![\"Adaptive](\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/06\/adaptive-dose-workflow.jpg\")
En este art\u00edculo describimos la f\u00edsica y los flujos de trabajo involucrados en el rec\u00e1lculo de dosis en CBCT y sCT, diferenciando lo que es una descripci\u00f3n f\u00edsica establecida, su implementaci\u00f3n en productos comerciales y la evidencia de validaci\u00f3n cl\u00ednica. El objetivo es proporcionar al f\u00edsico m\u00e9dico y al onc\u00f3logo radioterapeuta una referencia t\u00e9cnica para evaluar cr\u00edticamente las soluciones disponibles y los criterios de seguridad necesarios para su adopci\u00f3n.<\/p>\n
En este art\u00edculo<\/h2>\n\n- 1. Qu\u00e9 rec\u00e1lculo adaptativo necesita representar<\/a><\/li>\n
- 2. Por qu\u00e9 CBCT sin procesar no es equivalente a CT de planificaci\u00f3n<\/a><\/li>\n
- 3. Correcci\u00f3n de HU, deformaci\u00f3n y CT sint\u00e9tica<\/a><\/li>\n
- 4. Registro deformable y acumulaci\u00f3n de dosis<\/a><\/li>\n
- 5. C\u00e1lculo en l\u00ednea: velocidad versus fidelidad<\/a><\/li>\n
- 6. Controles de calidad y seguridad espec\u00edficos del paciente<\/a><\/li>\n
- 7. Criterios pr\u00e1cticos para decidir cu\u00e1ndo adaptarse<\/a><\/li>\n
- 8. Preguntas frecuentes<\/a><\/li>\n
- 9. Referencias<\/a><\/li>\n<\/ul>\n<\/div>\n
Qu\u00e9 rec\u00e1lculo adaptativo necesita representar<\/h2>\n
Un motor de c\u00e1lculo de dosis transforma una representaci\u00f3n volum\u00e9trica de la densidad de masa o electrones del paciente en una distribuci\u00f3n de dosis absorbida. Los motores Pencil Beam, AAA, Acuros XB y Monte Carlo difieren en c\u00f3mo modelan la dispersi\u00f3n, el transporte de electrones y las interfaces. La distinci\u00f3n entre dose to medium<\/em> y dose to water<\/em> Depende de la implementaci\u00f3n y debe documentarse en el nuevo c\u00e1lculo porque afecta la comparabilidad entre las distribuciones y los criterios cl\u00ednicos.<\/p>\nPara un rec\u00e1lculo adaptativo, TPS necesita cuatro elementos fundamentales: (1) una representaci\u00f3n geom\u00e9trica confiable de la anatom\u00eda del d\u00eda, incluida la posici\u00f3n y forma del tumor y los \u00f3rganos en riesgo; (2) valores de HU, o densidad equivalente, lo suficientemente precisos para los algoritmos de dosis involucrados; (3) contornos actualizados o propagados v\u00eda DIR, sobre los cuales se evaluar\u00e1n las m\u00e9tricas dosim\u00e9tricas; y (4) trazabilidad al plan original, de modo que la dosis acumulada pueda compararse con la dosis prescrita con una magnitud y unidad consistentes.<\/p>\n
La precisi\u00f3n requerida no es uniforme en todo el volumen: las regiones de alta heterogeneidad (interfaces aire-tejido, hueso cortical y pr\u00f3tesis met\u00e1licas) son m\u00e1s sensibles a las incertidumbres de HU que los tejidos blandos homog\u00e9neos. Esto tiene implicaciones directas para determinar qu\u00e9 sitios cl\u00ednicos rec\u00e1lculos en CBCT o sCT son dosim\u00e9tricamente suficientes y en qu\u00e9 casos las limitaciones del m\u00e9todo se vuelven cl\u00ednicamente relevantes como para requerir estrategias alternativas o precauci\u00f3n adicional.<\/p>\n
Por qu\u00e9 CBCT sin procesar no es equivalente a CT de planificaci\u00f3n<\/h2>\n
La CT de planificaci\u00f3n se adquiere con geometr\u00eda de haz de ventilador (fan-beam<\/em>), filtros de ecualizaci\u00f3n (bowtie<\/em>) y protocolos optimizados para la linealidad HU con respecto a la densidad de electrones; esta relaci\u00f3n es la base de la puesta en marcha de <\/em> de TPS. CBCT opera con geometr\u00eda de cono, detectores de panel plano y tiempos de adquisici\u00f3n m\u00e1s largos, condiciones que amplifican la contribuci\u00f3n de la dispersi\u00f3n a la se\u00f1al detectada.<\/p>\nLas consecuencias pr\u00e1cticas para el c\u00e1lculo de dosis est\u00e1n bien documentadas:<\/p>\n
\n- No linealidad de HU<\/strong>: los valores de tejido blando en CBCT difieren sistem\u00e1ticamente de sus contrapartes en TC de simulaci\u00f3n, con variaciones seg\u00fan el tama\u00f1o del paciente, el protocolo de adquisici\u00f3n, la posici\u00f3n en el volumen reconstruido y el fabricante del equipo.<\/li>\n
- Artefactos de endurecimiento del haz<\/strong> (endurecimiento del haz<\/em>): producen bandas de subestimaci\u00f3n y sobreestimaci\u00f3n de HU, particularmente pronunciadas cerca de estructuras \u00f3seas densas; el hueso cortical de la pelvis y la mand\u00edbula son ejemplos recurrentes en la CBCT cl\u00ednica.<\/li>\n
- Truncamiento del<\/strong> campo de visi\u00f3n (FOV): en pacientes con un di\u00e1metro mayor que el FOV reconstruido, los algoritmos de extensi\u00f3n introducen incertidumbres adicionales en la HU perif\u00e9rica.<\/li>\n
- Menor relaci\u00f3n se\u00f1al-ruido<\/strong>: un ruido mayor que en la simulaci\u00f3n CT afecta tanto al c\u00e1lculo de la dosis como a la calidad del DIR posterior.<\/li>\n
- Ausencia de calibraci\u00f3n dosim\u00e9trica estandarizada<\/strong>: Los fabricantes de CBCT, en general, no proporcionan relaciones validadas de densidad de HU para uso dosim\u00e9trico con el mismo grado de trazabilidad que los fabricantes de TC de diagn\u00f3stico.<\/li>\n<\/ul>\n
La suma de estos factores impide suponer que la CBCT bruta sea dosim\u00e9tricamente equivalente a la CT de planificaci\u00f3n. El uso directo solo puede aceptarse dentro de un protocolo de adquisici\u00f3n, calibraci\u00f3n y validaci\u00f3n local que demuestre un rendimiento suficiente para el sitio y el algoritmo evaluados.<\/p>\n
Correcci\u00f3n de HU, deformaci\u00f3n y CT sint\u00e9tica<\/h2>\n
Se utilizan tres estrategias principales para superar la insuficiencia dosim\u00e9trica de CBCT sin procesar, con distintas caracter\u00edsticas, dependencias y puntos de falla:<\/p>\n
1. Correcci\u00f3n mediante tabla de conversi\u00f3n (LUT) o escalamiento<\/strong><\/p>\nAsigna HU de CBCT a HU equivalente de CT de planificaci\u00f3n a trav\u00e9s de una tabla derivada de fantasmas o cl\u00ednicas de pares de im\u00e1genes. Variantes m\u00e1s sofisticadas aplican correcci\u00f3n regional o correcci\u00f3n adaptada al tama\u00f1o del paciente. La limitaci\u00f3n fundamental es estructural: el LUT se deriva en condiciones promedio y no captura las variaciones entre pacientes ni las dependencias de la anatom\u00eda local. Puede ser aceptable para sitios de baja heterogeneidad con m\u00e1rgenes amplios, pero no es adecuado para SBRT de alta precisi\u00f3n en regiones con una fuerte variaci\u00f3n de densidad.<\/p>\n
2. DIR con propagaci\u00f3n de densidad desde el CT de referencia<\/strong><\/p>\nRegistre de forma deformable el CT de planificaci\u00f3n en el CBCT del d\u00eda y utilice el campo de deformaci\u00f3n para transportar la HU desde el CT de referencia a la geometr\u00eda actual. Este enfoque hereda la calidad dosim\u00e9trica de la TC de simulaci\u00f3n, pero transfiere el error al DIR: las regiones donde falla el registro (por ejemplo, cuando hay una variaci\u00f3n en el volumen del tumor sin correspondencia estructural en la TC original) generan densidades incorrectas que no necesariamente activan alertas visuales. La revisi\u00f3n de 2024<\/a> analiza espec\u00edficamente escenarios en los que este fallo es cl\u00ednicamente significativo.<\/p>\n3. CT sint\u00e9tica (sCT) mediante aprendizaje autom\u00e1tico<\/strong><\/p>\nLas redes neuronales entrenadas en pares CBCT\/CT pueden mejorar la fidelidad con respecto a LUT simples. En el contexto de MRI-linac, diferentes productos utilizan asignaci\u00f3n de densidad, CT de referencia deformada o sCT, porque la MRI no proporciona la densidad electr\u00f3nica directamente. Para CBCT, el m\u00e9todo adoptado debe ser descrito y validado por producto, versi\u00f3n y centro cl\u00ednico.<\/p>\n
La distinci\u00f3n entre descripci\u00f3n del m\u00e9todo y evidencia de validaci\u00f3n es fundamental en este contexto: una sCT con un error HU medio aceptable en un fantasma o en una cohorte de desarrollo no garantiza un rendimiento dosim\u00e9trico equivalente en pacientes con anatom\u00edas at\u00edpicas, variaciones extremas de peso o implantes met\u00e1licos. EL El estado del arte de NRG<\/a> establece requisitos de validaci\u00f3n que incluyen la comparaci\u00f3n dosim\u00e9trica con la TC de planificaci\u00f3n en cohortes representativas de los sitios cl\u00ednicos de uso previsto.<\/p>\n
Qu\u00e9 rec\u00e1lculo adaptativo necesita representar<\/h2>\n
Un motor de c\u00e1lculo de dosis transforma una representaci\u00f3n volum\u00e9trica de la densidad de masa o electrones del paciente en una distribuci\u00f3n de dosis absorbida. Los motores Pencil Beam, AAA, Acuros XB y Monte Carlo difieren en c\u00f3mo modelan la dispersi\u00f3n, el transporte de electrones y las interfaces. La distinci\u00f3n entre dose to medium<\/em> y dose to water<\/em> Depende de la implementaci\u00f3n y debe documentarse en el nuevo c\u00e1lculo porque afecta la comparabilidad entre las distribuciones y los criterios cl\u00ednicos.<\/p>\n Para un rec\u00e1lculo adaptativo, TPS necesita cuatro elementos fundamentales: (1) una representaci\u00f3n geom\u00e9trica confiable de la anatom\u00eda del d\u00eda, incluida la posici\u00f3n y forma del tumor y los \u00f3rganos en riesgo; (2) valores de HU, o densidad equivalente, lo suficientemente precisos para los algoritmos de dosis involucrados; (3) contornos actualizados o propagados v\u00eda DIR, sobre los cuales se evaluar\u00e1n las m\u00e9tricas dosim\u00e9tricas; y (4) trazabilidad al plan original, de modo que la dosis acumulada pueda compararse con la dosis prescrita con una magnitud y unidad consistentes.<\/p>\n La precisi\u00f3n requerida no es uniforme en todo el volumen: las regiones de alta heterogeneidad (interfaces aire-tejido, hueso cortical y pr\u00f3tesis met\u00e1licas) son m\u00e1s sensibles a las incertidumbres de HU que los tejidos blandos homog\u00e9neos. Esto tiene implicaciones directas para determinar qu\u00e9 sitios cl\u00ednicos rec\u00e1lculos en CBCT o sCT son dosim\u00e9tricamente suficientes y en qu\u00e9 casos las limitaciones del m\u00e9todo se vuelven cl\u00ednicamente relevantes como para requerir estrategias alternativas o precauci\u00f3n adicional.<\/p>\n La CT de planificaci\u00f3n se adquiere con geometr\u00eda de haz de ventilador (fan-beam<\/em>), filtros de ecualizaci\u00f3n (bowtie<\/em>) y protocolos optimizados para la linealidad HU con respecto a la densidad de electrones; esta relaci\u00f3n es la base de la puesta en marcha de <\/em> de TPS. CBCT opera con geometr\u00eda de cono, detectores de panel plano y tiempos de adquisici\u00f3n m\u00e1s largos, condiciones que amplifican la contribuci\u00f3n de la dispersi\u00f3n a la se\u00f1al detectada.<\/p>\n Las consecuencias pr\u00e1cticas para el c\u00e1lculo de dosis est\u00e1n bien documentadas:<\/p>\n La suma de estos factores impide suponer que la CBCT bruta sea dosim\u00e9tricamente equivalente a la CT de planificaci\u00f3n. El uso directo solo puede aceptarse dentro de un protocolo de adquisici\u00f3n, calibraci\u00f3n y validaci\u00f3n local que demuestre un rendimiento suficiente para el sitio y el algoritmo evaluados.<\/p>\n Se utilizan tres estrategias principales para superar la insuficiencia dosim\u00e9trica de CBCT sin procesar, con distintas caracter\u00edsticas, dependencias y puntos de falla:<\/p>\n 1. Correcci\u00f3n mediante tabla de conversi\u00f3n (LUT) o escalamiento<\/strong><\/p>\n Asigna HU de CBCT a HU equivalente de CT de planificaci\u00f3n a trav\u00e9s de una tabla derivada de fantasmas o cl\u00ednicas de pares de im\u00e1genes. Variantes m\u00e1s sofisticadas aplican correcci\u00f3n regional o correcci\u00f3n adaptada al tama\u00f1o del paciente. La limitaci\u00f3n fundamental es estructural: el LUT se deriva en condiciones promedio y no captura las variaciones entre pacientes ni las dependencias de la anatom\u00eda local. Puede ser aceptable para sitios de baja heterogeneidad con m\u00e1rgenes amplios, pero no es adecuado para SBRT de alta precisi\u00f3n en regiones con una fuerte variaci\u00f3n de densidad.<\/p>\n 2. DIR con propagaci\u00f3n de densidad desde el CT de referencia<\/strong><\/p>\n Registre de forma deformable el CT de planificaci\u00f3n en el CBCT del d\u00eda y utilice el campo de deformaci\u00f3n para transportar la HU desde el CT de referencia a la geometr\u00eda actual. Este enfoque hereda la calidad dosim\u00e9trica de la TC de simulaci\u00f3n, pero transfiere el error al DIR: las regiones donde falla el registro (por ejemplo, cuando hay una variaci\u00f3n en el volumen del tumor sin correspondencia estructural en la TC original) generan densidades incorrectas que no necesariamente activan alertas visuales. La revisi\u00f3n de 2024<\/a> analiza espec\u00edficamente escenarios en los que este fallo es cl\u00ednicamente significativo.<\/p>\n 3. CT sint\u00e9tica (sCT) mediante aprendizaje autom\u00e1tico<\/strong><\/p>\n Las redes neuronales entrenadas en pares CBCT\/CT pueden mejorar la fidelidad con respecto a LUT simples. En el contexto de MRI-linac, diferentes productos utilizan asignaci\u00f3n de densidad, CT de referencia deformada o sCT, porque la MRI no proporciona la densidad electr\u00f3nica directamente. Para CBCT, el m\u00e9todo adoptado debe ser descrito y validado por producto, versi\u00f3n y centro cl\u00ednico.<\/p>\n La distinci\u00f3n entre descripci\u00f3n del m\u00e9todo y evidencia de validaci\u00f3n es fundamental en este contexto: una sCT con un error HU medio aceptable en un fantasma o en una cohorte de desarrollo no garantiza un rendimiento dosim\u00e9trico equivalente en pacientes con anatom\u00edas at\u00edpicas, variaciones extremas de peso o implantes met\u00e1licos. EL El estado del arte de NRG<\/a> establece requisitos de validaci\u00f3n que incluyen la comparaci\u00f3n dosim\u00e9trica con la TC de planificaci\u00f3n en cohortes representativas de los sitios cl\u00ednicos de uso previsto.<\/p>\nPor qu\u00e9 CBCT sin procesar no es equivalente a CT de planificaci\u00f3n<\/h2>\n
\n
Correcci\u00f3n de HU, deformaci\u00f3n y CT sint\u00e9tica<\/h2>\n