>MMC (Macro MC)<\/td>\n<td>Semi-num\u00e9rico, transporte h\u00edbrido r\u00e1pido de electrones<\/td>\n<td>Eclipse (Varian) \u2014 haces de electrones<\/td>\n<\/tr>\n<tr>\n<td>PEREGRINE<\/td>\n<td>Desarrollado para planificaci\u00f3n en radioterapia<\/td>\n<td>Corvus (Best NOMOS)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Fuente: Handbook of Radiotherapy Physics: Theory and Practice, 2nd Ed. (CRC Press, 2020) (Table 30.1)<\/em><\/p>\n<h3>TPS Comerciales con Monte Carlo<\/h3>\n<table>\n<thead>\n<tr>\n<th>TPS \/ Sistema<\/th>\n<th>Tipo<\/th>\n<th>Simulaci\u00f3n del LINAC<\/th>\n<th>Dosis en Paciente<\/th>\n<th>Disponibilidad<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Monaco (Elekta)<\/td>\n<td>Planificaci\u00f3n<\/td>\n<td>VSM<\/td>\n<td>XVMC (r\u00e1pido)<\/td>\n<td>Comercial<\/td>\n<\/tr>\n<tr>\n<td>Eclipse \u2014 electrones (Varian)<\/td>\n<td>Planificaci\u00f3n<\/td>\n<td>VSM<\/td>\n<td>MMC (precalculado)<\/td>\n<td>Comercial<\/td>\n<\/tr>\n<tr>\n<td>iPlan (BrainLab)<\/td>\n<td>Planificaci\u00f3n<\/td>\n<td>VSM<\/td>\n<td>XVMC (r\u00e1pido)<\/td>\n<td>Comercial<\/td>\n<\/tr>\n<tr>\n<td>Oncentra (Elekta)<\/td>\n<td>Planificaci\u00f3n<\/td>\n<td>VSM<\/td>\n<td>VMC++ (r\u00e1pido)<\/td>\n<td>Comercial<\/td>\n<\/tr>\n<tr>\n<td>Pinnacle (Philips)<\/td>\n<td>Planificaci\u00f3n<\/td>\n<td>\u2014<\/td>\n<td>DPM (r\u00e1pido)<\/td>\n<td>Comercial<\/td>\n<\/tr>\n<tr>\n<td>XiO (Elekta)<\/td>\n<td>Planificaci\u00f3n<\/td>\n<td>VSM<\/td>\n<td>XVMC (r\u00e1pido)<\/td>\n<td>Comercial<\/td>\n<\/tr>\n<tr>\n<td>PRIMO<\/td>\n<td>Verificaci\u00f3n<\/td>\n<td>PENELOPE (completo)<\/td>\n<td>PENELOPE<\/td>\n<td>Gratuito<\/td>\n<\/tr>\n<tr>\n<td>PLanUNC<\/td>\n<td>Verificaci\u00f3n<\/td>\n<td>EGSnrc (completo)<\/td>\n<td>EGSnrc<\/td>\n<td>Gratuito<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Fuente: Handbook of Radiotherapy Physics: Theory and Practice, 2nd Ed. (CRC Press, 2020) (Table 30.2, adaptada)<\/em><\/p>\n<h2>Monte Carlo Cl\u00ednico: Dosis por MU y Dose-to-Medium<\/h2>\n<p>Dos cuestiones pr\u00e1cticas distinguen el MC cl\u00ednico del MC de investigaci\u00f3n. La primera es la relaci\u00f3n dosis por unidad monitora (MU). En MC, la dosis se calcula por part\u00edcula simulada \u2014 para convertir a Gy\/MU, es necesario normalizar usando la dosis en condiciones de referencia (campo 10&#215;10 cm\u00b2, profundidad de referencia, SSD o SAD definida). Esta calibraci\u00f3n garantiza consistencia con la dosimetr\u00eda absoluta del servicio.<\/p>\n<p>La segunda cuesti\u00f3n es la elecci\u00f3n entre dose-to-medium ($D_m$) y dose-to-water ($D_w$). El MC naturalmente calcula $D_m$ \u2014 la dosis depositada en el material real del v\u00f3xel (hueso, pulm\u00f3n, tejido blando). Para convertir a $D_w$, se aplica la raz\u00f3n de stopping powers agua\/medio:<\/p>\n<p>$$D_w = D_m \\cdot \\left(\\frac{S}{\\rho}\\right)_{medio}^{agua}$$<\/p>\n<p>En la pr\u00e1ctica, la diferencia entre $D_w$ y $D_m$ es cl\u00ednicamente significativa solo en hueso (hasta 5\u201310%) y puede influir en la interpretaci\u00f3n de DVHs en casos de cabeza y cuello o columna.<\/p>\n<h2>\u00bfPor Qu\u00e9 el MC A\u00fan No Domina la Rutina Cl\u00ednica?<\/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\/dvh-comparison-pbc-aaa-ccc-monte-carlo.jpeg\" alt=\"Histogramas dosis-volumen comparando PBC, AAA, CCC y Monte Carlo en tumor pulmonar con densidades de 1.0, 0.4 y 0.1 g\/cm3 para 6 MV y 18 MV\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 2142px; --smush-placeholder-aspect-ratio: 2142\/2520;\" \/><figcaption>Figura 30.13: DVHs para tumor pulmonar \u2014 PBC sobreestima severamente la dosis a baja densidad. MC y CCC convergen. Fuente: Handbook of Radiotherapy Physics, 2nd Ed.<\/figcaption><\/figure>\n<p>Precisi\u00f3n sin precedentes tiene un precio: tiempo de c\u00e1lculo. Alrededor de 1990, se estimaba que un plan de tratamiento por fotones llevar\u00eda cientos de horas con el hardware disponible. Hoy, con procesadores multicore y GPUs, el MC cl\u00ednico es viable para haces de electrones y se acerca a la viabilidad plena para fotones.<\/p>\n<p>La Figura 30.13 muestra DVHs para un tumor pulmonar calculados con diferentes algoritmos. Con densidad pulmonar de 1,0 g\/cm\u00b3, todos coinciden. A medida que la densidad baja a 0,4 y luego 0,1 g\/cm\u00b3, los algoritmos pencil beam sobreestiman severamente la dosis tumoral, mientras MC y <a href=\"https:\/\/rtmedical.com.br\/collapsed-cone-convolution-kernels\/\">Collapsed Cone Convolution<\/a> convergen al mismo resultado. En 18 MV y densidad 0,1 g\/cm\u00b3, la discrepancia del pencil beam supera el 20%.<\/p>\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\/kernel-scaling-limitation-electron-tracks.png\" alt=\"Limitaci\u00f3n del scaling rectil\u00edneo de kernels: trazas de electrones de fotones de 5 MeV en medios con densidades alternadas muestran patrones diferentes seg\u00fan el orden de las densidades\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1918px; --smush-placeholder-aspect-ratio: 1918\/1047;\" \/><figcaption>Figura 30.12: Limitaci\u00f3n del kernel scaling \u2014 la distribuci\u00f3n de trazas depende del orden de las densidades. Fuente: Handbook of Radiotherapy Physics, 2nd Ed.<\/figcaption><\/figure>\n<p>La raz\u00f3n fundamental de esta superioridad est\u00e1 en la Figura 30.12: el scaling rectil\u00edneo de kernels (usado por algoritmos de convoluci\u00f3n) asume que la distribuci\u00f3n de dosis depende solo de la densidad media entre el punto de interacci\u00f3n y el de deposici\u00f3n. El MC muestra que el <em>orden<\/em> de las densidades importa \u2014 un fot\u00f3n que cruza primero tejido denso y luego pulm\u00f3n genera un patr\u00f3n de electrones diferente del camino inverso. Para conocer m\u00e1s sobre los <a href=\"https:\/\/rtmedical.com.br\/superposicao-clarkson-terma-dose\/\">fundamentos de la superposici\u00f3n y TERMA<\/a>, consulte nuestro art\u00edculo dedicado.<\/p>\n<h2>La Ecuaci\u00f3n Lineal de Transporte de Boltzmann (LBTE): Fundamentos Matem\u00e1ticos<\/h2>\n<p>Mientras el Monte Carlo resuelve la ecuaci\u00f3n de transporte de forma estoc\u00e1stica \u2014 simulando historias individuales de part\u00edculas \u2014, el Acuros XB adopta el enfoque determin\u00edstico: resuelve la LBTE directamente sobre una grilla computacional. Para comprender el Acuros, es esencial entender la ecuaci\u00f3n que resuelve.<\/p>\n<p>La ecuaci\u00f3n lineal de transporte de Boltzmann describe la conservaci\u00f3n de part\u00edculas en un medio. En su forma m\u00e1s general, para una part\u00edcula de tipo $p$ con energ\u00eda $E$ viajando en la direcci\u00f3n $\\hat{\\Omega}$ desde la posici\u00f3n $\\vec{r}$:<\/p>\n<p>$$\\hat{\\Omega} \\cdot \\nabla \\psi_p(\\vec{r}, E, \\hat{\\Omega}) + \\sigma_{t,p}(\\vec{r}, E)\\, \\psi_p(\\vec{r}, E, \\hat{\\Omega}) = q_p(\\vec{r}, E, \\hat{\\Omega})$$<\/p>\n<p>Donde:<\/p>\n<ul>\n<li>$\\psi_p(\\vec{r}, E, \\hat{\\Omega})$ = fluencia angular de la part\u00edcula tipo $p$ (fotones o electrones) en la posici\u00f3n $\\vec{r}$, energ\u00eda $E$ y direcci\u00f3n $\\hat{\\Omega}$<\/li>\n<li>$\\sigma_{t,p}(\\vec{r}, E)$ = secci\u00f3n eficaz macrosc\u00f3pica total (probabilidad de interacci\u00f3n por unidad de recorrido)<\/li>\n<li>$q_p(\\vec{r}, E, \\hat{\\Omega})$ = t\u00e9rmino fuente total, que incluye dispersi\u00f3n entrante (scattering-in), producci\u00f3n de part\u00edculas secundarias y fuentes externas<\/li>\n<li>$\\hat{\\Omega} \\cdot \\nabla$ = operador de streaming (derivada espacial a lo largo de la direcci\u00f3n de vuelo)<\/li>\n<\/ul>\n<p>El primer t\u00e9rmino ($\\hat{\\Omega} \\cdot \\nabla \\psi$) describe el transporte libre de part\u00edculas a lo largo de la direcci\u00f3n $\\hat{\\Omega}$. El segundo t\u00e9rmino ($\\sigma_t \\psi$) representa las p\u00e9rdidas por interacci\u00f3n \u2014 tanto absorci\u00f3n como dispersi\u00f3n fuera del haz angular considerado. El lado derecho ($q_p$) agrupa todas las fuentes de part\u00edculas en ese punto del espacio de fase.<\/p>\n<p>El t\u00e9rmino fuente es la pieza m\u00e1s compleja de la ecuaci\u00f3n, ya que acopla diferentes tipos de part\u00edculas y diferentes energ\u00edas:<\/p>\n<p>$$q_p(\\vec{r}, E, \\hat{\\Omega}) = \\sum_{p&#8217;} \\int_0^{\\infty} \\int_{4\\pi} \\sigma_{s,p&#8217; \\to p}(\\vec{r}, E&#8217; \\to E, \\hat{\\Omega}&#8217; \\to \\hat{\\Omega})\\, \\psi_{p&#8217;}(\\vec{r}, E&#8217;, \\hat{\\Omega}&#8217;)\\, d\\hat{\\Omega}&#8217;\\, dE&#8217; + q_{ext,p}(\\vec{r}, E, \\hat{\\Omega})$$<\/p>\n<p>Aqu\u00ed, $\\sigma_{s,p&#8217; \\to p}$ es el kernel de dispersi\u00f3n diferencial que describe la probabilidad de que una part\u00edcula de tipo $p&#8217;$ con energ\u00eda $E&#8217;$ y direcci\u00f3n $\\hat{\\Omega}&#8217;$ produzca una part\u00edcula de tipo $p$ con energ\u00eda $E$ y direcci\u00f3n $\\hat{\\Omega}$. La sumatoria sobre $p&#8217;$ acopla fotones y electrones: fotones Compton generan electrones, electrones generan bremsstrahlung, y as\u00ed sucesivamente.<\/p>\n<h3>Transporte Acoplado Fot\u00f3n\u2013Electr\u00f3n en la LBTE<\/h3>\n<p>Para haces cl\u00ednicos de megavoltaje, la LBTE se desdobla en un sistema acoplado. El transporte de fotones sigue:<\/p>\n<p>$$\\hat{\\Omega} \\cdot \\nabla \\psi_\\gamma + \\sigma_{t,\\gamma}\\, \\psi_\\gamma = \\int_0^{\\infty} \\int_{4\\pi} \\sigma_{s,\\gamma \\to \\gamma}\\, \\psi_\\gamma\\, d\\hat{\\Omega}&#8217;\\, dE&#8217; + \\int_0^{\\infty} \\int_{4\\pi} \\sigma_{s,e \\to \\gamma}\\, \\psi_e\\, d\\hat{\\Omega}&#8217;\\, dE&#8217; + q_{ext,\\gamma}$$<\/p>\n<p>El primer t\u00e9rmino integral del lado derecho representa fotones dispersados (Compton, Rayleigh). El segundo representa bremsstrahlung y aniquilaci\u00f3n \u2014 fotones creados por electrones. El transporte de electrones es an\u00e1logo, con t\u00e9rminos fuente provenientes de las interacciones fotoel\u00e9ctrica, Compton y producci\u00f3n de pares:<\/p>\n<p>$$\\hat{\\Omega} \\cdot \\nabla \\psi_e + \\sigma_{t,e}\\, \\psi_e = \\int_0^{\\infty} \\int_{4\\pi} \\sigma_{s,e \\to e}\\, \\psi_e\\, d\\hat{\\Omega}&#8217;\\, dE&#8217; + \\int_0^{\\infty} \\int_{4\\pi} \\sigma_{s,\\gamma \\to e}\\, \\psi_\\gamma\\, d\\hat{\\Omega}&#8217;\\, dE&#8217;$$<\/p>\n<p>Este acoplamiento bidireccional fot\u00f3n-electr\u00f3n es lo que hace a la LBTE tan poderosa \u2014 y tan dif\u00edcil de resolver. El Monte Carlo resuelve este sistema muestreando historias aleatorias; el Acuros XB lo resuelve discretizando todas las variables e iterando num\u00e9ricamente.<\/p>\n<h3>De la Fluencia a la Dosis<\/h3>\n<p>Una vez resuelta la fluencia angular $\\psi_e(\\vec{r}, E, \\hat{\\Omega})$, la dosis absorbida en el material real del v\u00f3xel se calcula integrando la fluencia electr\u00f3nica sobre todas las energ\u00edas y direcciones, ponderada por el stopping power m\u00e1sico de colisi\u00f3n:<\/p>\n<p>$$D_m(\\vec{r}) = \\int_0^{\\infty} \\left(\\frac{S_{col}(E)}{\\rho}\\right)_m \\phi_e(\\vec{r}, E)\\, dE$$<\/p>\n<p>Donde $\\phi_e(\\vec{r}, E) = \\int_{4\\pi} \\psi_e(\\vec{r}, E, \\hat{\\Omega})\\, d\\hat{\\Omega}$ es la fluencia escalar de electrones y $(S_{col}\/\\rho)_m$ es el stopping power m\u00e1sico de colisi\u00f3n en el material $m$ del v\u00f3xel. Para obtener $D_w$, se sustituye el stopping power del material por el del agua:<\/p>\n<p>$$D_w(\\vec{r}) = \\int_0^{\\infty} \\left(\\frac{S_{col}(E)}{\\rho}\\right)_w \\phi_e(\\vec{r}, E)\\, dE$$<\/p>\n<p>Esta formulaci\u00f3n es id\u00e9ntica a la usada por el Monte Carlo para reportar dosis \u2014 la diferencia radica \u00fanicamente en <em>c\u00f3mo<\/em> se obtuvo la fluencia $\\phi_e$: por muestreo estoc\u00e1stico (MC) o por soluci\u00f3n determin\u00edstica (Acuros XB).<\/p>\n<h3>Monte Carlo vs. LBTE: Dos Caminos para la Misma Ecuaci\u00f3n<\/h3>\n<p>Es fundamental comprender que Monte Carlo y Acuros XB resuelven la <strong>misma ecuaci\u00f3n f\u00edsica<\/strong> \u2014 la LBTE. La diferencia es metodol\u00f3gica:<\/p>\n<ul>\n<li><strong>Monte Carlo (estoc\u00e1stico)<\/strong>: genera historias aleatorias de part\u00edculas, muestrea interacciones seg\u00fan distribuciones de probabilidad y acumula dosis en v\u00f3xeles de scoring. La precisi\u00f3n depende del n\u00famero de historias ($N$) \u2014 la incertidumbre estad\u00edstica cae con $1\/\\sqrt{N}$. Cada historia es independiente, haciendo el algoritmo naturalmente paralelizable.<\/li>\n<li><strong>Acuros XB (determin\u00edstico)<\/strong>: discretiza el espacio de fase en variables angulares, energ\u00e9ticas y espaciales, y resuelve el sistema de ecuaciones resultante por iteraci\u00f3n. No hay ruido estad\u00edstico \u2014 la soluci\u00f3n converge al resultado exacto de la LBTE discretizada conforme la malla se refina. El error es puramente de discretizaci\u00f3n, no estad\u00edstico.<\/li>\n<\/ul>\n<p>En la pr\u00e1ctica, ambos producen resultados concordantes dentro de 1\u20132% en escenarios cl\u00ednicos t\u00edpicos. La elecci\u00f3n entre ellos est\u00e1 guiada por consideraciones de velocidad, tipo de problema e infraestructura disponible.<\/p>\n<h2>Acuros XB: Implementaci\u00f3n y Discretizaci\u00f3n de la LBTE<\/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\/boltzmann-transport-equation-geometry.jpeg\" alt=\"Representaci\u00f3n geom\u00e9trica del volumen V con elemento de \u00e1rea dA, \u00e1ngulo s\u00f3lido y vector posici\u00f3n r para la ecuaci\u00f3n de transporte de Boltzmann\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1847px; --smush-placeholder-aspect-ratio: 1847\/1498;\" \/><figcaption>Figura 30.16: Geometr\u00eda de la ecuaci\u00f3n de transporte de Boltzmann \u2014 volumen V, vector posici\u00f3n r, \u00e1ngulo s\u00f3lido. Fuente: Handbook of Radiotherapy Physics, 2nd Ed.<\/figcaption><\/figure>\n<p>El Acuros XB (External Beam), desarrollado originalmente por Transpire Inc. y adquirido por Varian para su integraci\u00f3n en Eclipse, resuelve la LBTE a trav\u00e9s de una cascada de etapas cuidadosamente ordenadas. La implementaci\u00f3n descompone el problema de transporte en componentes que se resuelven secuencialmente.<\/p>\n<h3>Etapa 1: Transporte de Fotones No Colisionados<\/h3>\n<p>La fluencia primaria \u2014 fotones que no han sufrido ninguna interacci\u00f3n \u2014 se calcula por ray-tracing anal\u00edtico a partir del modelo de fuente del acelerador. Cada rayo se aten\u00faa exponencialmente conforme atraviesa los v\u00f3xeles del paciente, usando las secciones eficaces macrosc\u00f3picas del material asignado a cada v\u00f3xel. La atenuaci\u00f3n sigue:<\/p>\n<p>$$\\psi_\\gamma^{unc}(\\vec{r}, E, \\hat{\\Omega}) = \\psi_\\gamma^{src}(E, \\hat{\\Omega}) \\cdot \\exp\\left(-\\int_0^s \\sigma_{t,\\gamma}(\\vec{r}&#8217;, E)\\, ds&#8217;\\right)$$<\/p>\n<p>Donde $s$ es la distancia recorrida a lo largo de la direcci\u00f3n $\\hat{\\Omega}$ desde la fuente hasta el punto $\\vec{r}$.<\/p>\n<h3>Etapa 2: Discretizaci\u00f3n Angular \u2014 Ordenadas Discretas ($S_N$)<\/h3>\n<p>La variable angular $\\hat{\\Omega}$ se discretiza usando el m\u00e9todo de ordenadas discretas ($S_N$). La esfera unitaria de direcciones se subdivide en un conjunto finito de direcciones $\\hat{\\Omega}_n$ con pesos de cuadratura $w_n$, de modo que las integrales sobre el \u00e1ngulo s\u00f3lido se aproximan por:<\/p>\n<p>$$\\int_{4\\pi} f(\\hat{\\Omega})\\, d\\hat{\\Omega} \\approx \\sum_{n=1}^{N_{dir}} w_n\\, f(\\hat{\\Omega}_n)$$<\/p>\n<p>El Acuros XB utiliza t\u00edpicamente conjuntos de cuadratura con 80 a 128 direcciones discretas \u2014 suficiente para capturar la anisotrop\u00eda del transporte en haces de radioterapia, incluyendo dispersi\u00f3n lateral y retrodifusi\u00f3n.<\/p>\n<h3>Etapa 3: Discretizaci\u00f3n Energ\u00e9tica \u2014 M\u00e9todo Multigrupo<\/h3>\n<p>El espectro continuo de energ\u00eda se divide en grupos discretos ($G$ grupos t\u00edpicamente). Para cada grupo $g$, las secciones eficaces se precalculan y tabulan como constantes $\\sigma_{t,g}$ y $\\sigma_{s,g&#8217; \\to g}$. La ecuaci\u00f3n de transporte para el grupo $g$ en la direcci\u00f3n $\\hat{\\Omega}_n$ se convierte en:<\/p>\n<p>$$\\hat{\\Omega}_n \\cdot \\nabla \\psi_g^n(\\vec{r}) + \\sigma_{t,g}(\\vec{r})\\, \\psi_g^n(\\vec{r}) = \\sum_{g&#8217;=1}^{G} \\sum_{n&#8217;=1}^{N_{dir}} w_{n&#8217;}\\, \\sigma_{s,g&#8217; \\to g}(\\vec{r}, \\hat{\\Omega}_{n&#8217;} \\to \\hat{\\Omega}_n)\\, \\psi_{g&#8217;}^{n&#8217;}(\\vec{r}) + q_{ext,g}^n(\\vec{r})$$<\/p>\n<p>La estructura multigrupo de las secciones eficaces se deriva de bibliotecas nucleares est\u00e1ndar (similares a las usadas en f\u00edsica de reactores nucleares), adaptadas para las energ\u00edas de inter\u00e9s en radioterapia (keV a MeV). Los materiales del paciente se asignan a partir de densidades CT usando tablas de conversi\u00f3n HU-a-material con composiciones qu\u00edmicas conocidas.<\/p>\n<h3>Etapa 4: Discretizaci\u00f3n Espacial \u2014 Diferencias Finitas en la Grilla del Paciente<\/h3>\n<p>El volumen del paciente se discretiza en la grilla de c\u00e1lculo del Eclipse (t\u00edpicamente 2,5 mm de resoluci\u00f3n, aunque resoluci\u00f3n fina de hasta 1 mm est\u00e1 disponible). Para cada v\u00f3xel, las ecuaciones multigrupo de ordenadas discretas se resuelven usando esquemas de diferencias finitas que garantizan conservaci\u00f3n de part\u00edculas y positividad de la fluencia.<\/p>\n<p>El barrido (<em>sweep<\/em>) espacial procede octante por octante: para cada direcci\u00f3n discreta $\\hat{\\Omega}_n$, los v\u00f3xeles se barren en secuencia upstream-to-downstream, de modo que la fluencia incidente en cada v\u00f3xel ya fue calculada en los v\u00f3xeles precedentes. Este procedimiento es altamente eficiente y puede paralelizarse por octante.<\/p>\n<h3>Etapa 5: Transporte de Fotones Dispersados<\/h3>\n<p>La fuente de fotones dispersados se calcula a partir de la fluencia de fotones no colisionados (Etapa 1). Fotones Compton, Rayleigh y de aniquilaci\u00f3n se transportan iterativamente: en cada iteraci\u00f3n, la nueva fluencia dispersada contribuye a una nueva fuente de dispersi\u00f3n, hasta que se alcanza la convergencia.<\/p>\n<h3>Etapa 6: Fuente de Electrones y Transporte Electr\u00f3nico<\/h3>\n<p>Las interacciones fotoel\u00e9ctrica, Compton y producci\u00f3n de pares generan electrones secundarios. El Acuros XB calcula esta fuente de electrones a partir de la fluencia total de fotones y luego resuelve la LBTE para electrones, incluyendo la p\u00e9rdida continua de energ\u00eda (CSDA) y la producci\u00f3n de bremsstrahlung. La fluencia electr\u00f3nica resultante se integra para producir la distribuci\u00f3n de dosis final.<\/p>\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\/acuros-aaa-source-model-dose-calculation.jpeg\" alt=\"Diagrama del modelo de fuentes del Acuros XB y AAA mostrando las etapas: fuente primaria, ray-trace, c\u00e1lculo de fluencia dispersada, fluencia electr\u00f3nica y dosis final\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1449px; --smush-placeholder-aspect-ratio: 1449\/798;\" \/><figcaption>Figura 30.17: Flujo de c\u00e1lculo del Acuros XB\/AAA \u2014 modelo de tres fuentes, ray-tracing y c\u00e1lculo de dosis. Fuente: Handbook of Radiotherapy Physics, 2nd Ed.<\/figcaption><\/figure>\n<h3>Modelo de Fuente y Commissioning<\/h3>\n<p>El Acuros XB utiliza el mismo modelo de fuente de m\u00faltiples fuentes virtuales (multi-source model) del AAA: fuente primaria (blanco), fuente de dispersi\u00f3n extraprimaria (filtro aplanador, colimadores) y fuente de transmisi\u00f3n de los jaws\/MLC. Los par\u00e1metros se ajustan durante el commissioning a partir de datos dosim\u00e9tricos medidos \u2014 PDDs, perfiles y factores de campo. Esto significa que cl\u00ednicas que ya comisionaron el AAA pueden migrar al Acuros XB sin necesidad de medidas adicionales.<\/p>\n<h2>Comparaci\u00f3n Detallada: Monte Carlo vs. Acuros XB<\/h2>\n<p>La tabla siguiente presenta una comparaci\u00f3n directa entre Monte Carlo y Acuros XB en los aspectos m\u00e1s relevantes para la pr\u00e1ctica cl\u00ednica:<\/p>\n<table>\n<thead>\n<tr>\n<th>Aspecto<\/th>\n<th>Monte Carlo<\/th>\n<th>Acuros XB<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>M\u00e9todo<\/strong><\/td>\n<td>Estoc\u00e1stico \u2014 muestreo aleatorio de historias de part\u00edculas<\/td>\n<td>Determin\u00edstico \u2014 soluci\u00f3n num\u00e9rica de la LBTE en grilla discreta<\/td>\n<\/tr>\n<tr>\n<td><strong>Ruido estad\u00edstico<\/strong><\/td>\n<td>Presente; disminuye con $1\/\\sqrt{N}$. Requiere ~$10^9$ historias para incertidumbre &lt; 1%<\/td>\n<td>Ausente. Error es de discretizaci\u00f3n (tama\u00f1o del v\u00f3xel, cuadratura angular, grupos de energ\u00eda)<\/td>\n<\/tr>\n<tr>\n<td><strong>Tiempo de c\u00e1lculo (IMRT t\u00edpico)<\/strong><\/td>\n<td>5\u201330 min (acelerado por GPU) a horas (CPU)<\/td>\n<td>1\u20135 min (CPU multi-core est\u00e1ndar)<\/td>\n<\/tr>\n<tr>\n<td><strong>Precisi\u00f3n en medio homog\u00e9neo<\/strong><\/td>\n<td>Referencia (gold standard)<\/td>\n<td>Equivalente al MC (&lt; 1% diferencia)<\/td>\n<\/tr>\n<tr>\n<td><strong>Precisi\u00f3n en pulm\u00f3n<\/strong><\/td>\n<td>Referencia<\/td>\n<td>Dentro de 1\u20132% del MC en la mayor\u00eda de los escenarios<\/td>\n<\/tr>\n<tr>\n<td><strong>Precisi\u00f3n en hueso<\/strong><\/td>\n<td>Referencia<\/td>\n<td>Dentro de 1\u20132% del MC<\/td>\n<\/tr>\n<tr>\n<td><strong>Interfaces aire\u2013tejido<\/strong><\/td>\n<td>Excelente (resuelve desequilibrio CPE)<\/td>\n<td>Excelente (resuelve LBTE expl\u00edcitamente)<\/td>\n<\/tr>\n<tr>\n<td><strong>Campos peque\u00f1os (&lt; 3&#215;3 cm\u00b2)<\/strong><\/td>\n<td>Excelente<\/td>\n<td>Excelente<\/td>\n<\/tr>\n<tr>\n<td><strong>Reporte $D_w$ \/ $D_m$<\/strong><\/td>\n<td>Ambos (nativo $D_m$)<\/td>\n<td>Ambos (nativo $D_m$)<\/td>\n<\/tr>\n<tr>\n<td><strong>Implantes met\u00e1licos<\/strong><\/td>\n<td>Excelente (composici\u00f3n real del material)<\/td>\n<td>Bueno (asignaci\u00f3n de material limitada a materiales de la biblioteca)<\/td>\n<\/tr>\n<tr>\n<td><strong>Efecto de campo magn\u00e9tico (MR-LINAC)<\/strong><\/td>\n<td>Excelente (EGSnrc, GEANT4 con extensi\u00f3n magn\u00e9tica)<\/td>\n<td>Soportado en Acuros XB v15.6+ para Unity (Elekta)<\/td>\n<\/tr>\n<tr>\n<td><strong>Geometr\u00edas muy complejas<\/strong><\/td>\n<td>Superior (sin aproximaciones de discretizaci\u00f3n angular)<\/td>\n<td>Bueno (resoluci\u00f3n angular finita puede suavizar detalles)<\/td>\n<\/tr>\n<tr>\n<td><strong>Investigaci\u00f3n y escenarios no est\u00e1ndar<\/strong><\/td>\n<td>Flexibilidad total (geometr\u00edas arbitrarias, scoring personalizado)<\/td>\n<td>Limitado a lo que el TPS ofrece<\/td>\n<\/tr>\n<tr>\n<td><strong>TPS comerciales<\/strong><\/td>\n<td>Monaco, iPlan, Oncentra, XiO, Pinnacle<\/td>\n<td>Eclipse (Varian) \u2014 exclusivo<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Aplicaciones Cl\u00ednicas Avanzadas del Acuros XB<\/h2>\n<h3>Estereotaxia Pulmonar (SBRT)<\/h3>\n<p>En la SBRT de pulm\u00f3n, los campos son peque\u00f1os, las heterogeneidades son extremas (aire a tumor a aire) y el equilibrio de part\u00edculas cargadas (CPE) no existe en los bordes del tumor. Estudios como Bush et al. (2011) y Fogliata et al. (2011) demostraron que el Acuros XB concuerda con el Monte Carlo dentro de 1\u20132% en estas condiciones, mientras el AAA puede sobreestimar la cobertura tumoral en hasta 5\u201310% dependiendo de la densidad pulmonar y el tama\u00f1o del campo. El Acuros XB reportando dose-to-medium ($D_m$) captura correctamente la reducci\u00f3n de dosis en las interfaces aire\u2013tumor.<\/p>\n<h3>Planificaci\u00f3n con MR-LINAC<\/h3>\n<p>Sistemas MR-LINAC como Unity (Elekta) y ViewRay MRIdian generan un campo magn\u00e9tico de 0,35\u20131,5 T que desv\u00eda la trayectoria de los electrones secundarios v\u00eda fuerza de Lorentz. Esto altera la distribuci\u00f3n de dosis, especialmente en interfaces aire\u2013tejido \u2014 el llamado efecto de retorno electr\u00f3nico (electron return effect, ERE). El Acuros XB versi\u00f3n 15.6+ para Eclipse incluye extensi\u00f3n para campos magn\u00e9ticos, resolviendo la LBTE con t\u00e9rminos adicionales de deflexi\u00f3n. La fuerza de Lorentz modifica el operador de transporte electr\u00f3nico:<\/p>\n<p>$$\\hat{\\Omega} \\cdot \\nabla \\psi_e + \\sigma_{t,e}\\, \\psi_e + \\frac{e}{p}(\\vec{v} \\times \\vec{B}) \\cdot \\nabla_{\\hat{\\Omega}} \\psi_e = q_e$$<\/p>\n<p>Donde $\\vec{B}$ es el campo magn\u00e9tico, $\\vec{v}$ la velocidad del electr\u00f3n, $e$ la carga elemental y $p$ el momento. El t\u00e9rmino adicional $\\nabla_{\\hat{\\Omega}}$ representa la rotaci\u00f3n de la direcci\u00f3n de vuelo en el espacio angular \u2014 esencial para capturar el ERE correctamente.<\/p>\n<h3>Implantes Met\u00e1licos de Alta Densidad<\/h3>\n<p>Pr\u00f3tesis de cadera (titanio, cromo-cobalto), implantes dentales y marcadores fiduciales introducen heterogeneidades extremas ($Z$ efectivo alto, densidad 4\u20138 g\/cm\u00b3). El Acuros XB asigna composiciones de material a partir de tablas HU-a-material y calcula secciones eficaces espec\u00edficas para cada material. Para implantes con densidad muy alta (por encima del rango t\u00edpico del CT), la asignaci\u00f3n puede estar limitada por la biblioteca de materiales del Acuros. En esos casos, el Monte Carlo con geometr\u00eda expl\u00edcita del implante puede ser preferible.<\/p>\n<h3>Cabeza y Cuello: Interfaces Hueso\u2013Aire<\/h3>\n<p>Tumores en cavidades nasales, senos paranasales y base de cr\u00e1neo involucran interfaces frecuentes entre hueso, aire y tejido blando. El Acuros XB captura los efectos de retrodifusi\u00f3n y p\u00e9rdida de equilibrio en estas interfaces con precisi\u00f3n muy superior a la del AAA \u2014 y con tiempo de c\u00e1lculo compatible con la optimizaci\u00f3n inversa de IMRT\/VMAT.<\/p>\n<h3>Por Qu\u00e9 el Acuros XB Est\u00e1 Reemplazando al AAA en Eclipse<\/h3>\n<p>Desde la versi\u00f3n 13.6 de Eclipse, Varian posiciona al Acuros XB como el algoritmo preferencial para fotones. Las razones son claras:<\/p>\n<ul>\n<li><strong>Precisi\u00f3n<\/strong>: resuelve la LBTE expl\u00edcitamente, capturando heterogeneidades con precisi\u00f3n de MC.<\/li>\n<li><strong>Velocidad<\/strong>: 2\u20135x m\u00e1s r\u00e1pido que MC para planes VMAT t\u00edpicos.<\/li>\n<li><strong>Sin ruido<\/strong>: resultado determin\u00edstico, sin artefactos de submuestreo.<\/li>\n<li><strong>Dose-to-medium<\/strong>: reporta $D_m$ nativamente, alineado con recomendaciones actuales.<\/li>\n<li><strong>Commissioning simplificado<\/strong>: usa el mismo modelo de fuente del AAA.<\/li>\n<\/ul>\n<p>En la pr\u00e1ctica, servicios que migran del AAA al Acuros XB frecuentemente observan diferencias cl\u00ednicamente relevantes (2\u20135%) en planes de pulm\u00f3n, especialmente en SBRT con campos peque\u00f1os. Esta diferencia puede afectar la cobertura del PTV y los l\u00edmites de dosis en OAR, justificando la recalibraci\u00f3n de protocolos institucionales.<\/p>\n<h2>Comparaci\u00f3n Completa: Monte Carlo vs. Acuros vs. Algoritmos Anal\u00edticos<\/h2>\n<table>\n<thead>\n<tr>\n<th>Caracter\u00edstica<\/th>\n<th>Monte Carlo<\/th>\n<th>Acuros XB (LBTE)<\/th>\n<th>AAA\/CCC<\/th>\n<th>Pencil Beam<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Principio<\/td>\n<td>Simulaci\u00f3n estoc\u00e1stica<\/td>\n<td>Soluci\u00f3n determin\u00edstica de la LBTE<\/td>\n<td>Convoluci\u00f3n\/Superposici\u00f3n<\/td>\n<td>Convoluci\u00f3n 1D + correcciones<\/td>\n<\/tr>\n<tr>\n<td>Precisi\u00f3n en heterogeneidades<\/td>\n<td>Referencia (gold standard)<\/td>\n<td>Excelente (~1\u20132% del MC)<\/td>\n<td>Buena (CCC > AAA)<\/td>\n<td>Limitada<\/td>\n<\/tr>\n<tr>\n<td>Campos peque\u00f1os<\/td>\n<td>Excelente<\/td>\n<td>Excelente<\/td>\n<td>Buena (con limitaciones)<\/td>\n<td>Pobre<\/td>\n<\/tr>\n<tr>\n<td>Tiempo de c\u00e1lculo<\/td>\n<td>Minutos\u2013horas<\/td>\n<td>Minutos<\/td>\n<td>Segundos\u2013minutos<\/td>\n<td>Segundos<\/td>\n<\/tr>\n<tr>\n<td>Ruido estad\u00edstico<\/td>\n<td>Presente (disminuye con m\u00e1s historias)<\/td>\n<td>Ausente<\/td>\n<td>Ausente<\/td>\n<td>Ausente<\/td>\n<\/tr>\n<tr>\n<td>$D_w$ vs $D_m$<\/td>\n<td>Ambos (nativo $D_m$)<\/td>\n<td>Ambos<\/td>\n<td>$D_w$ (nativo)<\/td>\n<td>$D_w$ (nativo)<\/td>\n<\/tr>\n<tr>\n<td>TPS disponibles<\/td>\n<td>Monaco, iPlan, Oncentra, XiO<\/td>\n<td>Eclipse (Varian)<\/td>\n<td>Eclipse (AAA), Oncentra (CCC)<\/td>\n<td>Varios (legado)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Compilaci\u00f3n basada en el Handbook of Radiotherapy Physics: Theory and Practice, 2nd Ed. (CRC Press, 2020)<\/em><\/p>\n<h2>El Futuro del C\u00e1lculo de Dosis en Radioterapia<\/h2>\n<p>La convergencia de hardware cada vez m\u00e1s econ\u00f3mico \u2014 GPUs con miles de n\u00facleos, procesadores multithread, cloud computing \u2014 est\u00e1 haciendo viable el MC cl\u00ednico para la rutina diaria. El informe TG-157 de la AAPM (2020) ya considera el MC como est\u00e1ndar de oro para haces de electrones y pr\u00f3ximo a la viabilidad plena para fotones.<\/p>\n<p>En la pr\u00e1ctica, dos escenarios coexisten. Para cl\u00ednicas que utilizan Eclipse, el Acuros XB ofrece el mejor equilibrio entre precisi\u00f3n y velocidad para c\u00e1lculo de dosis en fotones \u2014 especialmente en pulm\u00f3n, cabeza y cuello y estereotaxia. Para servicios con Monaco u otros TPS basados en XVMC\/VMC++, el Monte Carlo ya forma parte de la rutina con tiempos de c\u00e1lculo aceptables.<\/p>\n<p>El informe TG-268 de la AAPM (2018) estableci\u00f3 directrices para reportar estudios basados en MC, estandarizando la documentaci\u00f3n de par\u00e1metros como cutoffs de energ\u00eda, VRTs utilizadas e incertidumbres estad\u00edsticas. Esta estandarizaci\u00f3n es esencial para garantizar reproducibilidad y comparabilidad entre estudios \u2014 y para que los resultados de investigaci\u00f3n se traduzcan de forma confiable en la pr\u00e1ctica cl\u00ednica.<\/p>\n<p>El futuro apunta hacia algoritmos h\u00edbridos que combinan la robustez determin\u00edstica del Acuros con aceleraci\u00f3n por GPU y t\u00e9cnicas de deep learning para estimaci\u00f3n inicial de dosis, reduciendo a\u00fan m\u00e1s el tiempo de c\u00e1lculo sin comprometer la precisi\u00f3n. Proyectos de investigaci\u00f3n en Monte Carlo acelerado por GPU (como gDPM y ARCHER) ya demuestran c\u00e1lculos de planes VMAT completos en menos de 1 minuto, acercando el MC a la viabilidad en tiempo real para radioterapia adaptativa.<\/p>\n<p>Para explorar otros aspectos del Monte Carlo en radioterapia, incluyendo aplicaciones en <a href=\"https:\/\/rtmedical.com.br\/monte-carlo-fotons-aplicacoes\/\">protonterapia, braquiterapia y QA avanzado<\/a>, consulte nuestros art\u00edculos dedicados. Para una introducci\u00f3n completa al m\u00e9todo Monte Carlo en radioterapia, vea nuestra <a href=\"https:\/\/rtmedical.com.br\/monte-carlo-radioterapia-guia\/\">gu\u00eda completa sobre Monte Carlo<\/a>. Y para entender c\u00f3mo los <a href=\"https:\/\/rtmedical.com.br\/metodos-empiricos-calculo-dose\/\">m\u00e9todos emp\u00edricos de c\u00e1lculo de dosis<\/a> allanaron el camino para estas t\u00e9cnicas sofisticadas, lea nuestro an\u00e1lisis de la evoluci\u00f3n de los algoritmos.<\/p>\n<p><em>Este art\u00edculo forma parte de nuestra serie sobre <a href=\"https:\/\/rtmedical.com.br\/es\/calculo-dosis-fotones-algoritmos\/\">algoritmos de c\u00e1lculo de dosis por fotones<\/a>.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Monte Carlo y Acuros XB en c\u00e1lculo de dosis cl\u00ednico: ecuaci\u00f3n de transporte de Boltzmann (LBTE), discretizaci\u00f3n por ordenadas discretas, secciones eficaces multigrupo, transporte acoplado fot\u00f3n\u2013electr\u00f3n y comparaci\u00f3n detallada para SBRT, MR-LINAC e interfaces de heterogeneidad.<\/p>\n","protected":false},"author":1,"featured_media":17069,"comment_status":"closed","ping_status":"closed","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":[98,60],"tags":[],"class_list":{"0":"post-17101","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-radioterapia","8":"category-software"},"aioseo_notices":[],"rt_seo":{"title":"Monte Carlo y Acuros en el C\u00e1lculo de Dosis Cl\u00ednico","description":"Monte Carlo y Acuros XB en c\u00e1lculo de dosis: c\u00f3digos MC, TPS comerciales, LBTE y comparaci\u00f3n con algoritmos anal\u00edticos.","canonical":"","og_image":"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/04\/dvh-comparison-pbc-aaa-ccc-monte-carlo.jpeg","robots":"index,follow","schema_type":"MedicalWebPage","include_in_llms":true,"llms_label":"Monte Carlo y Acuros c\u00e1lculo de dosis","llms_summary":"Fundamentos del Monte Carlo y Acuros XB para c\u00e1lculo de dosis en radioterapia: transporte acoplado, historia condensada, VRTs, c\u00f3digos MC en TPS comerciales y ecuaci\u00f3n de Boltzmann.","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17101\/"}],"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=17101"}],"version-history":[{"count":2,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17101\/revisions\/"}],"predecessor-version":[{"id":17131,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17101\/revisions\/17131\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/17069\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=17101"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=17101"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=17101"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}