La radioterapia del cáncer de próstata exige calcular con precisión la dosis de radiación en cada punto del cuerpo. El método clásico de Monte Carlo simula millones de partículas y tarda horas, pero para adaptar el plan a los cambios anatómicos diarios se necesitan segundos. La nueva red neuronal Energy-Shifting aprende con haces simples de un solo color y entrega al instante la dosis para la radiación compleja real, como un intérprete que escucha cada palabra y transmite el significado a otro idioma en un instante.
La arquitectura TransUNetSE3D combina bloques de atención (Transformer) y módulos adaptativos de compresión-excitación para captar conexiones globales y detalles importantes. Entrenada con texturas anatómicas y similitudes entre haces, la red alcanza una precisión superior al 98% (criterio gamma 3%/3 mm) en datos del acelerador lineal TrueBeam de 6 MV. Esto abre el camino al cálculo de dosis en tiempo real, directamente en la sala de procedimientos.
tal como lo escribieron los autores, en inglés arXiv:2604.09157
We introduce a novel learning framework for accelerated Monte Carlo (MC) dose calculation termed Energy-Shifting. This approach leverages deep learning to synthesize highly complex polyenergetic dose distributions directly from simple monoenergetic inputs under identical beam configurations. Unlike conventional denoising techniques, which rely on noisy low-count dose maps that compromise beam profile integrity, our method achieves superior cross-domain generalization on unseen datasets by integrating high-fidelity anatomical textures and source-specific beam similarity into the model's input space. Furthermore, we propose a novel 3D architecture termed TransUNetSE3D, featuring Transformer blocks for global context and Residual Squeeze-and-Excitation (SE) modules for adaptive channel-wise feature recalibration. Hierarchical representations of these blocks are fused into the network's latent space alongside the primary dose-map parameters, allowing physics-aware reconstruction. This hybrid design outperforms existing UNet and Transformer-based benchmarks in both spatial precision and structural preservation, while maintaining the execution speed necessary for real-time use. Our proposed pipeline achieves a Gamma Passing Rate exceeding 98% (3%/3mm) compared to the MC reference, evaluated within the framework of a treatment planning system (TPS) using 6MV TrueBeam Lineac Accelerator (LINAC) for prostate radiotherapy. These results offer a robust solution for fast volumetric dosimetry in adaptive radiotherapy.
El criterio gamma 3%/3 mm significa que en el 98% de los puntos, la dosis calculada difiere de la de referencia en no más del 3%, o el punto está desplazado no más de 3 mm.