{"id":18295,"date":"2026-06-15T19:20:53","date_gmt":"2026-06-15T22:20:53","guid":{"rendered":"https:\/\/rtmedical.com.br\/tmp-es-1781562052226\/"},"modified":"2026-06-15T19:25:47","modified_gmt":"2026-06-15T22:25:47","slug":"dosis-predicha-ia-mvision-raystation-optiplan","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/dosis-predicha-ia-mvision-raystation-optiplan\/","title":{"rendered":"Dosis Predicha por IA: MVision Dose+, RayStation y OptiPlan"},"content":{"rendered":"<p>La dosis predicha por IA no es una categor\u00eda \u00fanica. En radioterapia, la misma expresi\u00f3n puede referirse a una distribuci\u00f3n 3D usada como punto de partida para objetivos de planificaci\u00f3n, a un modelo de deep learning que genera una dosis de referencia para dose mimicking, o a una capa de automatizaci\u00f3n que no reemplaza el c\u00e1lculo f\u00edsico de dosis.<\/p>\n<p>Esa distinci\u00f3n es clave al comparar <a href=\"https:\/\/mvision.ai\/dose\/\" rel=\"noopener\" target=\"_blank\">MVision Dose+<\/a>, <a href=\"https:\/\/www.raysearchlabs.com\/media\/publications\/white-papers\/deep-learning-planning\/\" rel=\"noopener\" target=\"_blank\">RayStation deep learning planning<\/a> y <a href=\"https:\/\/radformation.com\/optiplan\/optiplan\" rel=\"noopener\" target=\"_blank\">OptiPlan<\/a>. Los tres pertenecen al movimiento hacia planificaci\u00f3n m\u00e1s automatizada, pero no tienen el mismo papel t\u00e9cnico.<\/p>\n<figure class=\"wp-block-image size-large dose-algorithm-infographic\"><img alt=\"Flujo de dosis predicha por IA para planificaci\u00f3n, optimizaci\u00f3n y validaci\u00f3n cl\u00ednica\" decoding=\"async\" data-src=\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/06\/ai-dose-prediction-workflow.jpg\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" class=\"lazyload\" style=\"--smush-placeholder-width: 1600px; --smush-placeholder-aspect-ratio: 1600\/900;\" \/><figcaption>Infograf\u00eda original de RT Medical Systems para el cluster de dosis predicha por IA.<\/figcaption><\/figure>\n<h2>Respuesta corta<\/h2>\n<ul>\n<li><a href=\"https:\/\/mvision.ai\/dose\/\" rel=\"noopener\" target=\"_blank\">MVision Dose+<\/a> se presenta como software de predicci\u00f3n de dosis que genera distribuciones VMAT cl\u00ednicamente alcanzables a partir de CT y estructuras, importables al TPS mediante DICOM.<\/li>\n<li><a href=\"https:\/\/www.raysearchlabs.com\/media\/publications\/white-papers\/deep-learning-planning\/\" rel=\"noopener\" target=\"_blank\">RayStation<\/a> usa modelos de deep learning para predecir una imagen de dosis que puede servir como referencia para mimic optimization dentro del TPS.<\/li>\n<li><a href=\"https:\/\/radformation.com\/optiplan\/optiplan\" rel=\"noopener\" target=\"_blank\">OptiPlan<\/a> debe describirse como automatizaci\u00f3n de planificaci\u00f3n VMAT con herramientas nativas del TPS y objetivos ClearCheck. El material p\u00fablico actual no lo describe como motor de dosis por IA.<\/li>\n<\/ul>\n<h2>Predicci\u00f3n de dosis no es transporte de part\u00edculas<\/h2>\n<p>Un algoritmo como <a href=\"https:\/\/rtmedical.com.br\/es\/monte-carlo-radioterapia-guia-completa\/\">Monte Carlo<\/a> simula transporte f\u00edsico y deposici\u00f3n de energ\u00eda. Un modelo de dosis predicha aprende una relaci\u00f3n entre anatom\u00eda, estructuras, prescripci\u00f3n, configuraci\u00f3n del haz o ejemplos aprobados y una distribuci\u00f3n de dosis probable. El resultado puede reducir iteraciones, pero sigue limitado por el dominio de entrenamiento y la validaci\u00f3n local.<\/p>\n<p>En cl\u00ednica, el valor no est\u00e1 en declarar que la red neuronal sustituye al TPS. El valor est\u00e1 en anticipar una dosis plausible, mostrar si el caso parece simple o tensionado y orientar objetivos antes de m\u00faltiples iteraciones manuales.<\/p>\n<h2>Comparaci\u00f3n t\u00e9cnica<\/h2>\n<figure class=\"wp-block-table\">\n<table>\n<thead>\n<tr>\n<th>Sistema<\/th>\n<th>Papel descrito p\u00fablicamente<\/th>\n<th>Uso cl\u00ednico probable<\/th>\n<th>Cuidado editorial<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>MVision Dose+<\/td>\n<td>Predicci\u00f3n VMAT personalizada desde CT y estructuras<\/td>\n<td>Dosis inicial y objetivos antes del refinamiento en el TPS<\/td>\n<td>Validar por centro, protocolo, TPS, fraccionamiento y poblaci\u00f3n<\/td>\n<\/tr>\n<tr>\n<td>RayStation deep learning planning<\/td>\n<td>Predicci\u00f3n voxel a voxel con modelos tipo U-net y dose mimicking<\/td>\n<td>Plan ejecutable generado dentro de RayStation y refinable como plan convencional<\/td>\n<td>Separar dosis predicha, c\u00e1lculo final y aprobaci\u00f3n cl\u00ednica<\/td>\n<\/tr>\n<tr>\n<td>Radformation OptiPlan<\/td>\n<td>Automatizaci\u00f3n VMAT con herramientas del TPS y ClearCheck<\/td>\n<td>Menos iteraciones y menor variabilidad entre planificadores<\/td>\n<td>No llamarlo predicci\u00f3n de dosis por IA sin documentaci\u00f3n espec\u00edfica<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n<h2>MVision Dose+: distribuci\u00f3n 3D como punto de partida<\/h2>\n<p>La p\u00e1gina de <a href=\"https:\/\/mvision.ai\/dose\/\" rel=\"noopener\" target=\"_blank\">Dose+<\/a> informa que el producto crea distribuciones VMAT alcanzables desde CT y conjuntos de estructuras usando transferencia DICOM simple. El punto t\u00e9cnico importante es que el modelo produce una dosis 3D que puede entrar al flujo de planificaci\u00f3n.<\/p>\n<figure class=\"wp-block-image size-large dose-source-figure\"><img alt=\"Imagen p\u00fablica de MVision Dose+ mostrando dosis predicha en vistas de planificaci\u00f3n\" decoding=\"async\" data-src=\"https:\/\/mvision.ai\/wp-content\/uploads\/dose.png\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" class=\"lazyload\" \/><figcaption>Imagen p\u00fablica de la p\u00e1gina Dose+ de MVision AI, usada aqu\u00ed como referencia visual con enlace a la fuente. Fuente: <a href=\"https:\/\/mvision.ai\/dose\/\" rel=\"noopener\" target=\"_blank\">https:\/\/mvision.ai\/dose\/<\/a><\/figcaption><\/figure>\n<p>El <a href=\"https:\/\/mvision.ai\/case-study-evaluating-ai-dose-prediction-across-standard-and-complex-prostate-cases-at-nccc-newcastle\/\" rel=\"noopener\" target=\"_blank\">estudio NCCC Newcastle<\/a> es \u00fatil porque compara Dose+ con flujos automatizados y manuales en pr\u00f3stata. La lecci\u00f3n no es un n\u00famero aislado, sino c\u00f3mo un servicio puede validar una herramienta de predicci\u00f3n dentro de un TPS y protocolo espec\u00edficos.<\/p>\n<figure class=\"wp-block-image size-large dose-source-figure\"><img alt=\"Workflow p\u00fablico de MVision Dose+\" decoding=\"async\" data-src=\"https:\/\/mvision.ai\/wp-content\/uploads\/workflow-dose.png\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" class=\"lazyload\" \/><figcaption>Workflow Dose+ publicado por MVision AI; la figura ilustra la integraci\u00f3n DICOM del producto. Fuente: <a href=\"https:\/\/mvision.ai\/dose\/\" rel=\"noopener\" target=\"_blank\">https:\/\/mvision.ai\/dose\/<\/a><\/figcaption><\/figure>\n<h2>RayStation: dosis predicha para mimic optimization<\/h2>\n<p>RaySearch describe un modelo que recibe un volumen multicanal de estructuras y produce una imagen de dosis voxel a voxel. La dosis predicha se almacena en RayStation y puede usarse como referencia para <a href=\"https:\/\/www.raysearchlabs.com\/media\/publications\/white-papers\/deep-learning-planning\/\" rel=\"noopener\" target=\"_blank\">mimic optimization<\/a>. El plan final permanece dentro del TPS y puede refinarse y evaluarse de modo convencional.<\/p>\n<figure class=\"wp-block-image size-large dose-source-figure\"><img alt=\"Interfaz p\u00fablica de deep learning planning de RayStation\" decoding=\"async\" data-src=\"https:\/\/www.raysearchlabs.com\/siteassets\/media\/publications\/white-papers---new\/raystation-deep-learning-planning-interface..png\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" class=\"lazyload\" \/><figcaption>Interfaz de deep learning planning publicada por RaySearch en el white paper de RayStation. Fuente: <a href=\"https:\/\/www.raysearchlabs.com\/media\/publications\/white-papers\/deep-learning-planning\/\" rel=\"noopener\" target=\"_blank\">https:\/\/www.raysearchlabs.com\/media\/publications\/white-papers\/deep-learning-planning\/<\/a><\/figcaption><\/figure>\n<p>Esto se conecta con el art\u00edculo existente sobre <a href=\"https:\/\/rtmedical.com.br\/es\/raystation-collapsed-cone-monte-carlo\/\">RayStation collapsed cone y Monte Carlo<\/a>: deep learning puede generar una referencia de planificaci\u00f3n, mientras el motor f\u00edsico calcula la dosis final del plan.<\/p>\n<h2>OptiPlan: automatizaci\u00f3n VMAT, no motor de dosis por IA<\/h2>\n<p>Radformation posiciona <a href=\"https:\/\/radformation.com\/optiplan\/optiplan\" rel=\"noopener\" target=\"_blank\">OptiPlan<\/a> como automatizaci\u00f3n de planificaci\u00f3n VMAT que usa herramientas nativas del TPS y objetivos ClearCheck. Al 15 de junio de 2026, el material p\u00fablico indicaba que OptiPlan era una funci\u00f3n de la versi\u00f3n m\u00e1s nueva de EZFluence con FDA 510(k) pendiente.<\/p>\n<figure class=\"wp-block-image size-large dose-source-figure\"><img alt=\"Interfaz p\u00fablica de Radformation OptiPlan\" decoding=\"async\" loading=\"lazy\" src=\"https:\/\/radformation.com\/images\/OptiPlan\/UI_OptiPlan_SM.avif\"\/><figcaption>Imagen p\u00fablica de la p\u00e1gina OptiPlan de Radformation, usada para ilustrar automatizaci\u00f3n VMAT. Fuente: <a href=\"https:\/\/radformation.com\/optiplan\/optiplan\" rel=\"noopener\" target=\"_blank\">https:\/\/radformation.com\/optiplan\/optiplan<\/a><\/figcaption><\/figure>\n<p>Por eso, la comparaci\u00f3n correcta es operativa: OptiPlan aborda iteraci\u00f3n manual y variabilidad; MVision Dose+ y RayStation deep learning planning se acercan m\u00e1s a la idea espec\u00edfica de predecir una distribuci\u00f3n de dosis para guiar la planificaci\u00f3n.<\/p>\n<h2>D\u00f3nde sigue siendo central el f\u00edsico m\u00e9dico<\/h2>\n<ul>\n<li>Definir el uso previsto: triaje, dosis de referencia, objetivo de optimizaci\u00f3n, preplanificaci\u00f3n o apoyo a revisi\u00f3n.<\/li>\n<li>Separar dosis predicha, plan optimizado y c\u00e1lculo final aprobado.<\/li>\n<li>Conectar la adopci\u00f3n al proceso de <a href=\"https:\/\/rtmedical.com.br\/es\/commissioning-qa-comparacion-algoritmos-dosis\/\">commissioning y QA<\/a>.<\/li>\n<li>Usar m\u00e9tricas cl\u00ednicas y de peor caso, no solo gamma promedio. El checklist detallado est\u00e1 en <a href=\"https:\/\/rtmedical.com.br\/es\/validar-dosis-predicha-ia-qa-comisionamiento\/\">c\u00f3mo validar dosis predicha por IA<\/a>.<\/li>\n<\/ul>\n<h2>FAQ<\/h2>\n<h3>\u00bfLa dosis predicha por IA sustituye Monte Carlo?<\/h3>\n<p>No como regla general. Puede acelerar decisiones de planificaci\u00f3n, pero la equivalencia cl\u00ednica debe demostrarse para el uso previsto. El c\u00e1lculo f\u00edsico, las verificaciones independientes y la validaci\u00f3n local siguen siendo barreras de seguridad.<\/p>\n<h3>\u00bfMVision Dose+ y RayStation hacen lo mismo?<\/h3>\n<p>Ambos usan predicci\u00f3n de dosis, pero la integraci\u00f3n es diferente. Dose+ se presenta como software que exporta una distribuci\u00f3n DICOM al TPS; RayStation integra la dosis predicha en su entorno de planificaci\u00f3n para mimic optimization.<\/p>\n<h3>\u00bfOptiPlan es predicci\u00f3n de dosis por IA?<\/h3>\n<p>Con base en el material p\u00fablico revisado, esa no es la descripci\u00f3n correcta. Es mejor describirlo como automatizaci\u00f3n VMAT guiada por objetivos y herramientas de optimizaci\u00f3n del TPS.<\/p>\n<section class=\"dose-ai-references\">\n<h2>Referencias<\/h2>\n<ol>\n<li>MVision AI Dose+. <a href=\"https:\/\/mvision.ai\/dose\/\" rel=\"noopener\" target=\"_blank\">https:\/\/mvision.ai\/dose\/<\/a><\/li>\n<li>Estudio NCCC Newcastle sobre Dose+. <a href=\"https:\/\/mvision.ai\/case-study-evaluating-ai-dose-prediction-across-standard-and-complex-prostate-cases-at-nccc-newcastle\/\" rel=\"noopener\" target=\"_blank\">https:\/\/mvision.ai\/case-study-evaluating-ai-dose-prediction-across-standard-and-complex-prostate-cases-at-nccc-newcastle\/<\/a><\/li>\n<li>RaySearch: Machine Learning in RayStation. <a href=\"https:\/\/www.raysearchlabs.com\/machine-learning-in-raystation\/\" rel=\"noopener\" target=\"_blank\">https:\/\/www.raysearchlabs.com\/machine-learning-in-raystation\/<\/a><\/li>\n<li>RaySearch white paper: Deep learning planning. <a href=\"https:\/\/www.raysearchlabs.com\/media\/publications\/white-papers\/deep-learning-planning\/\" rel=\"noopener\" target=\"_blank\">https:\/\/www.raysearchlabs.com\/media\/publications\/white-papers\/deep-learning-planning\/<\/a><\/li>\n<li>Radformation OptiPlan. <a href=\"https:\/\/radformation.com\/optiplan\/optiplan\" rel=\"noopener\" target=\"_blank\">https:\/\/radformation.com\/optiplan\/optiplan<\/a><\/li>\n<li>Webinar Radformation: Introducing OptiPlan. <a href=\"https:\/\/resources.radformation.com\/webinar-introducing-optiplan-automated-vmat-planning\" rel=\"noopener\" target=\"_blank\">https:\/\/resources.radformation.com\/webinar-introducing-optiplan-automated-vmat-planning<\/a><\/li>\n<\/ol>\n<\/section>\n<aside aria-label=\"AI dose prediction series\" class=\"dose-ai-series\">\n<h2>Serie: dosis predicha por IA<\/h2>\n<ul>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/ia-calculo-dosis-radioterapia-monte-carlo\/\">Hub: IA en c\u00e1lculo de dosis<\/a><\/li>\n<li><strong>MVision, RayStation y OptiPlan<\/strong><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/doserad2026-monte-carlo-calculo-dosis-ia\/\">DoseRAD2026 y Monte Carlo<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/validar-dosis-predicha-ia-qa-comisionamiento\/\">Validaci\u00f3n, QA y comisionamiento<\/a><\/li>\n<\/ul>\n<\/aside>\n<aside aria-label=\"Mapa de algoritmos de c\u00e1lculo de dosis\" class=\"dose-cluster-nav\">\n<h2>Mapa de algoritmos de c\u00e1lculo de dosis<\/h2>\n<h3>M\u00e9todos y algoritmos<\/h3>\n<ul>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/calculo-dosis-fotones-algoritmos\/\">Gu\u00eda completa<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/metodos-empiricos-calculo-dosis\/\">M\u00e9todos emp\u00edricos y Batho<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/superposicion-clarkson-terma-dosis\/\">Clarkson, superposici\u00f3n y TERMA<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/pencil-beam-radioterapia-limitaciones\/\">Pencil Beam<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/collapsed-cone-convolution-kernels\/\">Collapsed Cone<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/aaa-algoritmo-eclipse-explicado\/\">AAA<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/acuros-xb-lbte-calculo-dosis\/\">Acuros XB<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/dosis-al-medio-vs-dosis-al-agua-radioterapia\/\">Dosis al medio vs dosis al agua<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/monte-carlo-radioterapia-guia-completa\/\">Monte Carlo<\/a><\/li>\n<\/ul>\n<h3>Aplicaciones avanzadas<\/h3>\n<ul>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/monaco-gpumcd-dosis-al-medio-dosis-al-agua\/\">Monaco y GPUMCD<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/algoritmos-dosis-electrones-pencil-beam-emc-monte-carlo\/\">Algoritmos para electrones<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/protones-pencil-beam-vs-monte-carlo-calculo-dosis\/\">Protones: Pencil Beam vs Monte Carlo<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/mr-linac-campo-magnetico-calculo-dosis-monte-carlo\/\">C\u00e1lculo de dosis en MR-Linac<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/radioterapia-adaptativa-recalculo-dosis-cbct-ct-sintetica\/\">Rec\u00e1lculo adaptativo en CBCT y CT sint\u00e9tica<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/ia-calculo-dosis-radioterapia-monte-carlo\/\">IA en c\u00e1lculo de dosis<\/a><\/li>\n<li><a href=\"https:\/\/rtmedical.com.br\/es\/commissioning-qa-comparacion-algoritmos-dosis\/\">Commissioning y QA<\/a><\/li>\n<\/ul>\n<\/aside>\n","protected":false},"excerpt":{"rendered":"<p>Comparaci\u00f3n t\u00e9cnica entre predicci\u00f3n de dosis para planificaci\u00f3n, deep learning planning y automatizaci\u00f3n VMAT, con enlaces a MVision Dose+, RayStation y OptiPlan.<\/p>\n","protected":false},"author":1,"featured_media":18284,"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":[182,231],"tags":[],"class_list":{"0":"post-18295","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-radioterapia-es","8":"category-software-es"},"aioseo_notices":[],"rt_seo":{"title":"Dosis Predicha por IA: MVision Dose+, RayStation y OptiPlan","description":"Entienda la dosis predicha por IA en radioterapia y compare MVision Dose+, RayStation deep learning planning y OptiPlan sin mezclar c\u00e1lculo, predicci\u00f3n y optimizaci\u00f3n.","canonical":"https:\/\/rtmedical.com.br\/es\/dosis-predicha-ia-mvision-raystation-optiplan\/","og_image":"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/06\/ai-dose-prediction-workflow.jpg","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"Gu\u00eda t\u00e9cnica","llms_summary":"Comparaci\u00f3n t\u00e9cnica entre predicci\u00f3n de dosis para planificaci\u00f3n, deep learning planning y automatizaci\u00f3n VMAT, con enlaces a MVision Dose+, RayStation y OptiPlan.","faq_items":[{"q":"\u00bfLa dosis predicha por IA sustituye Monte Carlo?","a":"No como regla general. Puede acelerar decisiones de planificaci\u00f3n, pero la equivalencia cl\u00ednica debe demostrarse para el uso previsto."},{"q":"\u00bfMVision Dose+ y RayStation hacen lo mismo?","a":"Ambos usan predicci\u00f3n de dosis, pero la integraci\u00f3n difiere: Dose+ exporta una distribuci\u00f3n DICOM al TPS; RayStation usa la dosis predicha en su propio entorno para mimic optimization."},{"q":"\u00bfOptiPlan es predicci\u00f3n de dosis por IA?","a":"Con base en el material p\u00fablico revisado, es mejor describirlo como automatizaci\u00f3n VMAT guiada por objetivos y herramientas nativas del TPS."}],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/18295\/"}],"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=18295"}],"version-history":[{"count":1,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/18295\/revisions\/"}],"predecessor-version":[{"id":18297,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/18295\/revisions\/18297\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/18284\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=18295"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=18295"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=18295"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}