{"id":17392,"date":"2026-04-07T15:00:35","date_gmt":"2026-04-07T18:00:35","guid":{"rendered":"https:\/\/rtmedical.com.br\/voxtell-varian-eclipse-esapi-radioterapia-investigacion\/"},"modified":"2026-04-07T15:00:35","modified_gmt":"2026-04-07T18:00:35","slug":"voxtell-varian-eclipse-esapi-radioterapia-investigacion","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/voxtell-varian-eclipse-esapi-radioterapia-investigacion\/","title":{"rendered":"VoxTell y Varian Eclipse ESAPI: IA en Investigaci\u00f3n de Radioterapia"},"content":{"rendered":"

VoxTell<\/strong> es un modelo de visi\u00f3n-lenguaje 3D que segmenta estructuras en im\u00e1genes m\u00e9dicas volum\u00e9tricas a partir de indicaciones en texto libre. Entrenado en m\u00e1s de 62.000 vol\u00famenes de TC, RM y PET que abarcan m\u00e1s de mil clases anat\u00f3micas y patol\u00f3gicas, el modelo representa un avance concreto en segmentaci\u00f3n autom\u00e1tica. Gustavo Gomes Formento, investigador de RT Medical Systems, desarroll\u00f3 dos integraciones open source que conectan VoxTell a interfaces web interactivas y al Varian Eclipse ESAPI<\/strong>, creando prototipos de investigaci\u00f3n que aproximan modelos acad\u00e9micos al flujo de trabajo real de radioterapia.<\/p>\n

Este art\u00edculo detalla la arquitectura del modelo, las dos integraciones p\u00fablicas \u2014 web y ESAPI \u2014 y el pipeline de conversi\u00f3n de coordenadas DICOM que hace posible todo esto. Todo el contenido se refiere exclusivamente a herramientas de investigaci\u00f3n y evaluaci\u00f3n t\u00e9cnica, nunca a software cl\u00ednico<\/strong>.<\/p>\n

Qu\u00e9 Cambia VoxTell en la Segmentaci\u00f3n 3D<\/h2>\n
\"Diagrama
Arquitectura de VoxTell seg\u00fan los materiales p\u00fablicos del proyecto.<\/figcaption><\/figure>\n

Los modelos convencionales de segmentaci\u00f3n operan con etiquetas fijas. Si el modelo no fue entrenado para \u00abtumor de fosa posterior\u00bb, simplemente no segmenta. VoxTell reemplaza ese paradigma con indicaciones en texto libre: el operador escribe la estructura deseada \u2014 desde \u00abh\u00edgado\u00bb hasta \u00abri\u00f1\u00f3n izquierdo con quiste cortical\u00bb \u2014 y el modelo genera la m\u00e1scara volum\u00e9trica correspondiente.<\/p>\n

La arquitectura combina un encoder de imagen 3D con Qwen3-Embedding-4B<\/strong> como encoder de texto congelado. Un decoder de indicaciones transforma las consultas textuales y las representaciones de imagen latentes en caracter\u00edsticas textuales multiescala. El decoder de imagen fusiona informaci\u00f3n visual y textual a m\u00faltiples resoluciones usando fusi\u00f3n query-imagen al estilo MaskFormer con supervisi\u00f3n profunda. El resultado: segmentaci\u00f3n zero-shot con rendimiento de vanguardia en estructuras conocidas y generalizaci\u00f3n razonable para clases nunca vistas.<\/p>\n

El paper original (arXiv:2511.11450) documenta entrenamiento en 158 datasets p\u00fablicos que cubren cerebro, cabeza y cuello, t\u00f3rax, abdomen, pelvis y sistema musculoesquel\u00e9tico \u2014 incluyendo estructuras vasculares, subestructuras de \u00f3rganos y lesiones. Una base que refleja la migraci\u00f3n de la IA de algoritmos aislados a la integraci\u00f3n en el flujo de trabajo<\/a>.<\/p>\n

Interfaz Web: Visor 3D, RTStruct e Ingenier\u00eda para GPU Limitada<\/h2>\n
\"Interfaz
Interfaz web de VoxTell con visor interactivo y flujo de segmentaci\u00f3n por texto.<\/figcaption><\/figure>\n

Desarrollado por Gustavo Gomes Formento (RT Medical Systems), el voxtell-web-plugin<\/strong> es una aplicaci\u00f3n FastAPI + React\/TypeScript que pone el modelo detr\u00e1s de una interfaz accesible. El operador carga un volumen (.nii, .nii.gz o DICOM), escribe una indicaci\u00f3n como \u00abliver\u00bb o \u00abprostate tumor\u00bb, y recibe la m\u00e1scara 3D superpuesta en el visor NiiVue en tiempo real.<\/p>\n

La ingenier\u00eda de bajo consumo de VRAM es el diferencial pr\u00e1ctico. El encoder de texto Qwen3-Embedding-4B corre en float16, reduciendo el uso de memoria de ~15 GB a ~7,5 GB. El asignador de memoria usa expandable_segments=True<\/code> para reducir la fragmentaci\u00f3n, y el sliding window opera con perform_everything_on_device=False<\/code> para descarga parcial a CPU. Con esto, GPUs de 12 GB ya pueden ejecutar inferencia \u2014 hardware que se encuentra en estaciones de trabajo de investigaci\u00f3n, no solo en clusters.<\/p>\n

El visor soporta acumulaci\u00f3n de m\u00faltiples segmentaciones (h\u00edgado + bazo + ri\u00f1ones en la misma sesi\u00f3n), dibujo manual para refinamiento, y exportaci\u00f3n en NIfTI y RTStruct<\/strong>. La exportaci\u00f3n RTStruct es particularmente relevante: produce un archivo DICOM-RT que puede importarse en sistemas de planificaci\u00f3n para evaluaci\u00f3n comparativa \u2014 siempre en contexto de investigaci\u00f3n.<\/p>\n

Atenci\u00f3n a la orientaci\u00f3n:<\/strong> las im\u00e1genes deben estar en orientaci\u00f3n RAS para una correcta localizaci\u00f3n anat\u00f3mica izquierda\/derecha. Las discrepancias de orientaci\u00f3n producen resultados en espejo o incorrectos. PyTorch 2.9.0 presenta un bug de OOM en convoluciones 3D; la versi\u00f3n recomendada es 2.8.0 o anterior.<\/p>\n

Varian Eclipse ESAPI: C\u00f3mo Funciona la Integraci\u00f3n<\/h2>\n
\"Diagrama
Visual p\u00fablico de escenarios de segmentaci\u00f3n por indicaci\u00f3n en el contexto Eclipse.<\/figcaption><\/figure>\n

Tambi\u00e9n creado por Gustavo (RT Medical Systems), el VoxTell-ESAPI<\/strong> agrega dos componentes al ecosistema: un servidor Python\/FastAPI que recibe datos de TC v\u00eda HTTP y ejecuta inferencia en GPU, y un plugin C# ESAPI que extrae TC de Varian Eclipse, lo env\u00eda al servidor y reimporta los contornos resultantes como estructuras RT.<\/p>\n

El flujo de trabajo completo funciona as\u00ed:<\/p>\n

    \n
  1. El operador abre un paciente en Eclipse con TC y structure set existente<\/li>\n
  2. El plugin crea una sesi\u00f3n en el servidor, enviando la geometr\u00eda del volumen (origin, row\/column\/slice direction, spacing)<\/li>\n
  3. Para cada slice Z, los voxels se extraen como ushort[xSize, ySize]<\/code>, se convierten a int32, se serializan en little-endian, se comprimen con gzip y se codifican en base64 \u2014 reduciendo el payload en ~4\u00d7<\/li>\n
  4. Tras el env\u00edo de todos los slices, el servidor ensambla el volumen NIfTI con conversi\u00f3n LPS\u2192RAS<\/li>\n
  5. El operador escribe indicaciones (ej.: \u00abliver, left kidney, spleen\u00bb) y env\u00eda<\/li>\n
  6. La inferencia corre asincr\u00f3nicamente \u2014 Eclipse no se congela<\/li>\n
  7. El servidor extrae contornos 2D de las m\u00e1scaras y devuelve coordenadas en LPS (espacio del paciente)<\/li>\n
  8. El plugin importa v\u00eda structure.AddContourOnImagePlane(contour_points_lps, z_index)<\/code><\/li>\n<\/ol>\n

    Las estructuras existentes se asocian por nombre (exacto, case-insensitive o fuzzy). Las estructuras no encontradas se crean autom\u00e1ticamente con tipo DICOM CONTROL. Los nombres se sanitizan a 16 caracteres (ej.: \u00ableft kidney\u00bb \u2192 \u00ableft_kidney\u00bb).<\/p>\n

    Este plugin est\u00e1 destinado exclusivamente a entornos no cl\u00ednicos: ECNC (External Calculation and Non-Clinical) y Varian TBOX (training box).<\/strong> Nunca debe ejecutarse en un entorno cl\u00ednico.<\/p>\n

    Pipeline de Conversi\u00f3n DICOM: LPS, RAS y la Matem\u00e1tica de las Coordenadas<\/h2>\n
    \"Estaci\u00f3n
    Foto: MART PRODUCTION \/ Pexels<\/figcaption><\/figure>\n

    La conversi\u00f3n de coordenadas entre DICOM (LPS) y NIfTI (RAS) es el punto t\u00e9cnico m\u00e1s cr\u00edtico de toda la integraci\u00f3n. Un error en esta etapa produce vol\u00famenes en espejo, contornos invertidos anteroposterior o estructuras en el lado incorrecto del paciente. El pipeline implementa la transformaci\u00f3n rigurosamente.<\/p>\n

    Geometr\u00eda DICOM \u2192 Affine LPS<\/h3>\n

    Eclipse expone la geometr\u00eda de la imagen (origin, row direction, column direction, slice direction, spacing). El servidor construye la matriz affine 4\u00d74 que mapea \u00edndices de voxel a posiciones en mil\u00edmetros en el sistema DICOM LPS (Left, Posterior, Superior):<\/p>\n

    $$x_{LPS} = A_{LPS} \\begin{bmatrix} i \\\\ j \\\\ k \\\\ 1 \\end{bmatrix}$$<\/p>\n

    Donde las columnas de $A_{LPS}$ se forman por:<\/p>\n