![\"Proton](\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/06\/proton-range.jpg\")
Este art\u00edculo analiza los fundamentos f\u00edsicos, las implementaciones comerciales disponibles y la evidencia de validaci\u00f3n que gu\u00edan la elecci\u00f3n entre PB y MC, con \u00e9nfasis en situaciones donde las diferencias son cl\u00ednicamente relevantes. El texto est\u00e1 dirigido a f\u00edsicos m\u00e9dicos, dosimetristas y onc\u00f3logos radioterapeutas directamente involucrados en la puesta en marcha y aprobaci\u00f3n de planes de tratamiento.<\/p>\n
En este art\u00edculo<\/h2>\n\n- 1. Por qu\u00e9 la incertidumbre del alcance domina la terapia de protones<\/a><\/li>\n
- 2. C\u00f3mo Pencil Beam modela el transporte de protones<\/a><\/li>\n
- 3. Lo que Monte Carlo a\u00f1ade<\/a><\/li>\n
- 4. Interacciones nucleares, halo y dosis fuera de campo<\/a><\/li>\n
- 5. Pulmones, huesos, cavidades e implantes<\/a><\/li>\n
- 6. PBS, movimiento respiratorio y efecto de interacci\u00f3n<\/a><\/li>\n
- 7. Robustez, puesta en servicio y decisi\u00f3n cl\u00ednica<\/a><\/li>\n
- 8. Preguntas frecuentes<\/a><\/li>\n
- 9. Referencias<\/a><\/li>\n<\/ul>\n<\/div>\n
Por qu\u00e9 la incertidumbre del alcance domina la terapia de protones<\/h2>\n
El alcance de un haz de protones en el tejido est\u00e1 determinado por la relaci\u00f3n entre la energ\u00eda cin\u00e9tica inicial y la potencia de frenado del medio. Cl\u00ednicamente, este rango se calcula a partir de las unidades Hounsfield (HU) del CT de planificaci\u00f3n, convertidas en potencia de frenado relativa (RSP) mediante curvas de calibraci\u00f3n. Esta conversi\u00f3n introduce una incertidumbre sistem\u00e1tica cuya magnitud var\u00eda seg\u00fan el m\u00e9todo de calibraci\u00f3n y la composici\u00f3n del tejido; Paganetti (2012)<\/a>analiza los valores y fuentes detallados, quien ubica esta contribuci\u00f3n entre las mayores fuentes de incertidumbre en la terapia de protones cl\u00ednica.<\/p>\nAdem\u00e1s de la calibraci\u00f3n HU\u2192RSP, lo siguiente contribuye a la incertidumbre del rango: variaciones de posicionamiento de interfracci\u00f3n, deformaci\u00f3n anat\u00f3mica, artefactos met\u00e1licos en la TC y las limitaciones de los propios algoritmos de c\u00e1lculo para reproducir el transporte real en medios heterog\u00e9neos. El resultado pr\u00e1ctico es que se aplican m\u00e1rgenes adicionales (\u00abm\u00e1rgenes de rango\u00bb) distalmente para asegurar la cobertura del tumor, a menudo a expensas de exponer estructuras cr\u00edticas posteriores al objetivo.<\/p>\n
El algoritmo de c\u00e1lculo de dosis es una de las pocas fuentes de incertidumbre que el f\u00edsico m\u00e9dico puede reducir sin depender de mejoras tecnol\u00f3gicas externas al departamento. La diferencia entre la dosis predicha por PB y MC puede, en geometr\u00edas complejas, ser comparable o mayor que los m\u00e1rgenes de rango utilizados cl\u00ednicamente. Por lo tanto, comprender cu\u00e1ndo esta diferencia es cl\u00ednicamente significativa es una habilidad fundamental al trabajar con el prot\u00f3n TPS.<\/p>\n
C\u00f3mo Pencil Beam modela el transporte de protones<\/h2>\n
El formalismo Pencil Beam en terapia de protones deriva del modelo de Fermi-Eyges para el transporte de part\u00edculas cargadas en medios aproximadamente homog\u00e9neos. La dosis de un haz elemental se descompone en componentes: la deposici\u00f3n a lo largo del eje central (determinada por la profundidad y la potencia de frenado acumulada), la dispersi\u00f3n lateral por m\u00faltiples interacciones de Coulomb con n\u00facleos at\u00f3micos y las correcciones de heterogeneidad calculadas mediante trazado de rayos en capas de tejido equivalentes a agua.<\/p>\n
En la implementaci\u00f3n cl\u00ednica, el PB representa el haz como una superposici\u00f3n de beamlets individuales, cada uno con un perfil gaussiano lateral parametrizado. TPS convierte HU en RSP p\u00edxel a p\u00edxel a lo largo de los rayos trazados desde la fuente, acumula potencia de frenado y estima el alcance de cada l\u00e1piz. Las faltas de homogeneidad lateral (variaciones de densidad perpendiculares al eje del haz) se tratan de forma aproximada, generalmente expandiendo el n\u00facleo gaussiano o dividiendo la fluencia en subl\u00e1pices. Esta aproximaci\u00f3n es razonable en medios casi homog\u00e9neos, pero falla cuando hay interfaces de densidad abruptas como pulm\u00f3n\/pared tor\u00e1cica o cavidades de aire inmediatamente adyacentes al objetivo.<\/p>\n
La puesta en marcha de un algoritmo PB requiere mediciones de dosis integrada en el eje (IDD) y perfiles de dispersi\u00f3n lateral en maniqu\u00edes de agua, adem\u00e1s de la validaci\u00f3n en geometr\u00edas de heterogeneidad controlada. La limitaci\u00f3n central de PB no es el tiempo de c\u00e1lculo (del orden de segundos a minutos, lo que hace viable la optimizaci\u00f3n iterativa) sino la incapacidad estructural para simular rigurosamente el transporte en presencia de grandes gradientes de densidad lateral e interacciones nucleares inel\u00e1sticas.<\/p>\n
Lo que Monte Carlo a\u00f1ade<\/h2>\n
El m\u00e9todo Monte Carlo simula el transporte de cada prot\u00f3n individualmente, tomando muestras de procesos f\u00edsicos (dispersi\u00f3n el\u00e1stica de Coulomb, p\u00e9rdidas de energ\u00eda continuas y discretas, interacciones nucleares el\u00e1sticas e inel\u00e1sticas) a partir de secciones transversales tabuladas. El resultado es una distribuci\u00f3n de dosis estoc\u00e1stica que converge hacia la soluci\u00f3n f\u00edsicamente consistente a medida que aumenta el n\u00famero de historias simuladas. En la pr\u00e1ctica, la precisi\u00f3n est\u00e1 limitada por las incertidumbres en las propias secciones transversales y en los modelos de fragmentaci\u00f3n nuclear, no por la metodolog\u00eda de muestreo en s\u00ed.<\/p>\n
Los c\u00f3digos MC ampliamente utilizados en la investigaci\u00f3n incluyen TOPAS<\/a> (basado en Geant4), GATE, FLUKA y FRED. Tambi\u00e9n existen motores comerciales, pero la disponibilidad, la f\u00edsica implementada, el prop\u00f3sito 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 sin\u00f3nimo de Monte Carlo para protones.<\/p>\nUna distinci\u00f3n relevante es la cantidad de salida. D_m y D_w dependen de la definici\u00f3n e implementaci\u00f3n del sistema y no se pueden asignar autom\u00e1ticamente solo porque un motor sea PB o MC. Las comparaciones entre algoritmos deben registrar la convenci\u00f3n de dosis, el modelo biol\u00f3gico cuando corresponda y la forma en que TPS convierte el poder de frenado y los materiales.<\/p>\n
Un enfoque alternativo a los m\u00e9todos estoc\u00e1sticos son los solucionadores deterministas de la ecuaci\u00f3n de transporte. En fotones, Acuros XB es un ejemplo comercial. Para los protones, los nombres, la disponibilidad y la madurez cambian r\u00e1pidamente; Por lo tanto, el art\u00edculo no asume la ausencia o presencia universal de un solucionador comercial y requiere la consulta de la documentaci\u00f3n de la versi\u00f3n evaluada.<\/p>\n
Interacciones nucleares, halo y dosis fuera de campo<\/h2>\n
Cuando un prot\u00f3n choca inel\u00e1sticamente con un n\u00facleo at\u00f3mico, se emiten fragmentos secundarios: protones de baja energ\u00eda, neutrones, part\u00edculas alfa y fragmentos m\u00e1s pesados. Estos productos depositan dosis en regiones m\u00e1s all\u00e1 del campo geom\u00e9trico y fuera del eje del haz, constituyendo el llamado halo de dosis nuclear<\/strong>. Su amplitud es peque\u00f1a en relaci\u00f3n con el pico de Bragg, pero puede ser dosim\u00e9tricamente relevante en estructuras de baja tolerancia ubicadas cerca del campo, un escenario particularmente importante en tratamientos pedi\u00e1tricos y de cabeza y cuello.<\/p>\nPB, en la mayor\u00eda de las implementaciones comerciales, no modela expl\u00edcitamente interacciones nucleares inel\u00e1sticas. MC, por el contrario, los simula directamente, lo que mejora la predicci\u00f3n de dosis fuera del campo y en los bordes del objetivo. Revisi\u00f3n de la f\u00edsica de la terapia de protones (Newhauser & Zhang, 2015)<\/a> localiza interacciones nucleares entre los determinantes clave de las diferencias entre algoritmos en geometr\u00edas cl\u00ednicamente relevantes.<\/p>\nEl halo de dosis nuclear tambi\u00e9n afecta a la puesta en servicio: la medici\u00f3n de la dosis integral de campo amplio (IDD de campo grande) es necesaria para capturar la contribuci\u00f3n nuclear, que no es detectada por las c\u00e1maras de ionizaci\u00f3n de peque\u00f1o di\u00e1metro. TPS basado en PB a menudo utiliza un componente de halo parametrizado emp\u00edricamente, cuyo ajuste en la puesta en servicio es fundamental para minimizar errores sistem\u00e1ticos en la dosis absoluta.<\/p>\n
Tabla 1 \u2014 Comparaci\u00f3n entre Pencil Beam y Monte Carlo en terapia de protones cl\u00ednica<\/strong><\/p>\n\n\n\nCaracter\u00edstica<\/th>\n Pencil Beam (PB)<\/th>\n Monte Carlo (MC)<\/th>\n<\/tr>\n<\/thead>\n \n\nBase f\u00edsica<\/td>\n Formalismo de Fermi-Eyges + trazado de rayos<\/td>\n Transporte estoc\u00e1stico part\u00edcula a part\u00edcula<\/td>\n<\/tr>\n \nHeterogeneidades laterales<\/td>\n Aproximaci\u00f3n del n\u00facleo gaussiano<\/td>\n Modelado expl\u00edcito<\/td>\n<\/tr>\n \nInteracciones nucleares inel\u00e1sticas<\/td>\n Generalmente parametrizadas emp\u00edricamente<\/td>\n Simuladas con secciones transversales tabuladas<\/td>\n<\/tr>\n \nHalo de dosis nuclear<\/td>\n Componente emp\u00edrico o faltante<\/td>\n Calculado f\u00edsicamente<\/td>\n<\/tr>\n \nMagnitud de la dosis<\/td>\n Depende de TPS y de la implementaci\u00f3n<\/td>\n Depende de TPS y de la implementaci\u00f3n<\/td>\n<\/tr>\n \nTiempo de c\u00e1lculo<\/td>\n Generalmente m\u00e1s peque\u00f1o<\/td>\n Depende del hardware, las estad\u00edsticas y la implementaci\u00f3n<\/td>\n<\/tr>\n \nIncertidumbre num\u00e9rica<\/td>\n Estad\u00edsticas deterministas<\/td>\n ; depende del n\u00famero de pisos<\/td>\n<\/tr>\n \nPuesta en marcha principal<\/td>\n IDD + perfiles laterales en agua<\/td>\n Mismo + fantasmas heterog\u00e9neos<\/td>\n<\/tr>\n \nUso cl\u00ednico predominante<\/td>\n Optimizaci\u00f3n iterativa, sitios simples<\/td>\n Verificaci\u00f3n y sitios complejos<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nPulmones, huesos, cavidades e implantes<\/h2>\n
Las limitaciones del PB se vuelven m\u00e1s pronunciado en heterogeneidades extremas, y la elecci\u00f3n del algoritmo debe considerar el sitio anat\u00f3mico:<\/p>\n
Pulm\u00f3n:<\/strong> La densidad reducida del tejido pulmonar amplifica la dispersi\u00f3n lateral y modifica el rango. PB subestima la dispersi\u00f3n en las interfaces pulm\u00f3n\/tumor y puede colocar incorrectamente el borde de dosis distal. Los estudios de validaci\u00f3n con MC documentan diferencias de dosis locales relevantes en campos que cruzan extensas regiones pulmonares, aunque la magnitud depende de la geometr\u00eda del plano espec\u00edfico.<\/p>\nHueso cortical:<\/strong> La alta densidad aumenta la potencia de frenado y concentra la dispersi\u00f3n. PB subestima la dispersi\u00f3n cerca de las interfaces hueso\/tejido blando, lo que genera errores locales que pueden ser relevantes para estructuras cr\u00edticas adyacentes como la m\u00e9dula espinal, los nervios \u00f3pticos y el quiasma.<\/p>\nCavidades a\u00e9reas:<\/strong> Los senos paranasales, la nasofaringe, el o\u00eddo medio y los espacios a\u00e9reos tor\u00e1cicos crean gradientes de densidad abruptos. Es posible que el trazado de rayos axiales de PB no capture la dispersi\u00f3n lateral inducida por estas cavidades, lo que afecta el posicionamiento del pico de Bragg y la estimaci\u00f3n de cobertura del objetivo.<\/p>\nImplantes met\u00e1licos:<\/strong> Las pr\u00f3tesis, grapas y stents de titanio introducen dos problemas simult\u00e1neos: artefactos met\u00e1licos en la TC que degradan la conversi\u00f3n HU\u2192RSP, y una dispersi\u00f3n\/absorci\u00f3n mucho mayor de lo esperado para los tejidos blandos. MC simula expl\u00edcitamente el transporte en materiales con alto n\u00famero at\u00f3mico, pero la precisi\u00f3n est\u00e1 limitada por la calidad de la imagen de TC. Los protocolos de TC con algoritmos de reducci\u00f3n de artefactos met\u00e1licos (MAR) deben preceder a la planificaci\u00f3n en cualquier algoritmo.<\/p>\nTabla 2 \u2014 Heterogeneidades, limitaciones algor\u00edtmicas y potencial impacto cl\u00ednico<\/strong><\/p>\n\n\n\nTipo de heterogeneidad<\/th>\n Principal limitaci\u00f3n de PB<\/th>\n Ventaja de MC<\/th>\n Impacto cl\u00ednico potencial<\/th>\n<\/tr>\n<\/thead>\n \n\nPulm\u00f3n (baja densidad)<\/td>\n Dispersi\u00f3n lateral subestimada<\/td>\n Transporte expl\u00edcito de interfaz m\u00faltiple<\/td>\n Cobertura GTV; Dosis de pared tor\u00e1cica<\/td>\n<\/tr>\n \nHueso cortical<\/td>\n Interfaz dosis-sombra inexacta<\/td>\n Modelado preciso de alta Z<\/td>\n M\u00e9dula espinal, nervios \u00f3pticos, quiasma<\/td>\n<\/tr>\n \nCavidades de aire<\/td>\n Desplazamiento de pico de Bragg<\/td>\n Gradiente de densidad expl\u00edcito<\/td>\n Objetivos en cabeza y cuello, base del cr\u00e1neo<\/td>\n<\/tr>\n \nImplante met\u00e1lico<\/td>\n RSP con artefacto; dispersi\u00f3n subsimulada<\/td>\n F\u00edsica directa de alta Z<\/td>\n Cobertura y dosis distal al implante<\/td>\n<\/tr>\n \nInterfaz m\u00f3vil (rectal, vaginal)<\/td>\n Variaci\u00f3n de interfracci\u00f3n no capturada por ning\u00fan<\/td>\n No corrige la movilidad<\/td>\n Requiere an\u00e1lisis de robustez independiente<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nPBS, movimiento respiratorio y efecto de interacci\u00f3n<\/h2>\n
O Pencil Beam Scanning (PBS), la modalidad de emisi\u00f3n de haz predominante en la cl\u00ednica moderna, escanea din\u00e1micamente el campo punto por punto. En los tumores tor\u00e1cicos y abdominales, el movimiento respiratorio se superpone a la exploraci\u00f3n, creando el efecto de interacci\u00f3n <\/strong>: la dosis administrada a cualquier v\u00f3xel depende de la fase respiratoria exacta en el momento en que cada punto pasa sobre esa regi\u00f3n. El resultado pueden ser puntos fr\u00edos y puntos calientes que no aparecen en el c\u00e1lculo est\u00e1tico del CT de planificaci\u00f3n, incluso si la dosis promedio en muchas fracciones se aproxima a lo previsto.<\/p>\nEl efecto de interacci\u00f3n no es una limitaci\u00f3n de los algoritmos de dosis per se: PB y MC calculan la dosis sobre la anatom\u00eda est\u00e1tica. La diferencia surge cuando se utiliza MC en simulaciones de dosis acumuladas 4D-CT: la mayor precisi\u00f3n de MC en cada fase respiratoria produce una estimaci\u00f3n acumulada m\u00e1s precisa, especialmente cuando existe una fuerte heterogeneidad pulmonar. El uso de PB en cada fase de un 4D-CT y la acumulaci\u00f3n de la dosis propaga los errores de PB individuales a la estimaci\u00f3n acumulada.<\/p>\n
Las estrategias para mitigar la interacci\u00f3n incluyen la reexploraci\u00f3n (m\u00faltiples exploraciones por campo por fracci\u00f3n), la activaci\u00f3n respiratoria y la irradiaci\u00f3n activa en apnea. Una planificaci\u00f3n s\u00f3lida debe incorporar no solo incertidumbres de posicionamiento y alcance, sino tambi\u00e9n el espectro de distribuciones de dosis inducidas por el movimiento, lo que exige c\u00e1lculos repetidos, un escenario en el que el tiempo de c\u00e1lculo de MC se convierte en una variable operativa cr\u00edtica y justifica la inversi\u00f3n en aceleraci\u00f3n de GPU.<\/p>\n
Robustez, puesta en servicio y decisi\u00f3n cl\u00ednica<\/h2>\nAn\u00e1lisis de robustez<\/h3>\n
En terapia de protones, el an\u00e1lisis de robustez eval\u00faa c\u00f3mo se comporta el plan bajo perturbaciones sistem\u00e1ticas: desplazamientos de posicionamiento en los tres ejes, variaciones de rango y cambios anat\u00f3micos de interfracci\u00f3n. El resultado es un conjunto de distribuciones de dosis (no una distribuci\u00f3n \u00fanica) que el m\u00e9dico utiliza para decidir si se cumplen la cobertura m\u00ednima y las restricciones de \u00f3rganos en riesgo en todos los escenarios posibles.<\/p>\n
La elecci\u00f3n del algoritmo influye directamente en el valor y la interpretaci\u00f3n de este an\u00e1lisis. Si el c\u00e1lculo nominal en PB subestima las dosis en \u00f3rganos en riesgo en geometr\u00edas con heterogeneidades laterales, el an\u00e1lisis de robustez basado exclusivamente en PB puede indicar aceptabilidad donde el MC indicar\u00eda un margen insuficiente. Por ello, directrices recientes convergen en recomendar la verificaci\u00f3n por MC antes de aprobar planos en sitios anat\u00f3micamente complejos, incluso si la optimizaci\u00f3n se realiza en PB por razones de velocidad de c\u00e1lculo.<\/p>\n
Puesta en marcha<\/h3>\n
La puesta en marcha de un algoritmo MC en TPS comercial requiere, adem\u00e1s de mediciones IDD est\u00e1ndar y perfiles laterales en maniqu\u00edes de agua, validaci\u00f3n en maniqu\u00edes heterog\u00e9neos que replican geometr\u00edas cl\u00ednicamente relevantes: material equivalente pulmonar de baja densidad, interfaces de hueso\/tejido blando e inserciones en cavidades de aire. La comparaci\u00f3n entre el c\u00e1lculo de MC y la medici\u00f3n experimental debe satisfacer los criterios gamma (normalmente 2%\/2 mm o 3%\/3 mm seg\u00fan el protocolo institucional) en la fracci\u00f3n de puntos requerida por el protocolo de control de calidad del centro.<\/p>\n
La puesta en marcha de algoritmos PB, hist\u00f3ricamente menos exigentes en t\u00e9rminos de fantasmas heterog\u00e9neos, puede enmascarar errores sistem\u00e1ticos que s\u00f3lo surgen en geometr\u00edas espec\u00edficas. Los centros que han migrado de PB a MC a menudo identifican diferencias sistem\u00e1ticas en ciertas anatom\u00edas, lo que puede requerir una revisi\u00f3n de los protocolos de m\u00e1rgenes de rango y, en casos seleccionados, una nueva planificaci\u00f3n de los pacientes sometidos a tratamiento.<\/p>\n
Decisi\u00f3n cl\u00ednica<\/h3>\n
La elecci\u00f3n entre PB y MC no tiene por qu\u00e9 ser binaria. Una pr\u00e1ctica com\u00fan y razonable es utilizar PB para la optimizaci\u00f3n iterativa (para velocidad) y MC para verificar el plan final. Cuando MC est\u00e1 disponible como motor de optimizaci\u00f3n, su uso directo elimina la inconsistencia entre optimizaci\u00f3n y verificaci\u00f3n. La decisi\u00f3n institucional debe considerar:<\/p>\n
\n- Disponibilidad de hardware dedicado (GPU para MC en tiempo cl\u00ednico)<\/li>\n
- Sitios anat\u00f3micos del portafolio cl\u00ednico (PBS en pulm\u00f3n y base de cr\u00e1neo demanda MC; campos simples en pr\u00f3stata con geometr\u00eda favorable toleran PB con menor riesgo)<\/li>\n
- Tiempo de flujo cl\u00ednico aceptable en el contexto del volumen de pacientes<\/li>\n
- Requisitos de directrices institucionales y sociales como AAPM, ESTRO y IAEA<\/li>\n<\/ul>\n
Para el control de calidad independiente de la dosis (verificaci\u00f3n del plan del sistema secundario), el software como FRED o las plataformas basadas en MC proporcionan una verificaci\u00f3n equivalente en f\u00edsica, mientras que las herramientas anal\u00edticas de control de calidad secundario para MC a\u00fan est\u00e1n en desarrollo y validaci\u00f3n cl\u00ednica.<\/p>\n
Preguntas frecuentes<\/h2>\n\u00bfMonte Carlo siempre produce resultados m\u00e1s precisos que Pencil Beam?<\/h3>\n
MC es f\u00edsicamente m\u00e1s completo, pero su precisi\u00f3n depende de las secciones transversales implementadas, la resoluci\u00f3n del v\u00f3xel y la cantidad de historias simuladas, lo que define la incertidumbre estad\u00edstica. En geometr\u00edas simples y homog\u00e9neas, un PB bien encargado y un MC bien implementado producen resultados equivalentes. Las diferencias se vuelven cl\u00ednicamente relevantes principalmente en heterogeneidades extremas, l\u00edmites de campo y situaciones con interacciones nucleares significativas. \u00abM\u00e1s preciso\u00bb debe entenderse como \u00abmenos dependiente de aproximaciones geom\u00e9tricas\u00bb, no como garant\u00eda de superioridad en ning\u00fan escenario.<\/p>\n
\u00bfQu\u00e9 TPS comerciales ofrecen MC cl\u00ednico para protones?<\/h3>\n
Hay TPS comerciales con c\u00e1lculo Monte Carlo para protones, pero la disponibilidad y el alcance cl\u00ednico dependen de la versi\u00f3n, el pa\u00eds y la licencia. El f\u00edsico responsable debe comprobar la documentaci\u00f3n t\u00e9cnica y reglamentaria del sistema local. TOPAS, GATE y otros c\u00f3digos de investigaci\u00f3n son valiosos para la validaci\u00f3n, pero su uso en atenci\u00f3n m\u00e9dica no se puede inferir \u00fanicamente de la disponibilidad del software.<\/p>\n
\u00bfC\u00f3mo afecta \u00abdose to medium\u00bb versus \u00abdose to water\u00bb la comparaci\u00f3n de planes?<\/h3>\n
En tejidos con una composici\u00f3n cercana al agua (m\u00fasculo, tumor s\u00f3lido), Dm \u2248 Dw. En hueso cortical y materiales de alta densidad, Dm puede diferir de Dw en valores que no son cl\u00ednicamente despreciables, ya que el poder de frenado de masa de estos materiales difiere del del agua. Comparar un plano PB (Dw impl\u00edcito) con un plano MC (Dm) sin explicar la cantidad puede llevar a un error de interpretaci\u00f3n. La recomendaci\u00f3n pr\u00e1ctica es definir institucionalmente qu\u00e9 magnitud se adopta y mantener coherencia entre el algoritmo de planificaci\u00f3n y los l\u00edmites de dosis de los \u00f3rganos en riesgo de los protocolos en uso.<\/p>\n
\u00bfC\u00f3mo se debe abordar el efecto de interacci\u00f3n en la puesta en servicio y la planificaci\u00f3n cl\u00ednica?<\/h3>\n
El efecto de interacci\u00f3n no se puede verificar mediante mediciones est\u00e1ticas en un mu\u00f1eco de agua. La puesta en servicio debe incluir mediciones sobre maniqu\u00ed en movimiento (din\u00e1micas) o simulaciones 4D-CT con c\u00e1lculo de dosis acumulada en geometr\u00eda controlada. En la planificaci\u00f3n cl\u00ednica, se debe estimar la magnitud de la interacci\u00f3n para cada paciente con un tumor en una ubicaci\u00f3n de movimiento relevante (pulm\u00f3n, h\u00edgado, p\u00e1ncreas). Cuando el efecto es cl\u00ednicamente significativo, se deben incorporar al protocolo de tratamiento estrategias como la reexploraci\u00f3n o el gating, con documentaci\u00f3n expl\u00edcita en el plan aprobado y en la historia cl\u00ednica.<\/p>\n
\u00bfCu\u00e1ndo se recomienda utilizar MC en lugar de PB para la aprobaci\u00f3n del plan?<\/h3>\n
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 an\u00e1lisis m\u00e1s riguroso y, cuando est\u00e9 disponible, una comparaci\u00f3n con un motor de transporte m\u00e1s completo. La pol\u00edtica debe basarse en el riesgo, el uso previsto de TPS y la puesta en servicio local.<\/p>\n
Referencias<\/h2>\n\n- Paganetti H. Incertidumbres de rango en la terapia de protones y el papel de las simulaciones Monte Carlo. Phys Med Biol.<\/em> 2012;57(11):R99\u2013R117.<\/a><\/li>\n
- Perl J, Shin J, Sch\u00fcmann J, Faddegon B, Paganetti H. TOPAS: Una innovadora plataforma de protones Monte Carlo para investigaci\u00f3n y aplicaciones cl\u00ednicas. Med Phys.<\/em> 2012;39(11):6818\u20136837.<\/a><\/li>\n
- Newhauser WD, Zhang R. La f\u00edsica de la terapia de protones. Phys Med Biol.<\/em> 2015;60(8):R155\u2013R209.<\/a><\/li>\n
- IAEA Serie de Informes T\u00e9cnicos No. 398. Determinaci\u00f3n de la Dosis Absorbida en Radioterapia de Haz Externo. Viena: IAEA; 2000.<\/li>\n
- Informe 224 del grupo de trabajo de la AAPM. Garant\u00eda integral de calidad de las m\u00e1quinas de terapia de protones. M\u00e9dico M\u00e9dico. 2019.<\/li>\n<\/ul>\n
Por qu\u00e9 la incertidumbre del alcance domina la terapia de protones<\/h2>\n
El alcance de un haz de protones en el tejido est\u00e1 determinado por la relaci\u00f3n entre la energ\u00eda cin\u00e9tica inicial y la potencia de frenado del medio. Cl\u00ednicamente, este rango se calcula a partir de las unidades Hounsfield (HU) del CT de planificaci\u00f3n, convertidas en potencia de frenado relativa (RSP) mediante curvas de calibraci\u00f3n. Esta conversi\u00f3n introduce una incertidumbre sistem\u00e1tica cuya magnitud var\u00eda seg\u00fan el m\u00e9todo de calibraci\u00f3n y la composici\u00f3n del tejido; Paganetti (2012)<\/a>analiza los valores y fuentes detallados, quien ubica esta contribuci\u00f3n entre las mayores fuentes de incertidumbre en la terapia de protones cl\u00ednica.<\/p>\n Adem\u00e1s de la calibraci\u00f3n HU\u2192RSP, lo siguiente contribuye a la incertidumbre del rango: variaciones de posicionamiento de interfracci\u00f3n, deformaci\u00f3n anat\u00f3mica, artefactos met\u00e1licos en la TC y las limitaciones de los propios algoritmos de c\u00e1lculo para reproducir el transporte real en medios heterog\u00e9neos. El resultado pr\u00e1ctico es que se aplican m\u00e1rgenes adicionales (\u00abm\u00e1rgenes de rango\u00bb) distalmente para asegurar la cobertura del tumor, a menudo a expensas de exponer estructuras cr\u00edticas posteriores al objetivo.<\/p>\n El algoritmo de c\u00e1lculo de dosis es una de las pocas fuentes de incertidumbre que el f\u00edsico m\u00e9dico puede reducir sin depender de mejoras tecnol\u00f3gicas externas al departamento. La diferencia entre la dosis predicha por PB y MC puede, en geometr\u00edas complejas, ser comparable o mayor que los m\u00e1rgenes de rango utilizados cl\u00ednicamente. Por lo tanto, comprender cu\u00e1ndo esta diferencia es cl\u00ednicamente significativa es una habilidad fundamental al trabajar con el prot\u00f3n TPS.<\/p>\n El formalismo Pencil Beam en terapia de protones deriva del modelo de Fermi-Eyges para el transporte de part\u00edculas cargadas en medios aproximadamente homog\u00e9neos. La dosis de un haz elemental se descompone en componentes: la deposici\u00f3n a lo largo del eje central (determinada por la profundidad y la potencia de frenado acumulada), la dispersi\u00f3n lateral por m\u00faltiples interacciones de Coulomb con n\u00facleos at\u00f3micos y las correcciones de heterogeneidad calculadas mediante trazado de rayos en capas de tejido equivalentes a agua.<\/p>\n En la implementaci\u00f3n cl\u00ednica, el PB representa el haz como una superposici\u00f3n de beamlets individuales, cada uno con un perfil gaussiano lateral parametrizado. TPS convierte HU en RSP p\u00edxel a p\u00edxel a lo largo de los rayos trazados desde la fuente, acumula potencia de frenado y estima el alcance de cada l\u00e1piz. Las faltas de homogeneidad lateral (variaciones de densidad perpendiculares al eje del haz) se tratan de forma aproximada, generalmente expandiendo el n\u00facleo gaussiano o dividiendo la fluencia en subl\u00e1pices. Esta aproximaci\u00f3n es razonable en medios casi homog\u00e9neos, pero falla cuando hay interfaces de densidad abruptas como pulm\u00f3n\/pared tor\u00e1cica o cavidades de aire inmediatamente adyacentes al objetivo.<\/p>\n La puesta en marcha de un algoritmo PB requiere mediciones de dosis integrada en el eje (IDD) y perfiles de dispersi\u00f3n lateral en maniqu\u00edes de agua, adem\u00e1s de la validaci\u00f3n en geometr\u00edas de heterogeneidad controlada. La limitaci\u00f3n central de PB no es el tiempo de c\u00e1lculo (del orden de segundos a minutos, lo que hace viable la optimizaci\u00f3n iterativa) sino la incapacidad estructural para simular rigurosamente el transporte en presencia de grandes gradientes de densidad lateral e interacciones nucleares inel\u00e1sticas.<\/p>\n El m\u00e9todo Monte Carlo simula el transporte de cada prot\u00f3n individualmente, tomando muestras de procesos f\u00edsicos (dispersi\u00f3n el\u00e1stica de Coulomb, p\u00e9rdidas de energ\u00eda continuas y discretas, interacciones nucleares el\u00e1sticas e inel\u00e1sticas) a partir de secciones transversales tabuladas. El resultado es una distribuci\u00f3n de dosis estoc\u00e1stica que converge hacia la soluci\u00f3n f\u00edsicamente consistente a medida que aumenta el n\u00famero de historias simuladas. En la pr\u00e1ctica, la precisi\u00f3n est\u00e1 limitada por las incertidumbres en las propias secciones transversales y en los modelos de fragmentaci\u00f3n nuclear, no por la metodolog\u00eda de muestreo en s\u00ed.<\/p>\n Los c\u00f3digos MC ampliamente utilizados en la investigaci\u00f3n incluyen TOPAS<\/a> (basado en Geant4), GATE, FLUKA y FRED. Tambi\u00e9n existen motores comerciales, pero la disponibilidad, la f\u00edsica implementada, el prop\u00f3sito 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 sin\u00f3nimo de Monte Carlo para protones.<\/p>\n Una distinci\u00f3n relevante es la cantidad de salida. D_m y D_w dependen de la definici\u00f3n e implementaci\u00f3n del sistema y no se pueden asignar autom\u00e1ticamente solo porque un motor sea PB o MC. Las comparaciones entre algoritmos deben registrar la convenci\u00f3n de dosis, el modelo biol\u00f3gico cuando corresponda y la forma en que TPS convierte el poder de frenado y los materiales.<\/p>\n Un enfoque alternativo a los m\u00e9todos estoc\u00e1sticos son los solucionadores deterministas de la ecuaci\u00f3n de transporte. En fotones, Acuros XB es un ejemplo comercial. Para los protones, los nombres, la disponibilidad y la madurez cambian r\u00e1pidamente; Por lo tanto, el art\u00edculo no asume la ausencia o presencia universal de un solucionador comercial y requiere la consulta de la documentaci\u00f3n de la versi\u00f3n evaluada.<\/p>\n Cuando un prot\u00f3n choca inel\u00e1sticamente con un n\u00facleo at\u00f3mico, se emiten fragmentos secundarios: protones de baja energ\u00eda, neutrones, part\u00edculas alfa y fragmentos m\u00e1s pesados. Estos productos depositan dosis en regiones m\u00e1s all\u00e1 del campo geom\u00e9trico y fuera del eje del haz, constituyendo el llamado halo de dosis nuclear<\/strong>. Su amplitud es peque\u00f1a en relaci\u00f3n con el pico de Bragg, pero puede ser dosim\u00e9tricamente relevante en estructuras de baja tolerancia ubicadas cerca del campo, un escenario particularmente importante en tratamientos pedi\u00e1tricos y de cabeza y cuello.<\/p>\n PB, en la mayor\u00eda de las implementaciones comerciales, no modela expl\u00edcitamente interacciones nucleares inel\u00e1sticas. MC, por el contrario, los simula directamente, lo que mejora la predicci\u00f3n de dosis fuera del campo y en los bordes del objetivo. Revisi\u00f3n de la f\u00edsica de la terapia de protones (Newhauser & Zhang, 2015)<\/a> localiza interacciones nucleares entre los determinantes clave de las diferencias entre algoritmos en geometr\u00edas cl\u00ednicamente relevantes.<\/p>\n El halo de dosis nuclear tambi\u00e9n afecta a la puesta en servicio: la medici\u00f3n de la dosis integral de campo amplio (IDD de campo grande) es necesaria para capturar la contribuci\u00f3n nuclear, que no es detectada por las c\u00e1maras de ionizaci\u00f3n de peque\u00f1o di\u00e1metro. TPS basado en PB a menudo utiliza un componente de halo parametrizado emp\u00edricamente, cuyo ajuste en la puesta en servicio es fundamental para minimizar errores sistem\u00e1ticos en la dosis absoluta.<\/p>\n Tabla 1 \u2014 Comparaci\u00f3n entre Pencil Beam y Monte Carlo en terapia de protones cl\u00ednica<\/strong><\/p>\n Las limitaciones del PB se vuelven m\u00e1s pronunciado en heterogeneidades extremas, y la elecci\u00f3n del algoritmo debe considerar el sitio anat\u00f3mico:<\/p>\n Pulm\u00f3n:<\/strong> La densidad reducida del tejido pulmonar amplifica la dispersi\u00f3n lateral y modifica el rango. PB subestima la dispersi\u00f3n en las interfaces pulm\u00f3n\/tumor y puede colocar incorrectamente el borde de dosis distal. Los estudios de validaci\u00f3n con MC documentan diferencias de dosis locales relevantes en campos que cruzan extensas regiones pulmonares, aunque la magnitud depende de la geometr\u00eda del plano espec\u00edfico.<\/p>\n Hueso cortical:<\/strong> La alta densidad aumenta la potencia de frenado y concentra la dispersi\u00f3n. PB subestima la dispersi\u00f3n cerca de las interfaces hueso\/tejido blando, lo que genera errores locales que pueden ser relevantes para estructuras cr\u00edticas adyacentes como la m\u00e9dula espinal, los nervios \u00f3pticos y el quiasma.<\/p>\n Cavidades a\u00e9reas:<\/strong> Los senos paranasales, la nasofaringe, el o\u00eddo medio y los espacios a\u00e9reos tor\u00e1cicos crean gradientes de densidad abruptos. Es posible que el trazado de rayos axiales de PB no capture la dispersi\u00f3n lateral inducida por estas cavidades, lo que afecta el posicionamiento del pico de Bragg y la estimaci\u00f3n de cobertura del objetivo.<\/p>\n Implantes met\u00e1licos:<\/strong> Las pr\u00f3tesis, grapas y stents de titanio introducen dos problemas simult\u00e1neos: artefactos met\u00e1licos en la TC que degradan la conversi\u00f3n HU\u2192RSP, y una dispersi\u00f3n\/absorci\u00f3n mucho mayor de lo esperado para los tejidos blandos. MC simula expl\u00edcitamente el transporte en materiales con alto n\u00famero at\u00f3mico, pero la precisi\u00f3n est\u00e1 limitada por la calidad de la imagen de TC. Los protocolos de TC con algoritmos de reducci\u00f3n de artefactos met\u00e1licos (MAR) deben preceder a la planificaci\u00f3n en cualquier algoritmo.<\/p>\n Tabla 2 \u2014 Heterogeneidades, limitaciones algor\u00edtmicas y potencial impacto cl\u00ednico<\/strong><\/p>\n O Pencil Beam Scanning (PBS), la modalidad de emisi\u00f3n de haz predominante en la cl\u00ednica moderna, escanea din\u00e1micamente el campo punto por punto. En los tumores tor\u00e1cicos y abdominales, el movimiento respiratorio se superpone a la exploraci\u00f3n, creando el efecto de interacci\u00f3n <\/strong>: la dosis administrada a cualquier v\u00f3xel depende de la fase respiratoria exacta en el momento en que cada punto pasa sobre esa regi\u00f3n. El resultado pueden ser puntos fr\u00edos y puntos calientes que no aparecen en el c\u00e1lculo est\u00e1tico del CT de planificaci\u00f3n, incluso si la dosis promedio en muchas fracciones se aproxima a lo previsto.<\/p>\n El efecto de interacci\u00f3n no es una limitaci\u00f3n de los algoritmos de dosis per se: PB y MC calculan la dosis sobre la anatom\u00eda est\u00e1tica. La diferencia surge cuando se utiliza MC en simulaciones de dosis acumuladas 4D-CT: la mayor precisi\u00f3n de MC en cada fase respiratoria produce una estimaci\u00f3n acumulada m\u00e1s precisa, especialmente cuando existe una fuerte heterogeneidad pulmonar. El uso de PB en cada fase de un 4D-CT y la acumulaci\u00f3n de la dosis propaga los errores de PB individuales a la estimaci\u00f3n acumulada.<\/p>\n Las estrategias para mitigar la interacci\u00f3n incluyen la reexploraci\u00f3n (m\u00faltiples exploraciones por campo por fracci\u00f3n), la activaci\u00f3n respiratoria y la irradiaci\u00f3n activa en apnea. Una planificaci\u00f3n s\u00f3lida debe incorporar no solo incertidumbres de posicionamiento y alcance, sino tambi\u00e9n el espectro de distribuciones de dosis inducidas por el movimiento, lo que exige c\u00e1lculos repetidos, un escenario en el que el tiempo de c\u00e1lculo de MC se convierte en una variable operativa cr\u00edtica y justifica la inversi\u00f3n en aceleraci\u00f3n de GPU.<\/p>\n En terapia de protones, el an\u00e1lisis de robustez eval\u00faa c\u00f3mo se comporta el plan bajo perturbaciones sistem\u00e1ticas: desplazamientos de posicionamiento en los tres ejes, variaciones de rango y cambios anat\u00f3micos de interfracci\u00f3n. El resultado es un conjunto de distribuciones de dosis (no una distribuci\u00f3n \u00fanica) que el m\u00e9dico utiliza para decidir si se cumplen la cobertura m\u00ednima y las restricciones de \u00f3rganos en riesgo en todos los escenarios posibles.<\/p>\n La elecci\u00f3n del algoritmo influye directamente en el valor y la interpretaci\u00f3n de este an\u00e1lisis. Si el c\u00e1lculo nominal en PB subestima las dosis en \u00f3rganos en riesgo en geometr\u00edas con heterogeneidades laterales, el an\u00e1lisis de robustez basado exclusivamente en PB puede indicar aceptabilidad donde el MC indicar\u00eda un margen insuficiente. Por ello, directrices recientes convergen en recomendar la verificaci\u00f3n por MC antes de aprobar planos en sitios anat\u00f3micamente complejos, incluso si la optimizaci\u00f3n se realiza en PB por razones de velocidad de c\u00e1lculo.<\/p>\n La puesta en marcha de un algoritmo MC en TPS comercial requiere, adem\u00e1s de mediciones IDD est\u00e1ndar y perfiles laterales en maniqu\u00edes de agua, validaci\u00f3n en maniqu\u00edes heterog\u00e9neos que replican geometr\u00edas cl\u00ednicamente relevantes: material equivalente pulmonar de baja densidad, interfaces de hueso\/tejido blando e inserciones en cavidades de aire. La comparaci\u00f3n entre el c\u00e1lculo de MC y la medici\u00f3n experimental debe satisfacer los criterios gamma (normalmente 2%\/2 mm o 3%\/3 mm seg\u00fan el protocolo institucional) en la fracci\u00f3n de puntos requerida por el protocolo de control de calidad del centro.<\/p>\n La puesta en marcha de algoritmos PB, hist\u00f3ricamente menos exigentes en t\u00e9rminos de fantasmas heterog\u00e9neos, puede enmascarar errores sistem\u00e1ticos que s\u00f3lo surgen en geometr\u00edas espec\u00edficas. Los centros que han migrado de PB a MC a menudo identifican diferencias sistem\u00e1ticas en ciertas anatom\u00edas, lo que puede requerir una revisi\u00f3n de los protocolos de m\u00e1rgenes de rango y, en casos seleccionados, una nueva planificaci\u00f3n de los pacientes sometidos a tratamiento.<\/p>\n La elecci\u00f3n entre PB y MC no tiene por qu\u00e9 ser binaria. Una pr\u00e1ctica com\u00fan y razonable es utilizar PB para la optimizaci\u00f3n iterativa (para velocidad) y MC para verificar el plan final. Cuando MC est\u00e1 disponible como motor de optimizaci\u00f3n, su uso directo elimina la inconsistencia entre optimizaci\u00f3n y verificaci\u00f3n. La decisi\u00f3n institucional debe considerar:<\/p>\n Para el control de calidad independiente de la dosis (verificaci\u00f3n del plan del sistema secundario), el software como FRED o las plataformas basadas en MC proporcionan una verificaci\u00f3n equivalente en f\u00edsica, mientras que las herramientas anal\u00edticas de control de calidad secundario para MC a\u00fan est\u00e1n en desarrollo y validaci\u00f3n cl\u00ednica.<\/p>\n MC es f\u00edsicamente m\u00e1s completo, pero su precisi\u00f3n depende de las secciones transversales implementadas, la resoluci\u00f3n del v\u00f3xel y la cantidad de historias simuladas, lo que define la incertidumbre estad\u00edstica. En geometr\u00edas simples y homog\u00e9neas, un PB bien encargado y un MC bien implementado producen resultados equivalentes. Las diferencias se vuelven cl\u00ednicamente relevantes principalmente en heterogeneidades extremas, l\u00edmites de campo y situaciones con interacciones nucleares significativas. \u00abM\u00e1s preciso\u00bb debe entenderse como \u00abmenos dependiente de aproximaciones geom\u00e9tricas\u00bb, no como garant\u00eda de superioridad en ning\u00fan escenario.<\/p>\n Hay TPS comerciales con c\u00e1lculo Monte Carlo para protones, pero la disponibilidad y el alcance cl\u00ednico dependen de la versi\u00f3n, el pa\u00eds y la licencia. El f\u00edsico responsable debe comprobar la documentaci\u00f3n t\u00e9cnica y reglamentaria del sistema local. TOPAS, GATE y otros c\u00f3digos de investigaci\u00f3n son valiosos para la validaci\u00f3n, pero su uso en atenci\u00f3n m\u00e9dica no se puede inferir \u00fanicamente de la disponibilidad del software.<\/p>\n En tejidos con una composici\u00f3n cercana al agua (m\u00fasculo, tumor s\u00f3lido), Dm \u2248 Dw. En hueso cortical y materiales de alta densidad, Dm puede diferir de Dw en valores que no son cl\u00ednicamente despreciables, ya que el poder de frenado de masa de estos materiales difiere del del agua. Comparar un plano PB (Dw impl\u00edcito) con un plano MC (Dm) sin explicar la cantidad puede llevar a un error de interpretaci\u00f3n. La recomendaci\u00f3n pr\u00e1ctica es definir institucionalmente qu\u00e9 magnitud se adopta y mantener coherencia entre el algoritmo de planificaci\u00f3n y los l\u00edmites de dosis de los \u00f3rganos en riesgo de los protocolos en uso.<\/p>\n El efecto de interacci\u00f3n no se puede verificar mediante mediciones est\u00e1ticas en un mu\u00f1eco de agua. La puesta en servicio debe incluir mediciones sobre maniqu\u00ed en movimiento (din\u00e1micas) o simulaciones 4D-CT con c\u00e1lculo de dosis acumulada en geometr\u00eda controlada. En la planificaci\u00f3n cl\u00ednica, se debe estimar la magnitud de la interacci\u00f3n para cada paciente con un tumor en una ubicaci\u00f3n de movimiento relevante (pulm\u00f3n, h\u00edgado, p\u00e1ncreas). Cuando el efecto es cl\u00ednicamente significativo, se deben incorporar al protocolo de tratamiento estrategias como la reexploraci\u00f3n o el gating, con documentaci\u00f3n expl\u00edcita en el plan aprobado y en la historia cl\u00ednica.<\/p>\n 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 an\u00e1lisis m\u00e1s riguroso y, cuando est\u00e9 disponible, una comparaci\u00f3n con un motor de transporte m\u00e1s completo. La pol\u00edtica debe basarse en el riesgo, el uso previsto de TPS y la puesta en servicio local.<\/p>\nC\u00f3mo Pencil Beam modela el transporte de protones<\/h2>\n
Lo que Monte Carlo a\u00f1ade<\/h2>\n
Interacciones nucleares, halo y dosis fuera de campo<\/h2>\n
\n\n
\n \nCaracter\u00edstica<\/th>\n Pencil Beam (PB)<\/th>\n Monte Carlo (MC)<\/th>\n<\/tr>\n<\/thead>\n \n Base f\u00edsica<\/td>\n Formalismo de Fermi-Eyges + trazado de rayos<\/td>\n Transporte estoc\u00e1stico part\u00edcula a part\u00edcula<\/td>\n<\/tr>\n \n Heterogeneidades laterales<\/td>\n Aproximaci\u00f3n del n\u00facleo gaussiano<\/td>\n Modelado expl\u00edcito<\/td>\n<\/tr>\n \n Interacciones nucleares inel\u00e1sticas<\/td>\n Generalmente parametrizadas emp\u00edricamente<\/td>\n Simuladas con secciones transversales tabuladas<\/td>\n<\/tr>\n \n Halo de dosis nuclear<\/td>\n Componente emp\u00edrico o faltante<\/td>\n Calculado f\u00edsicamente<\/td>\n<\/tr>\n \n Magnitud de la dosis<\/td>\n Depende de TPS y de la implementaci\u00f3n<\/td>\n Depende de TPS y de la implementaci\u00f3n<\/td>\n<\/tr>\n \n Tiempo de c\u00e1lculo<\/td>\n Generalmente m\u00e1s peque\u00f1o<\/td>\n Depende del hardware, las estad\u00edsticas y la implementaci\u00f3n<\/td>\n<\/tr>\n \n Incertidumbre num\u00e9rica<\/td>\n Estad\u00edsticas deterministas<\/td>\n ; depende del n\u00famero de pisos<\/td>\n<\/tr>\n \n Puesta en marcha principal<\/td>\n IDD + perfiles laterales en agua<\/td>\n Mismo + fantasmas heterog\u00e9neos<\/td>\n<\/tr>\n \n Uso cl\u00ednico predominante<\/td>\n Optimizaci\u00f3n iterativa, sitios simples<\/td>\n Verificaci\u00f3n y sitios complejos<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n Pulmones, huesos, cavidades e implantes<\/h2>\n
\n\n
\n \nTipo de heterogeneidad<\/th>\n Principal limitaci\u00f3n de PB<\/th>\n Ventaja de MC<\/th>\n Impacto cl\u00ednico potencial<\/th>\n<\/tr>\n<\/thead>\n \n Pulm\u00f3n (baja densidad)<\/td>\n Dispersi\u00f3n lateral subestimada<\/td>\n Transporte expl\u00edcito de interfaz m\u00faltiple<\/td>\n Cobertura GTV; Dosis de pared tor\u00e1cica<\/td>\n<\/tr>\n \n Hueso cortical<\/td>\n Interfaz dosis-sombra inexacta<\/td>\n Modelado preciso de alta Z<\/td>\n M\u00e9dula espinal, nervios \u00f3pticos, quiasma<\/td>\n<\/tr>\n \n Cavidades de aire<\/td>\n Desplazamiento de pico de Bragg<\/td>\n Gradiente de densidad expl\u00edcito<\/td>\n Objetivos en cabeza y cuello, base del cr\u00e1neo<\/td>\n<\/tr>\n \n Implante met\u00e1lico<\/td>\n RSP con artefacto; dispersi\u00f3n subsimulada<\/td>\n F\u00edsica directa de alta Z<\/td>\n Cobertura y dosis distal al implante<\/td>\n<\/tr>\n \n Interfaz m\u00f3vil (rectal, vaginal)<\/td>\n Variaci\u00f3n de interfracci\u00f3n no capturada por ning\u00fan<\/td>\n No corrige la movilidad<\/td>\n Requiere an\u00e1lisis de robustez independiente<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n PBS, movimiento respiratorio y efecto de interacci\u00f3n<\/h2>\n
Robustez, puesta en servicio y decisi\u00f3n cl\u00ednica<\/h2>\n
An\u00e1lisis de robustez<\/h3>\n
Puesta en marcha<\/h3>\n
Decisi\u00f3n cl\u00ednica<\/h3>\n
\n
Preguntas frecuentes<\/h2>\n
\u00bfMonte Carlo siempre produce resultados m\u00e1s precisos que Pencil Beam?<\/h3>\n
\u00bfQu\u00e9 TPS comerciales ofrecen MC cl\u00ednico para protones?<\/h3>\n
\u00bfC\u00f3mo afecta \u00abdose to medium\u00bb versus \u00abdose to water\u00bb la comparaci\u00f3n de planes?<\/h3>\n
\u00bfC\u00f3mo se debe abordar el efecto de interacci\u00f3n en la puesta en servicio y la planificaci\u00f3n cl\u00ednica?<\/h3>\n
\u00bfCu\u00e1ndo se recomienda utilizar MC en lugar de PB para la aprobaci\u00f3n del plan?<\/h3>\n
Referencias<\/h2>\n
\n