{"id":18300,"date":"2026-06-15T19:21:11","date_gmt":"2026-06-15T22:21:11","guid":{"rendered":"https:\/\/rtmedical.com.br\/tmp-es-1781562071043\/"},"modified":"2026-06-15T19:25:56","modified_gmt":"2026-06-15T22:25:56","slug":"doserad2026-monte-carlo-calculo-dosis-ia","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/doserad2026-monte-carlo-calculo-dosis-ia\/","title":{"rendered":"DoseRAD2026: Monte Carlo como Referencia para C\u00e1lculo de Dosis por IA"},"content":{"rendered":"<p><a href=\"https:\/\/doserad2026.grand-challenge.org\/\" rel=\"noopener\" target=\"_blank\">DoseRAD2026<\/a> es importante porque convierte el c\u00e1lculo de dosis por IA en un benchmark medible: dado un volumen CT o MRI y par\u00e1metros de un haz, el algoritmo debe producir una distribuci\u00f3n 3D de dosis por haz.<\/p>\n<p>La referencia no es una preferencia subjetiva de planificaci\u00f3n. El dataset proporciona dosis de referencia Monte Carlo, permitiendo evaluar velocidad y error en tareas con fotones y protones.<\/p>\n<figure class=\"wp-block-image size-large dose-algorithm-infographic\"><img alt=\"Benchmark DoseRAD2026 con CT, MRI, fotones, protones y dosis de referencia Monte Carlo\" decoding=\"async\" data-src=\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/06\/doserad2026-monte-carlo-benchmark.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<figure class=\"wp-block-image size-large dose-source-figure\"><img alt=\"Banner p\u00fablico de la competencia DoseRAD2026\" decoding=\"async\" data-src=\"https:\/\/public.grand-challenge-user-content.org\/b\/838\/Banner2x_koQAIYM.png\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" class=\"lazyload\" \/><figcaption>Banner p\u00fablico de la competencia DoseRAD2026 en Grand Challenge. Fuente: <a href=\"https:\/\/doserad2026.grand-challenge.org\/\" rel=\"noopener\" target=\"_blank\">https:\/\/doserad2026.grand-challenge.org\/<\/a><\/figcaption><\/figure>\n<h2>Qu\u00e9 pide la competencia<\/h2>\n<ul>\n<li>Dosis de fotones en CT, relevante para VMAT y planificaci\u00f3n convencional.<\/li>\n<li>Dosis de fotones en MRI, relevante para MR-Linac y radioterapia adaptativa online.<\/li>\n<li>Dosis de protones en CT, donde el error de alcance puede cambiar la interpretaci\u00f3n cl\u00ednica.<\/li>\n<li>Dosis de protones en MRI, conectando flujos MRI-only e investigaci\u00f3n en protonterapia guiada por MRI.<\/li>\n<\/ul>\n<p>Cada tarea recibe imagen 3D y especificaci\u00f3n del haz. En fotones, los haces son segmentos tipo VMAT con MLC, gantry e isocentro. En protones, los haces son spots de pencil beam con posici\u00f3n, energ\u00eda y geometr\u00eda.<\/p>\n<h2>Por qu\u00e9 Monte Carlo es el ground truth<\/h2>\n<p>El art\u00edculo de <a href=\"https:\/\/rtmedical.com.br\/es\/monte-carlo-radioterapia-guia-completa\/\">Monte Carlo en radioterapia<\/a> explica la f\u00edsica: MC modela transporte de part\u00edculas con alta fidelidad, pero el costo computacional limita flujos que necesitan respuesta casi en tiempo real. DoseRAD2026 usa MC como referencia para probar si m\u00e9todos r\u00e1pidos aproximan esa f\u00edsica con error aceptable.<\/p>\n<p>Eso no significa que todo modelo entrenado contra MC est\u00e9 aprobado cl\u00ednicamente. Significa que el objetivo de evaluaci\u00f3n es m\u00e1s fuerte que comparar solo contra planes aprobados por humanos o contra un TPS anal\u00edtico espec\u00edfico.<\/p>\n<h2>Dataset y escala<\/h2>\n<figure class=\"wp-block-table\">\n<table>\n<thead>\n<tr>\n<th>Dimensi\u00f3n<\/th>\n<th>Descripci\u00f3n<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Pacientes<\/td>\n<td>122 casos tor\u00e1cicos y abdominales con CT y MRI alineados espacialmente<\/td>\n<\/tr>\n<tr>\n<td>Entrenamiento<\/td>\n<td>75 pacientes liberados en abril de 2026<\/td>\n<\/tr>\n<tr>\n<td>Prueba<\/td>\n<td>40 pacientes privados hasta marzo de 2030 y 7 externos privados<\/td>\n<\/tr>\n<tr>\n<td>Fotones<\/td>\n<td>40.500 segmentos de haz en entrenamiento<\/td>\n<\/tr>\n<tr>\n<td>Protones<\/td>\n<td>81.000 beamlets en entrenamiento<\/td>\n<\/tr>\n<tr>\n<td>Referencia<\/td>\n<td>Dosis Monte Carlo Geant4 por haz, reportada como dose-to-medium en Gy<\/td>\n<\/tr>\n<tr>\n<td>Licencia<\/td>\n<td>CC BY-NC 4.0 para investigaci\u00f3n y educaci\u00f3n, no comercial<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n<h2>M\u00e9tricas que importan<\/h2>\n<p>La p\u00e1gina de <a href=\"https:\/\/doserad2026.grand-challenge.org\/metrics-and-ranking\/\" rel=\"noopener\" target=\"_blank\">m\u00e9tricas<\/a> separa evaluaci\u00f3n por haz y por plan. Por haz usa MAE enmascarado en la regi\u00f3n de alta dosis y distancia de curva IDD. Por plan usa MAE estratificado, gamma local 3D de 1%\/1 mm y score cl\u00ednico basado en DVH.<\/p>\n<p>La restricci\u00f3n m\u00e1s relevante es el tiempo. El desaf\u00edo impone media inferior a 1 segundo por haz, incluyendo carga e inicializaci\u00f3n, en una instancia AWS g5. Eso obliga a equilibrar exactitud y velocidad.<\/p>\n<h2>Qu\u00e9 cambia para la cl\u00ednica<\/h2>\n<ul>\n<li>Separa investigaci\u00f3n de dosis r\u00e1pida de herramientas comerciales de <a href=\"https:\/\/rtmedical.com.br\/es\/dosis-predicha-ia-mvision-raystation-optiplan\/\">planificaci\u00f3n asistida por IA<\/a>.<\/li>\n<li>Conecta con <a href=\"https:\/\/rtmedical.com.br\/es\/radioterapia-adaptativa-recalculo-dosis-cbct-ct-sintetica\/\">rec\u00e1lculo adaptativo en CBCT y CT sint\u00e9tica<\/a>, donde tiempo e incertidumbre son decisivos.<\/li>\n<li>Expone la diferencia entre predecir dosis por beamlet\/segmento y producir un plan cl\u00ednico aprobable.<\/li>\n<li>Refuerza que <a href=\"https:\/\/rtmedical.com.br\/es\/validar-dosis-predicha-ia-qa-comisionamiento\/\">validaci\u00f3n y QA<\/a> deben evaluar anatom\u00eda, geometr\u00eda del haz, materiales, tiempo y DVH.<\/li>\n<\/ul>\n<h2>Riesgo de interpretaci\u00f3n<\/h2>\n<p>DoseRAD2026 es un benchmark, no una autorizaci\u00f3n cl\u00ednica. Incluye modelos simplificados, datos privados de prueba y reglas de env\u00edo propias. Un m\u00e9todo ganador puede ser prometedor y aun as\u00ed requerir ingenier\u00eda, regulaci\u00f3n, ciberseguridad, integraci\u00f3n DICOM y validaci\u00f3n local antes de usarse en pacientes.<\/p>\n<h2>FAQ<\/h2>\n<h3>\u00bfDoseRAD2026 usa datos Monte Carlo para entrenamiento?<\/h3>\n<p>S\u00ed. Para cada haz o beamlet, el dataset proporciona una distribuci\u00f3n de dosis de referencia Monte Carlo, junto con CT, MRI y archivos de configuraci\u00f3n del haz.<\/p>\n<h3>\u00bfLa competencia eval\u00faa planes completos?<\/h3>\n<p>Los participantes env\u00edan mapas de dosis por haz; la evaluaci\u00f3n tambi\u00e9n reconstruye planes completos con pesos cl\u00ednicos para calcular MAE, gamma y m\u00e9tricas DVH.<\/p>\n<h3>\u00bfPor qu\u00e9 hay tareas en MRI?<\/h3>\n<p>MRI no proporciona densidad electr\u00f3nica directamente. Eso crea un problema de c\u00e1lculo de dosis para flujos MRI-only, MR-Linac y adaptativos que deben inferir o compensar la informaci\u00f3n de material.<\/p>\n<section class=\"dose-ai-references\">\n<h2>Referencias<\/h2>\n<ol>\n<li>DoseRAD2026 Grand Challenge. <a href=\"https:\/\/doserad2026.grand-challenge.org\/\" rel=\"noopener\" target=\"_blank\">https:\/\/doserad2026.grand-challenge.org\/<\/a><\/li>\n<li>Dataset DoseRAD2026. <a href=\"https:\/\/doserad2026.grand-challenge.org\/data\/\" rel=\"noopener\" target=\"_blank\">https:\/\/doserad2026.grand-challenge.org\/data\/<\/a><\/li>\n<li>M\u00e9tricas y ranking DoseRAD2026. <a href=\"https:\/\/doserad2026.grand-challenge.org\/metrics-and-ranking\/\" rel=\"noopener\" target=\"_blank\">https:\/\/doserad2026.grand-challenge.org\/metrics-and-ranking\/<\/a><\/li>\n<li>Reglas DoseRAD2026. <a href=\"https:\/\/doserad2026.grand-challenge.org\/timeline-and-rules\/\" rel=\"noopener\" target=\"_blank\">https:\/\/doserad2026.grand-challenge.org\/timeline-and-rules\/<\/a><\/li>\n<li>Dataset DoseRAD2026 en Hugging Face. <a href=\"https:\/\/huggingface.co\/datasets\/LMUK-RADONC-PHYS-RES\/DoseRAD2026\" rel=\"noopener\" target=\"_blank\">https:\/\/huggingface.co\/datasets\/LMUK-RADONC-PHYS-RES\/DoseRAD2026<\/a><\/li>\n<li>DOI Zenodo DoseRAD2026. <a href=\"https:\/\/doi.org\/10.5281\/zenodo.19347848\" rel=\"noopener\" target=\"_blank\">https:\/\/doi.org\/10.5281\/zenodo.19347848<\/a><\/li>\n<li>Art\u00edculo del dataset DoseRAD2026. <a href=\"https:\/\/doi.org\/10.48550\/arXiv.2604.12778\" rel=\"noopener\" target=\"_blank\">https:\/\/doi.org\/10.48550\/arXiv.2604.12778<\/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><a href=\"https:\/\/rtmedical.com.br\/es\/dosis-predicha-ia-mvision-raystation-optiplan\/\">MVision, RayStation y OptiPlan<\/a><\/li>\n<li><strong>DoseRAD2026 y Monte Carlo<\/strong><\/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>Lo que la competencia DoseRAD2026 ense\u00f1a sobre modelos r\u00e1pidos de dosis entrenados y evaluados contra simulaciones Monte Carlo.<\/p>\n","protected":false},"author":1,"featured_media":18287,"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-18300","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":"DoseRAD2026: Monte Carlo como Referencia para C\u00e1lculo de Dos","description":"DoseRAD2026 usa CT, MRI, fotones, protones y dosis Monte Carlo para evaluar el c\u00e1lculo r\u00e1pido de dosis por IA en radioterapia.","canonical":"https:\/\/rtmedical.com.br\/es\/doserad2026-monte-carlo-calculo-dosis-ia\/","og_image":"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/06\/doserad2026-monte-carlo-benchmark.jpg","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"Gu\u00eda t\u00e9cnica","llms_summary":"Lo que la competencia DoseRAD2026 ense\u00f1a sobre modelos r\u00e1pidos de dosis entrenados y evaluados contra simulaciones Monte Carlo.","faq_items":[{"q":"\u00bfDoseRAD2026 usa datos Monte Carlo para entrenamiento?","a":"S\u00ed. El dataset proporciona dosis de referencia Monte Carlo por haz o beamlet, junto con CT, MRI y configuraci\u00f3n del haz."},{"q":"\u00bfLa competencia eval\u00faa planes completos?","a":"Los participantes env\u00edan mapas por haz; la evaluaci\u00f3n reconstruye planes completos con pesos cl\u00ednicos para medir MAE, gamma y DVH."},{"q":"\u00bfPor qu\u00e9 hay tareas en MRI?","a":"MRI no proporciona densidad electr\u00f3nica directamente, creando un problema para MRI-only, MR-Linac y flujos adaptativos."}],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/18300\/"}],"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=18300"}],"version-history":[{"count":1,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/18300\/revisions\/"}],"predecessor-version":[{"id":18302,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/18300\/revisions\/18302\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/18287\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=18300"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=18300"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=18300"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}