Modulación de electrones para tumores superficiales

Modulación de haces de electrones
para el tratamiento de tumores

superficiales mediante planificación
Monte Carlo
Memoria presentada para optar al grado de Doctor

por
Francisco Javier Salguero Castaño
Departamento de Fisiologı́a Médica y Biofı́sica
Universidad de Sevilla
”En el arte, nada que merezca la pena se puede hacer
sin genio; en ciencia, incluso una capacidad muy
modesta puede contribuir a un logro supremo“
Bertrand Russell (1872-1970)
Francisco Javier Salguero Castaño III

Francisco Javier Salguero Castaño IV
Agradecimientos
A lo largo del tiempo que ha transcurrido desde que empecé a realizar

este trabajo, mucha gente me ha influido y ayudado, tanto a nivel profe-
sional y académico como personal. Todas han dejado una huella, tanto en
esta tesis como en mı́, y por ello quiero expresarles mi más sincero agrade-
cimiento.
En primer lugar, debo agradecer a Paco Sánchez y Antonio Leal la opor-

tunidad que me brindaron hace ya algunos años de entrar en el mundo de
la investigación, depositando una confianza en mı́ que espero no haber de-
fraudado y preocupándose por mı́ más de lo que se les podrı́a haber pedido.
A este último le agradezco además, su esfuerzo lidiando ocn paciencia con
un doctorando un poco cabezota.
Al Departamento de Fisiologı́a Médica y Biofı́sica y a todos sus miembros les

agradezco la acogida que han tenido conmigo y el apoyo, tanto institucional
como personal que me han brindado.
Ha sido inestimable la ayuda y la contribución de Rafael Arráns y los

demás miembros del Servicio de Radiofı́sica del Hospital Universitario Virgen
Macarena, y de Joan Roselló y Luis Brualla del Hospital General de Valencia,
que además han sido unos anfitriones inmejorables cuando Antonio y yo
hemos ido a realizar medidas a Valencia.
También quiero mencionar a todos los que han sido mis compañeros en
el Grupo de Fı́sica Médica y han compartido conmigo trabajo, alegrı́as y di-
V
ficultades: Rafa, Eli, Ignacio, Thierry y Bianey, nuestro último fichaje.
En el terreno más personal, ha sido fundamental el apoyo de mis padres,

Jose y Tere, de mi novia, Marı́a, y de sus padres y hermana, Pablo, Enriqueta
e Irene, que se han convertido en una segunda familia para mı́.
Francisco Javier Salguero Castaño VI

Los resultados y metodologı́a empleados en este trabajo han dado lugar
a las siguientes publicaciones y contribuciones a congresos:
Salguero Castaño, F.J., Leal Plaza, A., Arrans Lara, R., Sanchez-Doblado,
F., Garcia Montaño, E. (2006), ’Collimation features study for modulated
electron radiotherapy planned by Monte Carlo.’, European Workshop Group
on Monte Carlo Treatment Planning Programme and Abstact Book 1.
Lagares Gonzalez, J.I., Leal Plaza, A., Sanchez-Doblado, F., Paiusco, M.,
Cagni, E., Garcia Montaño, E., Arrans Lara, R., Salguero Castaño, F.J.(2006),
’Leaf sequence reduction algorithm for dynamic IMRT analyzed by Monte
Carlo.’, European Workshop Group on Monte Carlo Treatment Planning Program-
me and Abstact Book 1.
Linares Doblado, R., Sánchez-Doblado, F., Heath, E., Salguero Castaño, F.J.,
Lagares González, J.I., Capote Noy, R., Tacke, M., Amies, C., Steiner, A.,
Hristov, D. (2006),’Leakage evaluation of a Siemens MLC prototype by means
of a new CM for BEAMnrc Monte Carlo simulations: SMLC.’, IOMP Procee-
dings WC2006.
Salguero Castaño, F.J., Sánchez-Doblado, F., Leal Plaza, A., Arrans La-
ra, R., Lagares González, J.I., Capote Noy, R., Leidenberger, S., Szegedy, M.
(2005),’Characterization of a new target in a Siemens Primus linac by means
of Monte Carlo simulation.’, Rad Oncol 76, S150-S150.
Salguero Castaño, F.J., Sánchez-Doblado, F., Leal Plaza, A., Linares Do-
blado, R., Arrans Lara, R., Leidenberger, S., Schulze, C., Szegedy, M., Tacke,
M. (2005),’Monte Carlo study on double-focoused leaf end influence in pho-
ton leakage.’, Rad Oncol 76, S44-S44.
blado, R., Arrans Lara, R., Leidenberger, S., Schulze, C., Szegedy, M., Tacke,
M. (2005),’Leakage evaluation as a function of the tip angle for a non ton-
Francisco Javier Salguero Castaño VII

gue and groove multileaf collimator using Monte Carlo simulation.’, Rad
Oncol 76, S150-S150.
Salguero Castaño, F.J., Sánchez-Doblado, F., Linares Doblado, Leal Pla-

za, A., R., Arrans Lara, R., Lagares González, J.I., Capote Noy, R., Leiden-
berger, S., Schulze, C., Szegedy, M., Tacke, M. (2005),’Determination of the
most probable ways followed by photons in a 6MV Siemen Primus linac.’,
Rad Oncol 76, S150-S151.
blado, R., Hermoso Espinosa, E., Arrans Lara, R., Lagares González, J.I.,
Boule, T.P., Leidenberger, S., Schulze, C., Szegedy, M., Tacke, M. (2005),’So-
me influencing factors of a MLC analyzed by EGSnrc Monte Carlo code.’,
Rad Oncol 76, S151-S151.
Linares Doblado, R., Sánchez-Doblado, F., Heath, E., Salguero Castaño, F.J.,
Lagares González, J.I., Arrans Lara, Leidenberger, S., Schulze, C., Szegedy,
M., Tacke, M. (2005),’Development of new features for multileaf collimator
component modules in BEAMnrc.’, Rad Oncol 76, S151-S151.
Francisco Javier Salguero Castaño VIII

Índice general
Agradecimientos V
1. Introducción 1
1.1. Radioterapia con intensidad modulada . . . . . . . . . . . . . . . . . 3
1.2. Tratamiento de lesiones superficiales . . . . . . . . . . . . . . . . . . . 5
1.2.1. Localizaciones y variaciones morfológicas . . . . . . . . . . . 6
1.2.2. Bolus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.3. Inserciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.4. Sobreimpresiones . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.5. IMRT. Dificultades . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3. Planificación de tratamientos . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.1. Planificación inversa y directa . . . . . . . . . . . . . . . . . . 17
1.3.2. Optimización y secuenciación . . . . . . . . . . . . . . . . . . . 19
1.3.3. Algoritmos de cálculo de dosis . . . . . . . . . . . . . . . . . . 24
1.4. Modulación de haces de electrones . . . . . . . . . . . . . . . . . . . . 28
1.4.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.4.2. Aproximaciones a un sistema automatizado . . . . . . . . . . 32
1.5. Sistema de planificación basado en Monte Carlo . . . . . . . . . . . . 33
1.5.1. Método de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . 34
1.5.2. Planificación Monte Carlo en la práctica clı́nica . . . . . . . . . 37
1.6. Hipótesis y objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2. Material y método 45
2.1. Aceleradores y sistemas de colimación . . . . . . . . . . . . . . . . . . 45
2.1.1. Configuración para el uso de haces modulados de electrones . 46
2.2. Dosimetrı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.3. Simulación Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.3.1. Código EGSnrc/BEAMnrc . . . . . . . . . . . . . . . . . . . . 53
2.3.2. Simulación y modelado de los aceleradores . . . . . . . . . . . 56
2.3.3. Dosimetrı́a en condiciones estándar . . . . . . . . . . . . . . . 57
2.3.4. Dosimetrı́a y evaluación en condiciones MERT . . . . . . . . . 60
2.3.5. Dosimetrı́a clı́nica . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.3.6. Verificación experimental del procedimiento . . . . . . . . . . 74
IX
ÍNDICE GENERAL
2.4. Planificación Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . 77

2.4.1. Coeficientes de deposición de dosis . . . . . . . . . . . . . . . 79
2.4.2. Optimización de fluencias . . . . . . . . . . . . . . . . . . . . . 83
2.4.3. Secuenciación especı́fica de electrones . . . . . . . . . . . . . . 84
2.4.4. Cálculo de unidades monitor . . . . . . . . . . . . . . . . . . . 87
2.5. Casos clı́nicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
2.5.1. Paredes costales . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
2.5.2. Mamas no mastectomizadas . . . . . . . . . . . . . . . . . . . 93
2.5.3. Cabeza y cuello . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3. Resultados 97
3.1. Verificación experimental . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.2. Casos clı́nicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.2.1. Paredes costales . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.2.2. Mamas no mastectomizadas . . . . . . . . . . . . . . . . . . . 122
3.2.3. Cabeza y cuello . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
4. Discusión 141
5. Conclusiones 151
Bibliografı́a 152
Apéndices 173
I. Glosario 173
II. Script de conversión de estructuras de DICOM a MCTP 177
III.Modificaciones realizadas al código DOSXYZnrc: BEAMDOSE 181

III.1. Fichero .input de ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . 182
III.2. Fichero blc de ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
IV. Código fuente del secuenciador para electrones 187

IV.1. Input de ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
IV.2. Listado de sequencer.cpp . . . . . . . . . . . . . . . . . . . . . . . . . . 189
Francisco Javier Salguero Castaño X

1.Introducción
A pesar de los constantes avances médicos y cientı́ficos que se han pro-

ducido en las últimas décadas, el cáncer sigue siendo uno de los grandes
problemas sanitarios mundiales en la actualidad. En el año 2002 se diag-
nosticaron casi once millones de nuevos casos en el mundo, y más de seis
millones y medio de personas murieron por esta enfermedad (Parkin et al.
2005, Kamangar et al. 2006). Sólo en Europa, entre 1993 y 2001 se registra-
ron cada año, por cada 100000 habitantes, 180,8 muertes en hombres y 103,6
fallecimientos en mujeres a causa de esta enfermedad.
El principal motivo del aumento de casos de cáncer es, entre otros, el

progresivo envejecimiento de la población, ya que las probabilidades de su-
frir algún tipo de tumor aumentan de forma considerable con la edad. Por
esta razón, la incidencia es mayor en los paı́ses desarrollados, donde la po-
blación está más envejecida. El cáncer es, de hecho, una de las pocas enfer-
medades que tiene una mayor prevalencia en los paı́ses del primer mundo
que en los paı́ses en vı́as de desarrollo o subdesarrollados. Sin embargo, a
pesar de la capacidad de estos paı́ses para invertir en investigación, los me-
canismos que conducen a desarrollar esta enfermedad todavı́a no son bien
entendidos y la eficacia de los diferentes tipos de tratamientos es todavı́a
muy mejorable.
Las tres herramientas contra el cáncer más extendidas actualmente son

la cirugı́a, la quimioterapia y la radioterapia, bien utilizadas de forma aisla-
da o en combinación. En el caso de la radioterapia, las radiaciones ionizan-
tes dañan o matan a las células mediante la alteración de las moléculas de
1
CAPÍTULO 1. INTRODUCCIÓN
ADN o dañando partes vitales de la célula (daño directo), o desencadenan-

do reacciones quı́micas que generan radicales libres (daño indirecto). Los
efectos indirectos causan aproximadamente dos tercios del daño produci-
do por partı́culas de baja LET, como electrones y fotones. La principal de
las reacciones tóxicas que produce la radiación ionizante es la radiólisis del
agua, por la que se descomponen las moléculas de agua en iones H + y OH −
que son muy reactivos y atacan al resto de moléculas presentes en la célula.
Aunque los tejidos tumorales suelen ser más radiosensibles, las radiaciones
ionizantes son también muy dañinas para los tejidos sanos, por lo que el uso
de la radiación para tratar tumores queda limitado por la capacidad que se
tenga de proteger los tejidos sanos.
En los tratamientos de teleterapia, la fuente de radiación se encuentra

a cierta distancia del paciente. Esta fuente puede ser una unidad de 60 Co
(aunque están obsoletas y cada vez más tienden a ser sustituidas) o un ace-
lerador lineal (linac) de electrones.
En los aceleradores lineales, se generan pulsos de electrones en un klyns-

tron1 o un magnetrón. Estos pulsos son acelerados a lo largo de una guı́a
de ondas y, mediante un sistema deflector, son inyectados en la cabeza del
acelerador, bien para ser colimados directamente e irradiar al paciente con
un haz de electrones o bien para hacerlos incidir sobre un blanco de número
atómico elevado y producir ası́ un haz clı́nico de fotones.
Desde la aplicación de los primeros aceleradores lineales a la radiotera-

pia hasta la actualidad, las técnicas aplicadas se han ido haciendo cada vez
más sofisticadas, paralelamente a las posibilidades técnicas de conforma-
ción del haz de radiación y de blindaje de los tejidos sanos que han venido
desarrollado los fabricantes de estos aceleradores.
1 Aunque se ha intentado, dentro de lo posible, eliminar del texto todos los anglicismos,
en algunos casos se han conservado por claridad, dada la amplia aceptación de ciertos
términos técnicos.
Francisco Javier Salguero Castaño 2

1.1 Radioterapia con intensidad modulada

El desarrollo de los llamados tratamientos de intensidad modulada (In-
tensity Modulated Radiotherapy Treatments, IMRT) ha supuesto uno de los ma-
yores avances en radioterapia de los últimos cuarenta años. La idea básica
de la IMRT consiste en utilizar haces de fotones con una intensidad no ho-
mogénea. Al convertir la intensidad en un grado más de libertad durante la
planificación del tratamiento, se puede obtener una mayor conformación de
la distribución de la dosis. La intensidad inhomogénea del haz, en solitario
o en combinación con otras incidencias, se adapta a las diferentes densida-
des que debe atravesar produciendo que la dosis en el volumen tumoral sea
lo más homogénea posible.
Un hito que revolucionó, no sólo la radioterapia, sino toda la medicina

diagnóstica fue la invención, desarrollo y popularización de la tomografı́a
axial computerizada (TAC ó CT por sus siglas en inglés) (Cormack 1963,
Cormack 1964, Cormack 1973, Hounsfield 1973) que supuso en 1979 el Pre-
mio Nobel de Fisiologı́a y Medicina para sus principales desarrolladores,
Allan M. Cormack y Godfrey N. Hounsfield. Con este avance, fue posible
delimitar claramente y con precisión la localización de las zonas afectadas
por las lesiones tumorales y, además, las densidades electrónicas en el pa-
ciente, con lo que se hizo posible calcular de forma más precisa la dosis
depositada por los haces de radioterapia, y por tanto, de evaluar ’a priori’
la efectividad del tratamiento.
Una vez que fue posible determinar de forma clara y precisa las posi-
ciones y formas de los volúmenes a tratar (PTV, planning treatment volume)
y a evitar (OAR, organ at risk), los tratamientos radioterápicos fueron evo-
lucionando en complejidad, desde la planificación en 2D, siguiendo por la
conformación en 3D (basado en los datos proporcionados por la TAC) has-
ta, finalmente la IMRT. Las primeras propuestas de utilizar haces no ho-
mogéneos se publicaron a principios de los años 80 (Brahme et al. 1982).
Sin embargo, durante bastantes años, la idea permaneció en un plano rela-

tivamente teórico, a la espera de que se produjeran los adelantos técnicos

necesarios.
A medida que se fueron resolviendo los problemas matemáticos y compu-

tacionales que se planteaban (de los que se hablará más adelante), fue ha-
ciéndose evidente que esta técnica iba a requerir un número de segmentos
prohibitivo para los medios de colimación de la época, consistentes básica-
mente en bloques de blindaje cortados especı́ficamente para cada haz y para
cada paciente. Esta limitación fue finalmente superada gracias al desarrollo
del colimador multiláminas (MLC, multileaf collimator) (Galvin et al. 1992). El
uso de MLCs motorizados controlados por ordenador permitió finalmente
la aplicación de haces de intensidades no homogéneas mediante la super-
posición de diferentes segmentos dentro de un mismo haz. Estos haces se
pueden generar de dos maneras diferentes: de forma dinámica o de forma
estática.
En el caso de la IMRT dinámica, las láminas se mantienen en movimien-

to durante toda la irradiación. La modulación de la intensidad se consigue
regulando la velocidad del movimiento de las láminas; las zonas que per-
manezcan más tiempo abiertas serán las que presenten una mayor fluencia.
Aunque esta técnica está bastante extendida en la actualidad, ya que, al es-
tar irradiándose al paciente de forma continua, la radiación transmitida a
través del multiláminas puede llegar a ser significativamente alta. Por otro
lado, la llamada IMRT estática (del inglés step and shoot) (Boyer et al. 1991),
consiste en la superposición varios segmentos en cada ángulo de incidencia,
de forma que la suma de sus fluencias compone la distribución deseada. Es-
ta técnica implica una discretización en los niveles de intensidad pero, a
cambio, se reduce de forma significativa la radiación transmitida a través
de las láminas. A menos que se indique lo contrario, en adelante, cuando se
hable de IMRT, se referirá a la IMRT estática.
La dosimetrı́a fı́sica ha sido uno de los aspectos que ha tenido que evo-
lucionar para conseguir una implementación extensa de los tratamientos

de IMRT en la práctica clı́nica. Las medidas dosimétricas realizadas por los

radiofı́sicos hospitalarios se efectúan en condiciones estándar perfectamen-
te definidas en protocolos nacionales e internacionales. Sin embargo, para
los tratamientos de IMRT, el número de medidas aumenta de forma consi-
derable, ya que la mayor complejidad de estos tratamientos los hace más
sensibles a cualquier error. Además, la gran cantidad de campos, su for-
ma irregularidad y su frecuente situación fuera de eje hace que, normal-
mente, las condiciones de equilibrio electrónico (Westermark et al. 2000)
necesarias para una correcta medida no estén garantizadas al realizar las
mediciones descritas en los protocolos. A esto se le une el hecho de que
las predicciones que realizan los planificadores resultan menos fiables (co-
mo se discutirá más adelante). A raı́z de todo esto se han desarrollado sis-
temas de verificación de tratamientos basados en simulaciones informáti-
cas de Monte Carlo (Fippel & Nusslin 2001, Leal et al. 2003) para hallar
con mayor precisión y fiabilidad la dosis recibida por el paciente. Estos
cálculos de Monte Carlo han servido, ası́ mismo, para estudiar la respues-
ta de los diferentes sistemas de medición fuera de las condiciones de re-
ferencia (Sanchez-Doblado et al. 2003, Capote et al. 2004, Sanchez-Doblado
et al. 2005a, Sanchez-Doblado et al. 2005b, Pena et al. 2006, Sanchez-Doblado
et al. 2007, Alber et al. 2008, Gonzalez-Castano et al. 2008), alertando de nue-
vas incertidumbres asociadas a la IMRT.
A pesar de todas las dificultades que conlleva la aplicación de los trata-

mientos de intensidad modulada, su progresiva extensión a cada vez más
hospitales ha aumentado las posibilidades de curación de una parte impor-
tante de casos de cáncer, reduciendo al mismo tiempo los efectos secunda-
rios adversos implı́citos en el uso de radiaciones ionizantes (De Meerleer
et al. 2000, Graff et al. 2007).
1.2 Tratamiento de lesiones superficiales

Existe un amplio espectro de tumores y lesiones que, por su localización
cerca de la superficie, son susceptibles de ser tratados mediante electrones o

cualquier otra partı́cula cargada. La principal ventaja de utilizar electrones

en lugar de fotones es que un haz de electrones deposita la mayor parte de
su energı́a en un volumen de pocos centı́metros de profundidad (fig. 1.1),
con una brusca caı́da de la dosis más allá del rango práctico, sobre todo pa-
ra energı́as de menos de 25MeV. Esta caı́da hace a los electrones particular-
mente adecuados para tratar lesiones superficiales, preservando los tejidos
sanos que estén por debajo.
(a) (b)
Figura 1.1: Ejemplo de un PDD de un haz de electrones de 12MeV (a) y corte transversal
de la distribución de dosis de un campo cuadrado de la misma energı́a (b).
1.2.1 Localizaciones y variaciones morfológicas

Aunque cualquier tumor con una profundidad menor de 6 ó 7cm puede
ser considerado superficial y es susceptible de ser tratado con haces de elec-
trones, en este trabajo se va a hablar sobre tres grandes grupos, debido a su
especial incidencia sobre la población. El primero de ellos lo componen los
tumores de cabeza y cuello superficiales, que incluyen parótidas, tumores
naso-farı́ngeos, oı́do, lengua, etc. Los otros dos grupos son los tratamien-
tos de mama, y de pared costal, que aunque realmente son tratamientos del
mismo tipo de cáncer, el hecho de que la paciente haya sufrido o no una
mastectomı́a previa hace que la manera de tratarla con radioterapia sea di-

ferente en cada caso.
En el caso de cabeza y cuello, los tratamientos de parótida son los más

representativos. Los tumores de glándulas salivares son un conjunto muy
variado de neoplasias que presentan una incidencia en los paı́ses occiden-
tales de entre 2,5 y 3,0 casos por cada 100000 habitantes al año (Speight &
Barrett 2002), lo que representa el 0,5 % de todos los tumores malignos y el
5 % de los tumores en cabeza y cuello. Las glándulas parótidas son la locali-
zación más frecuente de este tipo (el 70 % del total). El tratamiento estándar
de los tumores de parótida consiste en la resección total o parcial (depen-
diendo del grado y extensión del tumor) seguido de radioterapia. La apli-
cación de radioterapia tras la cirugı́a es de gran importancia ya que puede
reducir en hasta un 60 % las probabilidades de recidiva (Pohar et al. 2005).
Sin embargo, los tratamientos de radioterapia en cabeza y cuello son

especialmente delicados y crı́ticos por dos factores fundamentales. El pri-
mero de ellos es debido a la abundancia de zonas con una alta densidad
(huesos) junto con volúmenes de baja densidad (cavidades aéreas), lo que
complica en buena medida los cálculos de deposición de dosis de los sis-
temas de planificación convencionales (Vanderstraeten et al. 2006, Carrasco
et al. 2007, Polednik et al. 2007). Las dosis predichas por los algoritmos de
cálculo convencionales son, en el mejor de los casos, de dudosa fiabilidad.
El segundo factor que complica los tratamientos de cabeza y cuello es la
complicada anatomı́a de la región, con gran cantidad de órganos y tejidos
cerca de los volúmenes a tratar, y cada uno de ellos con diferente sensibili-
dad a la radiación (Emami et al. 1991). En el caso concreto de los tumores
de parótida, las restricciones más importantes a los tratamientos de radiote-
rapia provienen del intento de reducir la irradiación de la médula espinal,
la mandı́bula, la glándula parótida contralateral, los cristalinos, las demás
glándulas salivares, la tráquea, las diferentes mucosas presentes en la región
y, en algunos casos, el tronco encefálico y la glándula tiroides, entre otros.
Esta complejidad anatómica hace que las técnicas más avanzadas, y por

tanto más complejas, sean casi imperativas a la hora de conseguir un buen

control tumoral sin llegar a niveles de toxicidad y efectos secundarios into-
lerables. En la mayor parte de los tumores en cabeza y cuello, la radioterapia
de intensidad modulada (IMRT) es imperativa en los centros hospitalarios
que disponen de ella, lográndose importantes mejoras con respecto a técni-
cas más simples, aunque se siguen investigando mejoras en dicha técnica
(Nutting et al. 2001, Bragg et al. 2002, Dogan et al. 2002).
La IMRT, sin embargo, presenta ciertas limitaciones que se se hacen pre-

sente especialmente en tumores superficiales, tales como los de parótida. Al
emplear fotones, cada haz irradia todos los tejidos que se encuentran en su
camino, a cualquier profundidad. Por ello, es necesario utilizar un elevado
número de incidencias, no menos de tres, y normalmente cinco o más (Bragg
et al. 2002). De esta manera, aunque la IMRT mejora de forma importante
la protección de los órganos y las estructuras sanas, la irradiación de éstas
es todavı́a muy elevada, y en tumores superficiales se recurre muchas ve-
ces a utilizar campos de electrones, bien en solitario, o en combinación con
fotones. El uso de haces de electrones presenta serios problemas en la actua-
lidad. En primer lugar, los problemas de planificación y de cálculo de dosis
de los planificadores mencionados anteriormente se multiplican, de forma
que la incertidumbre en las dosis recibidas es muy importante. Además, la
conformación de estos campos de electrones se realiza mediante bloques de
cerrobendTM cortados especı́ficamente para cada tratamiento, de forma que
la irradiación es cara, lenta y engorrosa y limita el número de segmentos a
utilizar a no más de tres o cuatro en la práctica clı́nica diaria.
En el caso de tumores nasofarı́ngeos o de oı́do, existe la complicación

añadida de que el propio PTV presenta una alta heterogeneidad de densida-
des fı́sicas, ya que puede incluir desde hueso hasta el aire del canal auditivo.
En el caso del cáncer de mama, la importancia de su incidencia sobre

la población es indiscutible, ya que sólo en Europa, se diagnosticaron en
2006 casi 430000 nuevos casos, casi el 30 % de los casos de cáncer en muje-

res (Ferlay et al. 2007). Desde el punto de vista de la radioterapia, el trata-

miento se plantea de forma diferente en función de si se ha practicado una
mastectomı́a radical previa o no. Cuando se ha practicado cirugı́a radical, la
función de la radioterapia es irradiar la pared costal, para eliminar posibles
restos de células cancerosas en el lecho del tumor extirpado, infiltraciones en
la pared costal o en los nódulos linfáticos. Debido a la extirpación previa del
pecho, el radiofı́sico se encuentra con una geometrı́a muy complicada. Nor-
malmente el PTV, además de ser muy superficial, presenta un rango muy
variable de profundidades, teniendo en algunos casos apenas un centı́metro
en la zona donde se ha extirpado mayor cantidad de tejido al mismo tiem-
po que otras zonas se extiende hasta varios centı́metros de profundidad. El
principal órgano de riesgo que es necesario evitar es el pulmón, que se en-
cuentra inmediatamente debajo del PTV, separado por pocos milı́metros y
en el que un exceso de radiación puede provocar neumonitis y/o fibrosis
(Emami et al. 1991). En el caso de un tumor de mama izquierda, también es
necesario evaluar la dosis que recibe el corazón, ya que puede provocársele
a la paciente pericarditis, isquemia cardı́aca radioinducida e incluso, infar-
to. En algunos casos particulares, la clavı́cula ipsilateral también debe ser
tenida en cuenta como un factor limitante, aunque con menos importancia
que el corazón y los pulmones.
En el caso de que se intente tratar la pared costal con haces de electro-

nes, estos casos presentan dos grandes problemas. El primero es que, ya
que normalmente el PTV se extiende hasta profundidades variables, es ne-
cesario utilizar más de una energı́a, para controlar el rango práctico del haz.
Pero esto conlleva utilizar campos adyacentes de electrones, lo que provo-
ca muy frecuentemente la aparición de puntos de sobredosificación donde
los haces se superponen. El segundo problema es que, como resultado de la
cirugı́a previa, la superficie de la paciente puede llegar a ser muy irregular,
lo que se traduce en variaciones locales de la distancia de la superficie al
acelerador (SSD), lo que en el caso de haces de electrones, puede producir
inhomogeneidades importantes en la distribución de dosis en el PTV.

Si se trata una pared costal con haces de fotones, tanto si se usa una técni-
ca con pocas incidencias, como una con muchas (como la IMRT), la mayor
parte de la radiación incidirá mediante haces tangenciales, para evitar irra-
diar los pulmones y el corazón. Sin embargo, mediante haces de fotones
tangenciales, la convexidad del pulmón adyacente a la pared costal reci-
be dosis del orden de la recibida por el PTV. Además, la respiración de la
paciente provoca que el PTV se mueva varios centı́metros en dirección per-
pendicular al haz, con lo que es necesario añadir un margen al contorno del
PTV para evitar que este quede subdosificado al entrar y salir del haz. Pe-
ro añadir margen al PTV implica también aumentar el volumen de pulmón
irradiado con altas dosis, aumentando el riesgo de complicaciones.
Cuando el cáncer de mama está en una fase temprana de desarrollo, se

procura conservar el pecho, y toda la glándula mamaria es considerada PTV.
El papel de la radioterapia en este caso es eliminar cualquier resto de célula
tumoral que el cirujano haya podido dejar, o que se encuentre a cierta dis-
tancia del lecho del tumor principal. Los órganos de riesgo son los mismos
que en los casos de irradiación post-mastectomı́a, aunque al ser el volumen
a irradiar mucho mayor, la mama contralateral puede recibir dosis significa-
tivas de radiación que incrementan de forma apreciable el riesgo de apari-
ción de tumores radioinducidos en ésta cuando se utilizan haces de fotones.
En cuanto al uso de haces de electrones, la principal complicación surge a
causa de que el tamaño de muchas de ellas superan el rango práctico de las
energı́as de electrones disponibles, por lo que sólo se suelen utilizar electro-
nes para realizar sobreimpresiones del lecho tumoral tras una irradiación
con fotones.
1.2.2 Bolus
Uno de los elementos que con más frecuencia se usan y desde hace más
tiempo en los tratamientos de electrones, sobre todo en los de pared costal,
es el bolus. Este es un molde de material equivalente al agua, o al tejido,

que se coloca en contacto con la zona a irradiar y que puede cumplir varias
funciones. La primera es la de rellenar huecos e irregularidades de la super-
ficie del paciente, tanto naturales como provocados por una cirugı́a previa
(Feaster et al. 1979), para evitar que las irregularidades generen inhomoge-
neidades en la distribución de la dosis. Al mismo tiempo, añadir material en
el recorrido del haz ser útil para regular la profundidad que alcanza la do-
sis terapéutica (Low et al. 1992, Hyodynmaa et al. 1996), consiguiendo una
mejor conformación. Otra de las aplicaciones de los bolus es el de aumen-
tar la dosis en piel o cerca de ella cuando se utilizan haces de poca energı́a
(≤ 10MeV).
El uso de bolus no está exento de complicaciones. En primer lugar, el

posicionamiento del bolus y su reproducibilidad es una fuente de error im-
portante. Hay que tener en cuenta que al usar haces de electrones, pequeños
errores de posicionamiento pueden dar lugar a importantes discrepancias
dosimétricas con los cálculos. En cuanto a su uso para modular la energı́a
del haz, aumenta la inhomogeneidad de la distribución de dosis, que sólo
puede ser compensada modulando la intensidad del haz (Hyodynmaa et al.
1996, Kudchadker et al. 2002), lo que, en una planificación convencional,
complicarı́a el tratamiento de forma importante. Además, el cálculo de la
forma del bolus y su construcción no es trivial y una vez finalizado el tra-
tamiento, el bolus ya no es utilizable para otro paciente, con el consiguiente
gasto de recursos.
Por otro lado, la posible existencia de pequeñas bolsas de aire entre el

bolus y la piel del paciente puede provocar alteraciones significativas en la
distribución de la dosis, con la consiguiente degradación del tratamiento
(Sharma & Johnson 1993, Kong & Holloway 2007).
1.2.3 Inserciones
Los primeros aparatos de radioterapia, tanto los que usaban haces de
electrones como los que usaban fotones, colimaban los haces de radiación

combinando dos sistemas. El sistema de colimación primario (que podı́a ser

ajustable o no) conformaba un campo cuadrado del tamaño del área de tra-
tamiento. Si era necesario, se añadı́a un sistema de colimación o de blindaje,
consistente en un bloque de material de Z alto y bajo punto de fusión cor-
tado de manera que blindara las zonas a proteger y le diera al haz la forma
deseada.
A medida que la tecnologı́a avanzaba, los bloques de blindaje cortados

especı́ficamente para cada caso fueron gradualmente sustituidos en los tra-
tamientos de fotones por sistemas de colimación automatizados, como los
MLC (fig. 1.2), que se extendieron y popularizaron a finales de los años 80
y principios de los 90 (Kallman et al. 1988, Galvin et al. 1992). Sin embar-
go, para colimar los haces de electrones se han seguido utilizando bloques
de blindaje cortados expresamente para cada tratamiento. Estos se colocan
a pocos centı́metros de la superficie del paciente, para evitar al máximo la
dispersión en aire, en el extremo de un aplicador especial acoplado a la ca-
beza del acelerador.
Los blindajes cortados especı́ficamente para cada tratamiento y situados

a poca distancia de la piel proporcionan una buena conformación del haz,
pero es necesario fundir y recortar uno por cada segmento, lo cual hace el
proceso, largo, costoso y poco práctico, limitando las posibilidades de trata-
miento a sólo dos o tres segmentos. Este inconveniente y los problemas de
planificación ya mencionados han sido los principales motivos por los que
el desarrollo y la mejora de los tratamientos de electrones han sido menores
que los de fotones.
De este modo, mientras que el desarrollo de los MLCs en combinación

con técnicas avanzadas de conformación como la IMRT han mejorado el tra-
tamiento de tumores profundos complejos, los tratamientos de tumores su-
perficiales, tradicionalmente tratamientos de haces de electrones, han que-
dado relativamente estancados en su evolución y mejora.

Figura 1.2: Colimador multiláminas fabricado por Toshiba e instalado en un acelerador

Primus de Siemens. Este dispositivo, situado a la salida del haz de radiación está controlado
por ordenador y permite una conformación rápida y sencilla de segmentos irregulares, lo que
permite emplear técnicas que requieren un gran número de ellos, como la terapia conformada
3D, IMRT o radiocirugı́a.
1.2.4 Sobreimpresiones
Uno de los usos más extendidos de los haces de electrones es la realiza-
ción de sobreimpresiones complementarias a otros tratamientos.
En algunos tipos de tumor, existe una diferencia importante entre el vo-

lumen de la lesión primaria y el volumen con riesgo de albergar células
tumorales. Por este motivo, y para reducir los efectos secundarios por la
irradiación volúmenes grandes con dosis altas, se suele dar una irradiación
extra al volumen tumoral (si se realiza antes de la cirugı́a) o al lecho del tu-
mor (después de la cirugı́a). El caso más frecuente en el que se da esta situa-
ción es en el de cáncer de mama en estadios iniciales. En estos tratamientos,
se suele considerar a toda la mama como PTV en la radioterapia coadyu-

vante con la cirugı́a. Sin embargo, una irradiación adicional al lecho del tu-
mor puede ayudar a disminuir las probabilidades de recidiva local (Touboul
et al. 1995, Poortmans et al. 2004, Graham & Fourquet 2006). Existen va-
rias técnicas para realizar esta irradiación extra, o sobreimpresión. Se puede
realizar mediante braquiterapia, haces de fotones o de electrones, aunque
lo más frecuente es realizar la sobreimpresión con un haz de electrones ya
que la complejidad del tratamiento es menor (Hayman et al. 2000, Kozak
et al. 2006).
1.2.5 IMRT. Dificultades

La mejor conformación que proporcionan las modernas técnicas de fo-
tones, como la IMRT, han conseguido una importante mejora en la proba-
bilidad de control tumoral en la mayorı́a de los casos. La magnitud de esta
mejora depende del tipo y localización del tumor. Existen localizaciones en
las que la IMRT no consigue una conformación tan buena. Esto es debido a
dos motivos findamentales: por incertidumbre en la localización del volu-
men tumoral debido al movimiento de este; o por ser el PTV tan superficial
que todo o parte de él se encuentra dentro de la región de build-up del haz.
El desplazamiento de los órganos y tejidos del paciente en el tiempo

que transcurre desde la obtención de las imágenes diagnósticas (TAC, RM,
PET. . . ) hasta la ejecución del tratamiento, o entre sesiones del mismo tra-
tamiento, ha sido siempre una preocupación de los especialistas implicados
en la radioterapia. Este tipo de movimientos se intenta tener en cuenta cuan-
do se determina la localización de los diferentes volúmenes implicados. Ası́,
el primer volumen que determina el médico a partir de las imágenes obte-
nidas es el volumen tumoral (GTV, Gross Tumour Volume), que es el lugar
que ocupa el tumor. A este volumen se le añade un margen para englobar
al volumen en el que existe una probabilidad significativa de existencia de
células tumorales diseminadas (CTV, Clinical Target Volumen), de forma que
este es el volumen que realmente se desea irradiar. La incertidumbre en la

localización y los errores sistemáticos cometidos durante la delineación del

volumen se compensan añadiendo un segundo margen que define el volu-
men de planificación (PTV, Planning Treatment Volume), que es sobre el cual
se realiza toda la planificación (ICRU 1993).
Este procedimiento presenta varias complicaciones. La primera es que es

necesario estimar la magnitud de los posibles desplazamientos que pueden
afectar al CTV, lo cual no siempre es fácil de hacer (McKenzie et al. 2000).
Otro problema es que es posible que, si existen órganos de riesgo lo bastante
cercanos al tumor, el margen añadido al CTV englobe parte de ellos, lo que
aumenta las probabilidades de efectos secundarios debido al tratamiento.
Más aún, durante el tiempo que dura una sesión de irradiación, la respira-
ción del paciente provoca que los tumores situados en el pecho y, en menor
medida en el abdomen, se muevan constantemente (Frazier et al. 2004, Gier-
ga et al. 2004, Keall et al. 2006). En el caso de los tratamientos de mama o de
pared costal, los haces son tangenciales o, en el caso de la IMRT, los haces
con mayor intensidad son tangentes a la superficie, por lo que el movimien-
to de respiración es perpendicular a estos y el PTV, o parte de él, entra y
sale del haz, pudiendo producir una subdosificación del volumen (George
et al. 2003, Coolens et al. 2006). Para evitarlo se pueden agrandar los márge-
nes, de forma que durante todo el movimiento, el PTV permanezca dentro
del haz. Sin embargo, si esto se hace tambien por el lado inferior del haz,
la respiración hará que una parte del volumen del pulmón entre en el haz,
aumentando la dosis recibida por este órgano.
Tratar lesiones superficiales con haces de fotones tiene también el incon-

veniente de que la región del build-up puede quedar subdosificada a menos
que se utilice un número muy elevado de incidencias, lo que se traduce en
un aumento de dosis en el resto de órganos sanos, lo cual, en algunos casos
no es clı́nicamente aceptable.

1.3 Planificación de tratamientos

Uno de los puntos crı́ticos en el uso de radiaciones ionizantes para el
tratamiento del cáncer es la planificación del tratamiento. La planificación
es el proceso por el cual se diseña un tratamiento que cumpla con los requi-
sitos dosimétricos necesarios para cumplir los objetivos clı́nicos definidos
por el médico oncólogo. Este es uno de los aspectos de la radioterapia que
más ha avanzado, impulsado por los avances en imagen médica (TAC, re-
sonancia magnética, tomografı́a por emisión de positrones...) por un lado,
y por el gran aumento de la potencia de cálculo de los ordenadores, por otro.
Las técnicas de imagen diagnóstica han permitido pasar de unas pla-

nificaciones en las que el radiofı́sico sólo tenı́a una idea aproximada de la
localización y extensión de la lesión tumoral a un conocimiento preciso de
la anatomı́a de cada paciente en particular, lo que es tenido en cuenta a la
hora de planificar el tratamiento. Este aumento en la precisión del problema
fue lo que permitió plantear la posibilidad de tratamientos más ajustados y
eficaces.
La capacidad de realizar estos tratamientos más eficaces (y normalmente

mucho más complicados) ha corrido pareja a la capacidad de realizar cálcu-
los cada vez más complejos. El esquema de planificación más usual que se
sigue en la actualidad para resolver este problema sigue un enfoque iterati-
vo; primero se propone un tratamiento preliminar, seguidamente se calcula
la distribución de dosis que resultarı́a, se evalúa la bondad del tratamiento
(se comprueba que cumple ciertas restricciones de dosis, que minimiza cier-
ta función matemática, que representa o no una mejora sobre una propuesta
anterior, etc) y, en caso de no considerarse adecuada se vuelve al primer pa-
so (fig. 1.3).

Figura 1.3: Esquema básico del proceso de optimización habitual de un tratamiento de

radioterapia.
1.3.1 Planificación inversa y directa

La manera concreta de implementar este esquema lleva a soluciones di-
ferentes y exige tiempos y recursos diferentes. La primera manera con la
que se pudo resolver la generación de tratamientos de IMRT fue mediante
la llamada planificación inversa. En esta, la fluencia de cada haz es obteni-
da a partir de la distribución de dosis deseada (Brahme 1988). El algoritmo
que realiza esta operación no necesita de la intervención del radiofı́sico más
allá de la determinación de unos pocos parámetros y la definición de las res-
tricciones dosimétricas, que se traducen en una función objetivo a minimi-

zar. Las soluciones obtenidas de esta manera son independientes de la expe-

riencia del usuario. Además, si el algoritmo de cálculo está bien diseñado, es
posible garantizar que se encontrará la solución que proporcionará la distri-
bución de dosis más cercana a la deseada, independientemente del del caso.
Por contra, la aplicación de este método requiere una considerable potencia
de computación, mayor cuanto mayor sea la complejidad del caso. Y, aun-
que el radiofı́sico no toma parte en la ejecución del algoritmo de cálculo,
todavı́a debe determinar ciertos parámetros iniciales, tales como el número
de incidencias y los ángulos de estas. Por último, dado que el proceso se
reduce en el fondo a minimizar una función matemática, los tratamientos
de IMRT obtenidos de esta manera suelen estar compuestos por un número
muy grande de segmentos, a pesar de que la contribución de muchos de
ellos sea escasa. Este gran número de segmentos se traduce en tratamien-
tos que requieren una gran cantidad de unidades monitor (monitor units,
MU). La MU es una unidad de medida relacionada con la dosis deposita-
da en la cámara monitora de control, que se usa en la práctica clı́nica como
medida de fluencia. Es una unidad ajustable, y se suele establecer que una
MU se corresponda con la fluencia necesaria para depositar una dosis de-
terminada en un punto de control en condiciones de referencia (p. ej. 1 MU
se corresponde con una dosis de 1cGy en un punto en el eje de un campo
de 10 × 10cm2 a la profundidad de máxima deposición de energı́a). El pro-
blema de los tratamientos con un número elevado de MU con zonas muy
blindadas es que aumenta el porcentaje de radiación transmitida y disper-
sada, lo que produce una dosis indeseable en el paciente. Estos tratamientos
implican también una verificación dosimétrica mucho más compleja.
El segundo enfoque, que está surgiendo últimamente para resolver cier-

tas patologı́as comunes es la llamada planificación directa. En ella, el pri-
mer paso, la proposición del tratamiento, se realiza de forma manual. El
radiofı́sico realiza una composición de segmentos basándose en su expe-
riencia y, generalmente, en la visión de los órganos del paciente en la di-
rección del haz. Actualmente se empiezan a usar esquemas de tratamiento
(class solutions) para tumores en los que la geometrı́a cambia poco (tales co-

mo la próstata) a partir de los que se puede generar la planificación reali-

zando relativamente pocos cambios (Damen et al. 2001, Arrans et al. 2003).
La planificación directa presenta la desventaja de que la calidad de la solu-
ción obtenida depende en buena medida de la experiencia y habilidad del
radiofı́sico, sobre todo en los casos en los que no hay disponible una class
solution que usar como base. Al ser un procedimiento manual, el espectro de
soluciones que puede ser explorado es muy limitado, por lo que, en algu-
nos casos puede no ser posible hallar un tratamiento clı́nicamente aceptable.
Por otro lado, el hecho de que las soluciones se basen en la experiencia del
radiofı́sico hace que éstas estén compuestas de un menor número de seg-
mentos (con la consiguiente disminución de irradiación por transmisión),
eliminando pequeños campos que tienen una influencia limitada en los re-
sultados, acortando los tiempos de irradiación y facilitando la dosimetrı́a.
1.3.2 Optimización y secuenciación

Cuando se hace uso de una optimización inversa, en los sistemas de pla-
nificación (TPS, treatment planning system) más extendidos, el paso de pro-
puesta de tratamiento de la figura 1.3 consiste en un mapa de fluencias por
cada incidencia. Una vez completado este primer paso, se realiza el proceso
de secuenciación, en el que busca un conjunto de segmentos (o los paráme-
tros de movimiento, en el caso de la IMRT dinámica) que reproduzca con la
mayor precisión la fluencia que se ha hallado óptima.
La manera habitual de hallar la distribución de intensidades de cada haz

empieza por dividirlo en pequeñas áreas (beamlet) a las que es necesario
asignar una intensidad. La dosis depositada en cada punto, D ( x, y, z) será la
suma de las contribuciones ponderadas individuales de cada beamlet, p:
N
D ( x, y, z) = ∑ ω p D p (x, y, z) (1.1)
p =1
donde N es el número de beamlets y ω p es su peso. A continuación es nece-

sario definir una función objetivo a minimizar, y que, en general, será una
funcional de la dosis, F ( D ( x, y, z)). La elección de esta función es un paso
crı́tico, ya que determinará, no sólo cómo se evalúa la idoneidad del trata-
miento (y por tanto determinará qué soluciones serán consideradas y cuales
no), sino que restringirá el conjunto de algoritmos de optimización que se
podrán utilizar. En un tratamiento normal de IMRT, el número de beamlets
es del orden de varios miles, y se evalúa la dosis depositada en imágenes de
TAC de, normalmente, 256 × 256 pı́xeles (a veces más) y entre 30 y 60 cor-
tes. Por ello, la eficacia del algoritmo utilizado es fundamental para poder
realizar un tratamiento en un tiempo razonable.
La programación lineal ha sido uno de los acercamientos a este proble-

ma que se han aplicado en la optimización de fluencias, siendo de hecho el
primer modelo propuesto (Bahr et al. 1968) y uno de los más ampliamente
estudiados (Langer & Leong 1987, Langer et al. 1990). Para poder aplicarla,
es necesario que tanto la función objetivo como las restricciones sean linea-
les. Formalmente esto se expresa:
F (−
→
ω ) : A(−
→

mı́n ω ) ≥ a, ω p ≥ 0 (1.2)
donde F (−→
ω ) es la función a minimizar, A(− →
ω ) ≥ a representa el conjunto de
restricciones, y ω p ≥ 0 es la restricción fı́sica de que ningún beamlet puede
tener fluencia negativa.
Las alternativas a la hora de escoger una función objetivo y unas con-

diciones de contorno útiles para una planificación son múltiples (Rosen
et al. 1991, Shepard et al. 1999). Ası́, se puede minimizar la dosis en teji-
do sano imponiendo diferentes restricciones de dosis máxima y/o mı́nima
en el PTV, o minimizar la variación de dosis en el PTV con restricciones de
dosis máximas a los órganos de riesgo. A modo de ejemplo, podemos consi-
derar un caso relativamente sofisticado en que la expresión 1.2 se reformula:

 
 N N 
mı́n F = θO ∑ ∑ ω p D p (x, y, z) + θP ∑ ∑ ω p D p (x, y, z) :
( x,y,z)∈O p=1 ( x,y,z)∈P p=1

dmax ≥ D ( x, y, z) ≥ dmin ∀( x, y, z) ∈ P ,
N
α
ωm ≤
N ∑ ωp, m = 1, 2, . . . , N,
p =1
ωp ≥ 0
(1.3)
donde O y P representan los conjuntos de puntos incluidos en los órganos
de riesgo y en el PTV, respectivamente, y θO y θP son factores de impor-
tancia. La primera restricción impone que la dosis en el PTV se encuentre
entre dmax y dmin , la segunda condición establece que ningún haz tenga una
intensidad mayor que α veces la intensidad media de todos los haces (para
obtener una dosis más homogénea fuera del PTV y evitar puntos calientes)
y la última condición es necesaria para evitar obtener intensidades negati-
vas.
Cualquier otro tipo de restricción o función objetivo puede ser usada con
la programación lineal. Este enfoque es rápido y fácil de implementar, pero
tiene el problema de que está restringido a funciones y condiciones de con-
torno lineales, lo que no siempre se adapta bien a los requerimientos fı́sicos
deseados y no siempre se consiguen resultados aceptables con este enfoque.
Además, incluso aunque la solución sea aceptable, ésta siempre se encon-
trará en la frontera definida por las condiciones de contorno, de forma que
se dará la dosis máxima permitida a los órganos de riesgo, la dosis mı́nima
al PTV, etc. (Nash 2000).
Es por esto que la mayorı́a de los sistemas de planificación actuales utili-

zan métodos de programación no lineal, lo cual da una mayor flexibilidad a
la planificación, tanto al escoger la función objetivo como las condiciones de
contorno. En muchos casos, los efectos biológicos no dependen linealmente
con la dosis, por lo que este tipo de funciones es mucho más adecuada. Co-

mo contrapartida, su optimización es mucho más compleja, y los algoritmos

utilizados suelen tener una convergencia mucho más lenta, y la existencia
de una solución no está garantizada siempre. Además, muchas funciones no
lineales presentan mı́nimos locales, con lo que los algoritmos de búsqueda
que se basen en el análisis del valor de las derivadas pueden quedar atrapa-
dos en ellos y no proporcionar la mejor solución global, sino una solución
que sólo es la mejor localmente. La gran variedad de situaciones posibles
se traduce, a su vez, en una gran variedad de algoritmos de optimización,
que se pueden clasificar en dos grandes grupos: aquellos de tipo gradien-
te (Bortfeld 1999, Hristov et al. 2002, Zhang et al. 2004), como el método
de Newton y el de máximo gradiente; y los algoritmos estocásticos (Rosen
et al. 1995, Wu et al. 2000), como el método de simulated annealing o los algo-
ritmos genéticos.
Los algoritmos basados en gradientes tienen la ventaja de ser rápidos,

pero si la función objetivo no es convexa pueden quedar atrapados en mı́ni-
mos locales y no llegar a hallar el mı́nimo absoluto de la función además
de exigir que la función objetivo elegida sea derivable en todos los puntos
(algunos exigen que sea incluso dos veces derivable). Los métodos estocásti-
cos usados correctamente garantizan hallar el mı́nimo absoluto de cualquier
función y no realizan asunciones sobre la derivabilidad de ésta, pero tienen
el inconveniente de tener una convergencia más lenta y sus resultados son
muy dependientes de sus parámetros de configuración, cuyos valores ópti-
mos no son, en general, deducibles a priori.
A pesar de estas dificultades, la programación no lineal proporciona un

amplio rango de posibilidades para escoger potenciales funciones objetivo,
por lo que la mayorı́a de los TPS implementan alguna variedad. Aún ası́,
escoger una función adecuada sigue siendo materia de estudio y existe una
amplia variedad de ellas, cada una con ventajas e inconvenientes. Ası́, se
puede escoger como función a minimizar el error cuadrático con respecto a

las dosis prescritas (una de las más frecuentes):
F = θP ∑ ( D ( x, y, z) − dP )2 + θO ∑ ( D ( x, y, z))2 (1.4)
( x,y,z)∈P ( x,y,z)∈O
siendo dP la dosis prescrita al PTV. Esta función tiene la ventaja de ser con-
vexa y, por tanto, no existen mı́nimos locales si las condiciones de contorno
son también convexas, lo que la hace adecuada para ser minimizada me-
diante métodos de gradiente. También se minimizan frecuentemente los
volúmenes que reciben dosis fuera de ciertos rangos (por ejemplo, el vo-
lumen del PTV que recibe menos de un 90 % de la dosis prescrita, o el vo-
lumen de un OAR que recibe más de una dosis lı́mite), o funciones basadas
en criterios radiobiológicos, tales como el TCP (tumour control probability,
probabilidad de control tumoral) o el NTCP (normal tissue complication pro-
bability, probabilidad de complicación en el tejido normal). El uso de crite-
rios de dosis-volumen es, probablemente uno de los más intuitivos y, por
tanto, más utilizados, pero su uso, tanto dentro de la función objetivo co-
mo dentro de las restricciones suele causar la aparición de mı́nimos locales
(Deasy 1997) e imposibilita el uso de los algoritmos más rápidos.
Una vez obtenida una serie de mapas de fluencia que reproduzcan una
distribución de dosis aceptable, es necesario obtener un conjunto de seg-
mentos que reproduzcan de la manera más precisa posible estas fluencias.
El proceso por el que se obtienen las posiciones de las láminas de un MLC
que reproducen la fluencia deseada se denomina secuenciación. Aquı́ se ha-
blará exclusivamente de la secuenciación para generar tratamientos de step
and shoot.
Los algoritmos de secuenciación tiene como objetivo, no sólo reprodu-

cir la fluencia deseada con la mayor precisión, sino evitar segmentos que
violen las restricciones mecánicas propias de cada MLC (que las láminas no
choquen, que láminas adyacentes no se crucen. . . ) y minimizar el tiempo
de tratamiento y el número de MUs necesarias. Existen multitud de secuen-
ciadores basados en diferentes algoritmos y con diferentes planteamientos

(Xia & Verhey 1998, Siochi 1999, Bar et al. 2001, Wu et al. 2001), cada uno con
ventajas e inconvenientes, pero no existe actualmente un algoritmo estándar
o, al menos con una implantación mayoritaria, ya que ninguno de los pro-
puestos hasta la fecha destaca claramente sobre los demás en cualquier si-
tuación (Que 1999). En la mayorı́a de los casos, para secuenciar un mapa
de fluencias se procede a realizar una discretización de los niveles de inten-
sidad. El número de niveles utilizado es importante, porque cuanto mayor
sea, mayor será la precisión de la fluencia realmente utilizada, pero mayor
será también el número de segmentos utilizados y el tiempo de irradiación.
Una vez hecho esto, cada algoritmo agrupa los diferentes beamlets en seg-
mentos imponiendo las restricciones mecánicas propias de cada modelo de
MLC y condiciones propias de cada método para acelerar el proceso y mi-
nimizar el tiempo de tratamiento, número de segmentos, etc.
El proceso de segmentación conlleva la aplicación de ciertas aproxima-

ciones que hacen que la fluencia final del tratamiento no sea exactamente
igual a la propuesta del planificador. La primera fuente de error en esta fase
es debido a que es necesario discretizar el mapa de intensidades, que en ge-
neral, será continuo. Además, las láminas alteran las caracterı́sticas del haz,
haciendo que en los bordes de los segmentos haya penumbras de tamaño
apreciable, además de otros efectos más sutiles, como el de tongue and groo-
ve, en el que se aprecian perturbaciones debido a la forma especı́fica de la
lámina.
1.3.3 Algoritmos de cálculo de dosis

Hasta el momento se ha soslayado un aspecto crı́tico del proceso de op-
timización; y este es que, sea cual sea el algoritmo utilizado para calcular
la fluencia que minimiza la función objetivo, ésta depende de la dosis que
deposita cada uno de los elementos de fluencia o beamlets en cada punto del
paciente. Dado que en cada caso cambia el paciente, los ángulos de inciden-
cia, etc., es necesario recalcular estas dosis cada vez. Aunque las ecuaciones
de transporte de la radiación y las secciones eficaces de las diferentes inter-

acciones de la radiación con la materia son conocidas desde hace mucho,

no existe ningún algoritmo de cálculo de dosis analı́tico capaz de realizar
los cálculos necesarios en las geometrı́as implicadas en un tratamiento de
radioterapia. El cálculo preciso de dosis en estas geometrı́as irregulares es
muy complicado y lento, incluso disponiendo de una gran potencia compu-
tacional, por lo que la implantación de los sistemas de planificación com-
puterizados no fue posible hasta el desarrollo de algoritmos de cálculo de
dosis lo suficientemente rápidos como para completar una planificación en
un tiempo clı́nicamente aceptable.
Es por eso que han ido apareciendo con el tiempo diferentes métodos se-
mianalı́ticos enfocados al cálculo de dosis en aplicaciones radioterápicas. La
mayorı́a de los algoritmos de cálculo de dosis se basan la en corrección de
kernels de dosis. Estos kernels consisten en elementos de dosis precalculados
mediante Monte Carlo o mediante una modelización más o menos precisa
de la interacción del haz con la materia. A medida que se ha aumentado la
capacidad de cálculo de los ordenadores disponibles, ha sido posible pasar
de emplear kernels bidimensionales (de pencil beam), en el que se precalcula
la distribución de dosis en profundidad de un beamlet, a kernels puntuales,
en los que se calcula la distribución de dosis que se genera a partir de la
interacción de la radiación en un punto.
Representativo de la familia de kernels bidimensionales es el finite-size

pencil beam (FSPB) (Bourland & Chaney 1992), aunque no es el único (Mohan
et al. 1986, Ahnesjo et al. 1992, Ostapiak et al. 1997). El el caso del FSPB,
el haz de radiación se divide en pequeños segmentos geométricos (pencil
beams). Después se calcula la distribución de dosis de cada uno de estos
segmentos en un medio semiinfinito de agua por unidad de fluencia, bien
por otros métodos de cálculo, como Monte Carlo, bien por modelización
teórica o por deducción a partir de medidas experimentales. La distribución
de dosis centrada en el punto P (kernel) debido al pencil beam I J es luego

reescalada en cada uno de los vóxeles del paciente:
D I J ( P) = D ∗I J ( P)φ I J ( P) (1.5)
donde D ∗I J ( P) es la dosis en el punto P debido al pencil beam I J calculada en

un medio semiinfinito de agua, y φ I J ( P) es un factor que aglutina todos los
factores que hacen variar la dosis, como la ley del inverso cuadrado, coe-
ficiente de atenuación, densidad del medio, etc. Ası́, durante el proceso de
planificación, la dosis en todos los puntos de interés es calculada como la
suma de las contribuciones de estos haces, ponderada por sus respectivas
fluencias.
Aunque este método y los demás pertenecientes al mismo tipo tienen

la ventaja de ser muy rápidos, las asunciones que realizan las limitan seve-
ramente cuando la geometrı́a es lo suficientemente compleja. Ası́, los ker-
nels suelen calculados para haces monoenergéticos, con lo que para obte-
ner el correspondiente al haz real es necesario integrar en todo el espectro
energético. Para ello, evidentemente, es necesario conocer el espectro del
haz, y no se tiene en cuenta la variación del espectro del haz a lo largo del
recorrido. En la mayorı́a de los casos, se asume que la fuente de radiación es
puntual, lo que no es exacto, y la ley de inverso cuadrado que se asume para
realizar los reescalados no se aplica en el caso de la radiación dispersa de fo-
tones ni en la contaminación de electrones. Pero la principal limitación que
presentan estos métodos se presenta en el tratamiento de las inhomogenei-
dades. Aunque en el rango de densidades existente en el cuerpo humano,
las secciones eficaces de las diferentes interacciones de los fotones con la
materia varı́an poco, no son estrictamente constantes, por lo que la correc-
ción por densidad que se aplica en este caso es sólo una aproximación. Los
fotones depositan energı́a en la materia principalmente a través de electro-
nes secundarios, cuyo transporte es menos susceptible de aceptar este tipo
de aproximaciones. Además, los kernels son precalculados en un medio infi-
nito o semiinfinito, por lo que fallan de forma importante al calcular la dosis
cerca de interfases de medios con densidades muy diferentes, y muy espe-

cialmente en situaciones en las que no se cumple la existencia de equilibrio

lateral electrónico, lo cual ha sido descrito ampliamente en publicaciones
cientı́ficas (Knoos et al. 1995, Engelsman et al. 2001, Wang et al. 2001, Wang
et al. 2002, Vanderstraeten et al. 2006).
Las limitaciones de los algoritmos de pencil beam ha propiciado el desa-

rrollo de algoritmos tales como el de collapsed cone (Mackie et al. 1985, Ahnesjo
1989), en el que en lugar de calcular un kernel cilı́ndrico monoenergético,
se calcula la distribución de dosis de un kernel polienergético debido a las
partı́culas secundarias originadas en un punto de interacción. La aproxima-
ción que caracteriza al collapsed cone consiste en que toda la energı́a libe-
rada a partir del punto de origen se transporta rectilı́neamente a lo largo
de un cono con vértice en el punto de interacción y ángulo sólido fijo, se
atenúa de acuerdo con la densidad del medio y toda la energı́a liberada se
deposita en el eje del cono (el cono se colapsa). Si además, se supone que
el kernel es espacialmente invariable (lo que es estrictamente cierto solo en
medios homogéneos), la integral de la superposición del TERMA (T (~r )) con
la distribución de dosis del kernel (K (~r,~r ′ )) se transforma en una integral de
convolución, mucho menos exigente computacionalmente hablando:
K (~r ′ ,~r )=K (~r ′ −~r )

Z Z
′ ′
D (~r ) = 3
T (~r )K (~r ,~r )d ~r −−−−−−−−−→ T (~r ′ )K (~r ′~r )d3~r = T ⊗ K (1.6)
A pesar el algoritmo de collapsed cone mejora en gran medida la preci-

sión de los algoritmos de pencil beam, aún tiene problemas para predecir
la dosis en las inmediaciones de interfases y en regiones de baja densidad
(Nisbet et al. 2004, Jones & Das 2005), ya que este algoritmo considera sólo
parcialmente el desequilibrio lateral electrónico y, al igual que el pencil beam
depende de la precisión de las medidas experimentales y del modelo con el
que se haya calculado los kernels de dosis. También está limitado al cálculo
de haces de fotones, ya que, en el caso de electrones, el “colapso del cono”
es totalmente inadecuado. El desarrollo de nuevos algoritmos de cálculo
de dosis y de mejoras en los ya existentes sigue siendo un campo de estu-
dio (Ulmer et al. 2005), pero hasta ahora todos siguen empleando diversas

aproximaciones y asunciones que pueden comprometer la precisión de los

cálculos en situaciones demasiado exigentes.
Por otro lado, la mayorı́a de las mejoras en los algoritmos de cálculo de

dosis se han producido para el caso de tratamientos de fotones. El cálculo
de dosis de haces de electrones es más complejo de modelar y en los pla-
nificadores comerciales ha estado durante muchos años limitado al uso de
algoritmos de pencil beam parametrizando la interacción de los electrones
con la materia mediante la teorı́a de Fermi-Eyges de dispersión múltiple. A
pesar de varios refinamientos de estos algoritmos (Werner et al. 1982, Jet-
te & Walker 1992, Boyd et al. 2001), la teorı́a de Fermi-Eyges subestima las
dispersiones a gran ángulo, por lo que la precisión de cualquier cálculo que
haga uso de ella en presencia de inhomogeneidades queda limitada. Ası́, el
uso de tratamientos complejos con haces de electrones ha quedado siempre
lastrado por la capacidad de los planificadores de predecir de forma precisa
las distribuciones de dosis. Esta situación ha cambiado poco hasta que el
desarrollo de las técnicas computacionales ha hecho viable el uso de algo-
ritmos basados en MC, mucho más precisos, pero también más lentos.
1.4 Modulación de haces de electrones

Los excelentes resultados que ha proporcionado la modulación de in-
tensidad en los tratamientos con fotones han impulsado las investigacio-
nes sobre las posibilidades de modular tanto la energı́a como la intensi-
dad de haces de electrones (Ravindran et al. 2002, Ma et al. 2003, Nardi
et al. 2004, Al-Yahya et al. 2005, Chen et al. 2005, Olofsson et al. 2005a, Olofs-
son et al. 2005b, du Plessis et al. 2006). Todos estos trabajos se basan en el
hecho de que, regulando la intensidad y energı́a de diferentes segmentos
a la hora de componer un campo de tratamiento, se puede conseguir una
importante mejora en la conformación tanto lateral como en profundidad
de las distribuciones de dosis en tumores superficiales y moderadamente
profundos. Esto permitirı́a aumentar la dosis total que se puede aplicar al
volumen tumoral (aumentando de esta manera las probabilidades de cura-

ción) sin aumentar o incluso disminuyendo la dosis recibida por el tejido

sano. Si no se modula la intensidad y energı́a del haz y el tumor se extiende
a diferentes profundidades, para alcanzar las zonas más profundas, es ne-
cesario utilizar radiación que alcance esa profundidad, pero que irradiarı́a
tejido sano por debajo de las zonas menos profundas.
La modulación de electrones podrı́a incrementar de forma importante

la calidad de los tratamientos de tumores superficiales. Ası́, en el caso de
los tratamientos de mama y de pared costal, de los que ya se ha hablado,
se podrı́a tratar la lesión mediante haces perpendiculares a la piel del pa-
ciente, por lo que el movimiento de respiración no sacarı́a al PTV del haz y
no introducirı́a una mayor cantidad de pulmón o corazón en este. El único
efecto serı́a una leve variación de la distancia fuente-superficie (SSD, source
to surface distance) que tendrı́a muy poca influencia en el patrón de depo-
sición de energı́a de los electrones. En los casos de tumores situados en la
cabeza o el cuello, donde el posicionamiento no representa un problema tan
importante, el beneficio del uso de haces modulados de electrones estarı́a
asociado a la gran cantidad de inhomogeneidades que existen en esta zona,
al evitar usar múltiples incidencias en ángulos que irradian una gran parte
de la cabeza.
1.4.1 Antecedentes
Actualmente existen varias propuestas sobre la manera de aplicación
de tratamientos de MERT (Modulated Electron Radiotherapy Treatment, Tra-
tamiento de radioterapia de electrones modulados). El primer problema a
resolver, y que le diferencia notablemente de la colimación de fotones, con-
siste en conseguir dar al haz la forma deseada. A medida que los electrones
avanzan por un medio, sufren múltiples dispersiones de su trayectoria debi-
do a la interacción de Coulomb con los electrones y núcleos que encuentran
en su camino. De esta manera, a medida que atraviesan cualquier medio
material, van añadiendo una componente de velocidad transversal a su ve-

locidad inicial. Desde el punto de vista macroscópico, a medida que un haz

penetra en el paciente (o recorre la capa de aire que separa el colimador
del paciente) aumenta la anchura de la distribución angular y disminuye su
energı́a media. Esto hace que la forma del haz a la salida del colimador se
vaya difuminando más cuanto más lejos esté el paciente.
Existen varias propuestas para solucionar esto cada una con diferentes
ventajas e inconvenientes:
Se han publicado trabajos en los que se intenta reducir la componente

transversal de la velocidad de los electrones mediante la aplicación de cam-
pos magnéticos en todo o parte del recorrido del haz de electrones (Litzenberg
et al. 2001, Nardi et al. 2004). Ası́ se reducirı́a de forma considerable la dis-
persión propia del haz. El principal inconveniente que presenta esta solu-
ción es que, para la generación de los potentes campos magnéticos nece-
sarios (del orden de varios teslas), hacen falta dispositivos complejos (son
necesarias bobinas enfriadas a muy baja temperatura para hacerlas super-
conductoras) que harı́an difı́cil su implementación clı́nica efectiva.
También se estudia el uso de aceleradores de haz de electrones escanea-

dos, como el MM50 de RacetrackTM , en lugar de basados en filtros dis-
persores. Aunque se apuntaba que su rendimiento era prometedor (Lief
et al. 1996, Karlsson et al. 1998), persiste el problema del aumento del ta-
maño de la penumbra tras la colimación por la dispersión de los electrones
en el aire. Además, la disponibilidad de este tipo de máquinas es bastante
más reducida, por lo que cualquier técnica que dependa de caracterı́sticas
exclusivas suyas no podrı́a tener un impacto global, al menos, a corto y me-
dio plazo.
Otros trabajos se han dirigido a estudiar las posibilidades que ofrece el

rellenar el interior de la cabeza del acelerador y/o el espacio que le sepa-
ra del paciente con helio (Lee et al. 2000, Olofsson et al. 2005b). Al ser la
dispersión en helio menor que en el aire, las penumbras obtenidas con es-

te sistema son menores, con lo que es posible una mejor conformación del
haz. Por supuesto, aplicar helio en la cabeza de un acelerador conlleva to-
da una serie de complejidades técnicas propias del manejo de gases, que
disminuyen la operatividad de este sistema. Serı́a necesario o bien estancar
el acelerador, añadiendo una pared de material que deberı́an atravesar los
electrones (con el aumento de penumbra que ello conllevarı́a), o bien aplicar
un flujo constante de helio, gastando grandes cantidades de él y sin poder
evitar cierta mezcla con el aire. Finalmente, para usar helio entre el acele-
rador y el paciente serı́a necesario colocar un globo hinchable o algún otro
sistema similar que entorpecerı́a también la aplicación clı́nica.
Una de las soluciones recientes más estudiadas hasta la fecha ha sido

la colocación de un segundo MLC especı́fico de electrones (eMLC) más pe-
queño en el extremo final de un aplicador de electrones (Ma et al. 2000, Ra-
vindran et al. 2002, Hogstrom et al. 2004, Al-Yahya et al. 2005). Al estar di-
cho colimador más cerca de la superficie del paciente, la degradación de
la forma del haz debido a la dispersión es menor. Al tener un grosor me-
nor que el MLC de fotones, la dispersión que provoca en los electrones es
menor. Esto tiene, por otro lado, el inconveniente de que proporciona un
menor blindaje contra la radiación de bremsstrahlung. La colocación de es-
te eMLC junto con todos sus mecanismos de control implica por su parte
añadir un peso importante muy alejado del centro de gravedad del acele-
rador, de forma que cuando se realicen incidencias con ángulos pronuncia-
dos, se producirán unas torsiones elevadas. Además, en la mayorı́a de los
prototipos construidos hasta el momento los elementos colimadores se posi-
cionan a mano. La automatización implica la instalación de circuiterı́a extra
en el acelerador, ası́ como un cambio profundo en los programas de control
de los aceleradores. Al igual que las demás soluciones, exige un desarrollo
largo y caro que todavı́a está lejos de producirse.

1.4.2 Aproximaciones a un sistema automatizado

A la vista de todas las dificultades que presentan actualmente los meca-
nismos de colimación especı́ficos para electrones se han realizado algunos
trabajos en los que se plantea la posibilidad de realizar la colimación de elec-
trones mediante los MLC actualmente instalados para la conformación de
fotones (Klein 1998, du Plessis et al. 2006). Las ventajas de este enfoque son
evidentes: no es necesario desarrollar ningún equipo nuevo; tan pronto co-
mo se haya desarrollado un software capaz de planificar MERT, la aplicación
del tratamiento sera inmediata; y al no exigir grandes desembolsos extras
la técnica estará disponible para cualquier hospital que ya disponga de un
MLC (Leal et al. 2005). Además, el uso combinado de haces de fotones y
electrones colimados por el mismo dispositivo no plantearı́a ningún proble-
ma técnico.
Por otra parte, el uso de los colimadores actuales para MERT no está exen-
to de desventajas. Al haber sido estos diseñados para la colimación de foto-
nes, están situados a una distancia del isocentro del acelerador muy gran-
de para colimar haces de electrones, que se dispersarı́an demasiado antes
de llegar al paciente. Por ello, la aplicación de MERT con un colimador de
electrones hace necesario reducir la distancia fuente-superficie. Además, al
no haber sido diseñado especı́ficamente para colimar electrones es necesa-
rio estudiar de forma detallada las caracterı́sticas geométricas del MLC y
su influencia en las medidas dosimétricas. La rapidez con la que se puede
implementar esta solución y sus ventajas inherentes pueden, sin embargo,
compensar sus inconvenientes.
La modulación de electrones presenta una serie de complejidades, tanto

dosimétricas como de planificación y de realización practica, que dificultan
su aplicación. En primer lugar, las leyes que gobiernan la interacción de los
electrones con la materia son menos propensas a la aplicación de aproxima-
ciones que permitan calcular de forma rápida la deposición de la dosis de
un haz. En el caso de la radiación electromagnética, los planificadores ac-

tuales incorporan una serie de algoritmos que, si bien tienen algunas limita-
ciones en casos determinados, permiten la obtención relativamente rápida
de las distribuciones de dosis. De hecho, los algoritmos de collapsed cone no
se pueden aplicar a haces de electrones y actualmente los TPS utilizados en
la clı́nica sólo utilizan pencil beam, aunque los planificadores más recientes
ya incluyen la posibilidad de realizar cálculos MC con ciertas limitaciones
(Treutwein & Bogner 2007, Edimo et al. 2008). Se trata, pues, de un problema
computacional del que se hablará más adelante. En cuanto a las dificultades
dosimétricas, los radiofı́sicos de hospitales donde se aplican tratamientos
de IMRT ya están familiarizados con todas las complicaciones que conlleva
la dosimetrı́a de campos no protocolizados. Como ya se ha mencionado, la
correcta medición de la dosis mediante cámaras de ionización necesita que
exista equilibrio lateral electrónico, y es difı́cil asegurar la respuesta de los
detectores en condiciones no estándar. En MERT, a todos estos problemas se
añade una mayor dependencia de la respuesta con la energı́a en la mayorı́a
de los detectores y además, un cambio más brusco del espectro energéti-
co con la distancia recorrida en la materia. La pelı́cula ha sido un elemento
esencial en la verificación de los tratamientos de IMRT por su alta resolución
para la medida de la dosimetrı́a relativa. Sin embargo, su uso en dosimetrı́a
de haces de electrones ha sido muy poco estudiado y, aunque los resulta-
dos no son concluyentes, Gerbi & Dimitroyannis (2003) han indicado cierta
dependencia de la respuesta con la energı́a, aunque sin realizar un estudio
exhaustivo. El comportamiento de las pelı́culas radiocrómicas, de aparición
mucho más reciente está aún por determinar, aunque en este trabajo se pre-
sentarán algunos resultados prometedores en este sentido.
1.5 Sistema de planificación basado en Monte Carlo

Ya se han mencionado los dos problemas generales de la planificación
de tratamientos complejos en radioterapia: la minimización de una función
objetivo y el cálculo de la dosis producida por cada solución propuesta. La
minimización de funciones es un campo abierto de estudio del que ya se ha

hablado. Pero por muy eficiente que sea el algoritmo de optimización, la ca-
lidad de la solución propuesta depende finalmente de la precisión con que
se calcule la dosis. Los diferentes algoritmos de cálculo que se discute en la
sección 1.3 realizan un cálculo rápido y preciso en la mayorı́a de las situa-
ciones, exceptuando aquellas con fuertes inhomogeneidades en la densidad
y de haces de electrones. Para estos casos, la única alternativa hasta el mo-
mento es obtener un cálculo completo de la interacción de la radiación con
la materia, reduciendo al mı́nimo las aproximaciones y simplificaciones. La
realización de este cálculo en geometrı́as de la complejidad e irregularidad
implicadas en la radioterapia con haces modulados exige casi indefectible-
mente el uso de simulaciones mediante el método de Monte Carlo.
1.5.1 Método de Monte Carlo

Los métodos de Monte Carlo (MC) son un conjunto de algoritmos numéri-
cos que se basan en la resolución de un problema matemático mediante un
muestreo aleatorio del espacio de soluciones cuando no es posible, o efi-
ciente, encontrar una solución mediante métodos deterministas. Aunque el
uso de muestreos estadı́sticos para la resolución de problemas es una idea
antigua (ya lo propuso el conde de Buffon en el siglo XVIII para hallar el
valor π), la lenta convergencia que tiene MC (la solución tiene una conver-
gencia de tipo √1 , siendo N el número de repeticiones realizadas) lo hizo
N
un método poco práctico hasta la aparición de los primeros ordenadores.
De hecho, el desarrollo realizado por quienes se considera que son sus in-
ventores (Metropolis & Ulam 1949) fue posible gracias a la construcción de
la primera computadora, ENIAC, en el marco del “Proyecto Manhattan”.
Las simulaciones de procesos fı́sicos mediante MC fueron expandiéndo-

se poco a poco a diferentes áreas de la investigación, entre ellos, el de la
fı́sica médica en la década de 1970 y principios de la de 1980. En el caso
del transporte de las partı́culas, está descrito por funciones probabilı́sticas
bien definidas. Por ello se realizan simulaciones MC, en las que se sigue el

recorrido de cada partı́cula y de todas las partı́culas que genera. A este con-
junto de recorrido y partı́culas “hijas” se le denomina historia y el número
de historias simuladas será el que determine la varianza estadı́stica de la so-
lución. A lo largo del recorrido de cada partı́cula se generan números alea-
torios asociados a las probabilidades de los diferentes procesos. Conociendo
las secciones eficaces de cada proceso y las distribuciones de probabilidad
de los resultados de estos procesos, estos números aleatorios determinarán
cuales son los procesos concretos que se considerarán. Cuando el número
de historias simuladas sea lo bastante grande, el valor medio de cada mag-
nitud simulada se aproximará al valor de la magnitud real.
La principal limitación que ha restringido el uso de MC en este campo

ha sido la capacidad de computación disponible, por lo que sólo podı́an ser
simuladas geometrı́as muy simples. Las primeras aplicaciones prácticas de
las simulaciones de MC fueron la obtención de espectros de fotones de una
manera simple (McCall et al. 1978), el cálculo de algunas magnitudes fı́si-
cas, como el poder de frenado (Nahum 1978), de la respuesta de detectores
(Bond et al. 1978) o el cálculo de kernels de dosis en agua para su uso en op-
timizaciones de tratamiento (Mackie et al. 1985, Mohan et al. 1985). Con el
tiempo, y el aumento de potencia de cálculo de los ordenadores disponibles
se hizo posible simular aceleradores clı́nicos con cada vez mayor detalle.
Otro avance que ayudó a la popularización de las simulaciones de MC en
radioterapia fue la aparición de códigos de uso general. De esta manera,
dejó de ser necesario programar un nuevo código cada vez que se quisie-
ra realizar un estudio diferente. Los más utilizados en el campo de la fı́sica
médica son MCNP (Briesmeister 1986), GEANT (Brun et al. 1985), PENE-
LOPE (Baro et al. 1995) o EGS (Nelson et al. 1985), por mencionar sólo los
más habituales. Este último es el código en el que se ha basado este trabajo,
por ser uno de los más precisos, utilizados y enfocados especı́ficamente a la
simulación de tratamientos de radioterapia.
A nivel fı́sico, la principal diferencia entre códigos radica en los modelos

de interacción aplicados y la naturaleza de las partı́culas que simulan. A las

energı́as habituales en los tratamientos de teleterapia, el transporte acopla-

do de fotones y electrones es el básico y, de hecho, los códigos más especı́fi-
camente orientados hacia la fı́sica médica, como el EGS o PENELOPE, sólo
consideran fotones, electrones y positrones. El transporte de fotones es dis-
tinto del de electrones. Mientras que un fotón sufre un número pequeño de
interacciones antes de desaparecer (bien sea de golpe por efecto fotoeléctrico
o por producción de pares, bien tras sufrir un pequeño número de interac-
ciones Compton), la simulación de electrones (y de partı́culas cargadas en
general) es mucho más complicada. El principal motivo es que los electrones
interaccionan de manera casi continua con la materia circundante y pierden
una cantidad muy pequeña de energı́a por interacción (del orden de pocos
eV). Por ello, la simulación detallada, interacción por interacción, que se rea-
liza con los fotones se vuelve impracticable cuando hablamos de haces de
electrones de varios MeV de energı́a. Por ello, casi todos los códigos hacen
uso de teorı́as de colisiones múltiples (Goudsmit & Saunderson 1940, Mo-
lière 1947, Eyges 1948, Molière 1948) que consideran el efecto global de to-
das las dispersiones que se pueden producir en un intervalo de recorrido.
Al ser aproximaciones, pueden dar como resultado errores sistemáticos si
no se realizan las correcciones adecuadas (Bielajew & Rogers 1987).
A pesar de todo, MC está reconocido como el método de cálculo más pre-

ciso y fiable disponible en la actualidad. Ha realizado un papel fundamental
en la verificación de la dosimetrı́a en condiciones fuera de protocolo (Leal
et al. 2003, Sanchez-Doblado et al. 2003, Sanchez-Doblado et al. 2005b, Tyagi
et al. 2007), y permite un conocimiento preciso de la dosis en lugares impo-
sibles de medir (como el interior de un paciente) y sin perturbar las medidas
debido a la presencia del detector, como en el caso de cámaras de ionización
u otros instrumentos.

1.5.2 Planificación Monte Carlo en la práctica clı́nica

El uso cada vez más extendido de las simulaciones de MC como método
de verificación preciso de tratamientos complejos ha conducido de forma
gradual a la idea de usarlo también como algoritmo de cálculo de dosis
en el proceso de optimización. A pesar de haber demostrado ser capaz de
realizar cálculos precisos en cualquier situación, pero especialmente en pre-
sencia de inhomogeneidades, donde todos los algoritmos convencionales
fallan en mayor o menor medida, sus altos requerimientos de potencia de
computación han impedido la realización de esta idea. Pero la potencia de
los ordenadores actuales y el desarrollo de códigos MC más rápidos ha per-
mitido que algunos planificadores ya incorporen versiones simplificadas de
códigos MC. Ası́, los planificadores iPlan de BrainLab, MasterPlan de Nu-
cletron, Eclipse de Varian y PrecisePlan de Elekta disponen de códigos ba-
sados en XVMC (Fippel 1999, Kawrakow & Fippel 2000). El planificador
Eclipse, además hace uso de un segundo código MC llamado Macro Monte
Carlo (Neuenschwander & Born 1992, Neuenschwander et al. 1995).
El impacto de estos códigos en la práctica clı́nica es todavı́a muy limita-

do, debido al poco tiempo que llevan en el mercado. Pero el principal pro-
blema que presentan es que, para poder realizar los cálculos en un tiempo
razonable en un sólo ordenador, realizan varias aproximaciones importan-
tes, con lo cual queda comprometida en cierta medida la precisión de los
cálculos (Popple et al. 2006).
Paralelamente al desarrollo de códigos más rápidos, el abaratamiento

del equipamiento informático ha empezado a hacer posible utilizar en las
tareas de optimización varios ordenadores trabajando en paralelo (Pinna-
cle), lo que anteriormente sólo se realizaba en tareas de investigación. El
uso de redes de ordenadores para el cálculo de dosis en radioterapia tie-
ne unas ventajas fundamentales. Para empezar, es posible utilizar códigos
de MC “completos” (es decir, capaces de proporcionar la solución comple-
ta al problema de la deposición de dosis), con el consiguiente aumento de

precisión de los resultados. Además, con estos códigos se puede modelar y

tener en cuenta la influencia de las diferentes piezas del acelerador, como
el filtro aplanador, la cámara monitora o los elementos de colimación. Los
detalles de algunas de estas partes (como la del colimador multiláminas)
han demostrado tener una influencia muy importante en los patrones de
deposición de energı́a del haz y, generalmente, son ignorados en las para-
metrizaciones que realizan los planificadores convencionales.
Tan importante como la simulación precisa del acelerador lineal es la si-

mulación detallada del transporte de radiación a través de los tejidos del
paciente. En los métodos convencionales de cálculo de dosis, se realiza una
parametrización de las caracterı́sticas de deposición de energı́a a partir de
medidas dosimétricas en agua y, a partir de éstas, se realizan extrapolacio-
nes en los diferentes tejidos teniendo en cuenta su densidad. Este procedi-
miento tiene un error asociado a los propios sistemas de detección emplea-
dos, y que se hace importante en situaciones que se alejan demasiado de las
contempladas en los protocolos habituales, presentando problemas en ca-
sos con altos gradientes, haces de electrones, cercanı́a de interfases, etc. MC
no realiza ninguna extrapolación y simula de forma precisa (dentro de los
márgenes propios de este método) la geometrı́a de cada paciente.
Aparte del aumento de la carga de trabajo computacional que implica

el uso de MC en la práctica clı́nica, aparecen también varios aspectos que
es necesario considerar cuando se realiza una planificación. Como ya se ha
explicado antes, MC es un método estocástico y, por tanto, las soluciones
que proporcionan están sujetas a una incertidumbre estadı́stica, que por el
teorema central del lı́mite será proporcional a √1 , siendo N el número de
N
historias independientes simuladas. Normalmente, la simulación de un tra-
tamiento es dividida en dos partes. La primera consiste en la simulación de
la cabeza del acelerador y que proporciona como resultado un fichero de es-
pacio de fase. Éste es un fichero que contiene una lista de las caracterı́sticas
(energı́a, posición, cosenos directores. . . ) de las partı́culas que alcanzan un
plano definido por el usuario. El espacio de fase caracteriza el haz de ra-

diación que emite el acelerador y puede ser tomado como dato de entrada
en la simulación del haz en el interior del paciente, caracterizado a partir
de imágenes de TAC o resonancia magnética, dando como resultado la dis-
tribución de dosis en el paciente. En las dos partes existe una variación es-
tadı́stica de todas la magnitudes obtenidas, lo cual debe ser tenido en cuenta
a la hora de determinar el número de historias necesarias para conseguir la
precisión requerida en los resultados o al evaluar un tratamiento, ya que las
fluctuaciones estadı́sticas pueden alterar de forma significativa los resulta-
dos si no se ha conseguido una varianza lo suficientemente baja. Además,
la varianza que presenta el espacio de fase (llamada a veces “varianza la-
tente”) representa un lı́mite para la precisión que se puede alcanzar en la
fase de obtención de dosis, ya el uso de un valor muy grande de N en esta
segunda fase implica una reutilización de las partı́culas almacenadas en el
espacio de fase, poniendo de manifiesto los efectos de las fluctuaciones es-
tadı́sticas que tiene e introduciendo un error sistemático en los resultados.
En otras palabras, la “varianza latente” del espacio de fase es la varianza
mı́nima que se puede obtener en las distribuciones de dosis.
En algunos casos, en lugar de utilizar espacios de fases como fuente que

caracteriza el haz, se utilizan los llamados “modelos multifuente”. Estos
modelos consisten en una parametrización analı́tica de las caracterı́sticas
del haz. Al ser analı́ticos, estos modelos no presentan “varianza latente”,
sin embargo deben estar basados en medidas experimentales, y por tanto
introducen otro tipo de errores sistemáticos. Además, en estos casos es mu-
cho más difı́cil considerar variaciones en la geometrı́a, tales como diferentes
aperturas, formas de campo, etc., lo que resta a estos modelos aplicabilidad
clı́nica para su uso en planificación Monte Carlo.
Otro detalle a tener en cuenta es que la varianza de la dosis no es unifor-

me en todo el paciente. En cada elemento de volumen (voxel) en el que se
calcula la dosis, la desviación estándar relativa es proporcional a √1n , sien-
i
do ni el número de partı́culas que interaccionan en el vóxel i. Dado que en
cada vóxel, Di ∝ ni , el error relativo de la dosis será mayor cuanto menor

sea esta. Esto es importante al considerar la dosis recibida por los órganos
de riesgo que, en general será bastante menor que la dosis de prescripción y,
consecuentemente, estarán afectados por un error relativo mayor, asociado
a una estadı́stica más pobre. La distribución del error de la dosis también
debe ser tenida en cuenta cuando se determinen las dosis absolutas, ya que
si se toma como referencia un sólo vóxel, la dosis máxima, la dosis mı́nima,
o algún criterio parecido, el error estadı́stico puede falsear los resultados.
Análogamente, en los órganos denominados, desde un punto de vista ra-
diobiológico, “en serie”, donde es importante determinar cual es la dosis
máxima que recibe, se deben tomar las medidas necesarias para que la des-
viación estándar sea lo suficientemente baja en todo el volumen. El tamaño
de vóxel es también un elemento que debe ser cuidadosamente elegido. Un
tamaño de vóxel muy pequeño implica un mayor volumen de información
respecto a la constitución del paciente (y por consiguiente mayor lentitud y
mayor ocupación de los medios de almacenamiento), pero además, al llegar
una proporción menor de partı́culas por historia a cada vóxel, es necesa-
rio aumentar el número de historias simuladas para mantener la desviación
estándar, por lo que aumenta el tiempo de simulación. Si el vóxel es muy
grande, se pierde resolución espacial y precisión en la dosis cerca de in-
terfases e inhomogeneidades. La variación estadı́stica también afecta a la
forma de los histogramas dosis-volumen (DVH, dose-volume histogram) que
son una de las herramientas más usadas para evaluar la idoneidad de un
tratamiento (Jiang et al. 2000, Sempau & Bielajew 2000).
La modelización de la geometrı́a y composición del paciente es otro

punto al que es necesario prestar mayor atención al usar una planificación
MC que una convencional. En la mayor parte de los casos, la información
anatómica del paciente es obtenida mediante TAC. Los algoritmos conven-
cionales extraen la densidad electrónica de las imágenes de TAC y realizan
un escalado apropiado de las interacciones de la radiación con la materia.
MC, sin embargo, además de las densidades, tiene en cuenta la composi-
ción del medio simulado para considerar las diferencias de sección eficaz
de los diferentes elementos y compuestos (Vanderstraeten et al. 2007). Esta

composición no puede ser “a priori” obtenida de una imagen de TAC. Lo

más habitual es realizar la asignación del material en función de la densi-
dad (du Plessis et al. 1998) ya que, por suerte, los elementos que componen
el cuerpo humano son relativamente pocos y agrupados por densidades ra-
diológicas. Aún ası́, es necesario prestar atención a la presencia de artefactos
en la imagen, o de elementos distorsionadores como implantes metálicos,
etc.
La realización de una simulación de MC requiere que se establezcan una

serie de parámetros que son totalmente diferentes de los requeridos en los
algoritmos convencionales, además de ser más numerosos. Para empezar
es necesario determinar la fı́sica que debe ser considerada. La mayorı́a de
códigos permiten determinar qué procesos fı́sicos serán tenidos en cuenta
y cuales no, ahorrando tiempo de computación al no realizar cálculos para
aquellos procesos que vayan a tener poca o nula importancia en cada caso.
También es necesario determinar parámetros propios de MC, como técnicas
de reducción de varianza o energı́as de corte. Por supuesto, un modelado
preciso de cada una de las piezas del acelerador, y especialmente del MLC,
ası́ como de los parámetros del haz inicial de electrones inyectado por la
guı́a de ondas es fundamental en una planificación precisa.
En el caso de planificación de haces de electrones, un algoritmo basado

en MC es un avance determinante. Como se ha mencionado en la sección
1.3.2, el haz se divide en beamlets para posteriormente determinar la inten-
sidad de cada uno de ellos. En la fluencia que se considera que tiene cada
beamlet, las perturbaciones debida a los diferentes elementos colimadores y,
especialmente, al MLC son despreciadas. Esto es debido a dos motivos: el
primero, porque el efecto exacto de dicha perturbación depende del tamaño
y forma concretos de cada segmento, que no es posible conocer hasta en-
contrar la solución tras la secuenciación; el segundo, porque, en el caso de
haces de fotones, esta influencia es relativamente pequeña y puede ser ig-
norada hasta la evaluación final del tratamiento (a veces, no se considera en
ningún momento, dando lugar a un error añadido (Deng et al. 2001, Que

et al. 2004)). Una vez halladas las intensidades de los beamlets, se realiza la
secuenciación, en la que se generan diferentes segmentos para reproducir
los mapas de fluencia buscados. En el caso de haces de electrones, ignorar
la dispersión de partı́culas en las láminas, o la generación de fotones de
bremsstrahlung producirı́a discrepancias clı́nicamente intolerables, y MC se
hace fundamental para calcular la interacción de la radiación con el MLC.
1.6 Hipótesis y objetivos

H IP ÓTESIS : El uso de haces de electrones modulados en intensidad y
energı́a para el tratamiento de tumores superficiales puede proporcionar
distribuciones de dosis clı́nicamente superiores a la de los tratamientos ac-
tuales, mejorando la homogeneidad de la dosis en el volumen a tratar y
disminuyendo la radiación recibida por los tejidos sanos.
O BJETIVOS
1. Caracterización de los haces de electrones de 6, 9, 12, 15, 18 y 21MeV

de aceleradores clı́nicos en condiciones estándar.
2. Evaluación mediante Monte Carlo (MC) y medidas experimentales de

las caracterı́sticas dosimétricas de haces de electrones colimados me-
diante un colimador multiláminas (MLC) diseñado para la colimación
de fotones.
3. Demostración de la aplicabilidad de la modulación en intensidad y

energı́a de haces de electrones para la obtención de distribuciones de
dosis conformadas lateralmente y en profundidad.
4. Verificación experimental de tratamientos de tumores superficiales me-

diante radioterapia con electrones modulados (MERT).
5. Desarrollo de un sistema de planificación basado en MC para la ob-

tención de tratamientos de tumores superficiales mediante MERT.

6. Aplicación del sistema de planificación MC a casos reales susceptibles

de ser tratados mediante MERT.
7. Comparación de los resultados obtenidos en MERT con los obtenidos

mediante tratamientos convencionales y evaluación de las mejoras ob-
tenidas.


2.Material y método
2.1 Aceleradores y sistemas de colimación

Para realizar este trabajo se han analizado dos aceleradores Primus de
Siemens Medical Solutions (fig. 2.1) instalados, uno en el Hospital Universita-
rio Virgen Macarena de Sevilla, y el otro en el Hospital General de Valencia.
Estos aceleradores trabajan tanto con fotones, de 6 MV (los dos), 15 MV
(el de Sevilla) y 18 MV (Valencia) como con electrones, de 6, 9, 12, 15, 18
y 21 MeV (ambos). El uso de dos aceleradores diferentes permite que los
resultados obtenidos puedan generalizarse a cualquier acelerador del mis-
mo modelo y no dependen de caracterı́sticas dependientes del ajuste de una
unidad concreta.
Los dos aceleradores tienen instalados como sistema de colimación un

MLC de Toshiba de doble divergencia de 29 láminas con una anchura pro-
yectada en el isocentro (a 100cm de la fuente) de 1cm, excepto las dos más
externas que proyectan una anchura de 6,5cm. Este MLC (que a partir de
ahora llamaremos xMLC para diferenciarlo del especı́fico de electrones) está
diseñado para la colimación de fotones y permite la realización en los dos
centros mencionados de tratamientos de IMRT en la modalidad de step and
shoot.
45
CAPÍTULO 2. MATERIAL Y MÉTODO
Figura 2.1: Acelerador Primus de SiemensTM del Hospital Universitario Virgen Macarena
utilizado en la realización de este trabajo.
2.1.1 Configuración para el uso de haces modulados de electrones

El acelerador Primus está diseñado para conformar segmentos irregula-
res con el xMLC sólo con haces de fotones. Cuando funciona en modo de
electrones, exige tener instalado un aplicador de electrones y que tanto el
xMLC como los colimadores superiores (jaws) se coloquen en una posición
predeterminada. Para poder usar el xMLC para conformar electrones, el fa-
bricante proporcionó las instrucciones para fabricar un circuito instalado en
un marco que, acoplado en el conector donde se coloca habitualmente el
aplicador de electrones, anula esta restricción.
Debido a la importante dispersión que sufren los electrones en el aire, es

necesario reducir al máximo la distancia entre el último elemento colimador
y el paciente. Por esto, los tratamientos de MERT realizados en este trabajo
se han llevado a cabo utilizando un SSD de 60cm (fig. 2.2), en lugar de los
100cm que se utilizan de forma estándar. Ya que el centro de giro del cabezal
del acelerador se encuentra a 100cm de la fuente de radiación, en los casos

de MERT en los que sean necesarios más de un ángulo de incidencia es nece-

sario realizar la combinación apropiada de giro del cabezal y movimientos
horizontal y vertical de la camilla del paciente, de forma que reproduzcan
el resultado equivalente a un giro con 60cm de radio.
(a) (b)
Figura 2.2: Imágenes de la disposición geométrica del acelerador y la camilla durante la

realización de la dosimetrı́a fı́sica en la configuración de MERT (SSD=60cm) mientras se
realizaban mediciones en agua sólida (a) y en una cuba de agua (b).
En la configuración propuesta, la distancia entre el paciente y el colima-

dor multiláminas es de 24,4cm, ya que ha de salvarse el acoplador donde
se sitúa el marco para electrones, además de añadir un margen de seguri-
dad para evitar colisones con el gantry (fig. 2.3). Esta distancia es mayor que
los 5cm de distancia entre el paciente y los aplicadores de electrones en tra-
tamientos convencionales, por lo que se hizo necesario realizar un estudio
previo de la viabilidad del uso del xMLC en la colimación de electrones.
En estas condiciones, la colimación del haz se realiza exclusivamente me-

Figura 2.3: Esquema que muestra la geometrı́a del acelerador y la camilla del paciente
para aplicar un tratamiento de MERT con un SSD de 60cm con un ángulo de incidencia
arbitrario α, para lo cual es necesario desplazar la camilla una distancia d x en dirección
horizontal y dy en vertical, desde su posición normal para una irradiación a 100cm.
diante el xMLC. Los jaws se mantienen a la máxima apertura posible para

reducir su influencia en el haz. Al utilizar un SSD de 60cm, la proyección de
las láminas a la distancia de tratamiento pasa a ser de 0,6cm y los campos
cuadrados a utilizar tener necesariamente dimensiones múltiplos de esta
cantidad.
2.2 Dosimetrı́a
En el transcurso de este trabajo fue necesario realizar medidas dosimétri-
cas con tres objetivos fundamentales:
1. Obtener los datos necesarios para modelizar de forma precisa los ha-

ces de radiación mediante MC en condiciones estándar (Pena et al.

2007).
2. Verificar que, en las condiciones propuestas para los tratamientos MERT,

alejadas de las condiciones de referencia, las simulaciones mantuvie-
ran la precisión de los resultados.
3. Realizar un estudio dosimétrico comparando las caracterı́sticas de los

haces conformados mediante el xMLC y un modelo de MLC de elec-
trones (eMLC), que fue considerado como patrón de referencia para
las colimaciones convencionales en sustitución de las basadas en inser-
ciones de cerrobend, por tanto, se asumió como el sistema automático
que proporcionarı́a los mejores resultados dosimétricos.
Cada uno de estos objetivos dosimétricos supuso configuraciones expe-
rimentales y sistemas de detección bien diferentes.
Para la realización de las medidas dosimétricas experimentales se uti-

lizó una gama de instrumentos lo más amplia posible. Dado que las condi-
ciones de trabajo se alejan de los parámetros en los que se basan los dife-
rentes protocolos de medida se consideró conveniente abrir el abanico de
detectores a emplear disponibles para poder detectar fácilmente errores de-
bido a las condiciones de medida.
La medición de PDDs y perfiles de dosis en el Hospital Universitario

Virgen Macarena se realizó con un detector de diodo Scanditronix EFD3G
(2,0mm , 0,6µm de grosor) y una cámara de ionización Scanditronix NACP.
En el Hospital General de Valencia se utilizaron las cámaras de ionización
Wellhoffer CC01, CC04 (cilı́ndricas de 0,01 y 0,04cm3 de volumen activo, res-
pectivamente) y PPC40 (plano-paralela de 0,40cm3 ) (fig. 2.4). En ambos hos-
pitalees, el movimiento del detector se realizó mediante servomotores con-
trolados remotamente acoplados a una cuba de agua. La conversión de la
dosis en aire a dosis en agua se realizó utilizando los factores de conversión
recomendados por la AAPM (AAPM 1983). En todos los casos los detecto-
res se acoplaron a electrómetros con una sensibilidad nominal máxima de

0,01nC. La precisión obtenida con cada detector se expone en la tabla 2.1.
Tabla 2.1: Sensibilidades de los diferentes detectores utilizados para la realización de

medidas experimentales y la precisión que proporciona cada uno de ellos acoplados a un
electrómetro con una sensibilidad de 0,01nC.
Detector Sensibilidad (Gy/C) Precisión (Gy)

EFD3G 4,0 · 108 4,0 · 10−3
CC01 3,2 · 109 3,2 · 10−2
CC04 9,4 · 108 9,4 · 10−3
PPC40 9,0 · 107 9,0 · 10−4
NACP 1,6 · 108 1,6 · 10−3
Para la medición de distribuciones de dosis se utilizó un array de cáma-

ras de ionización PTW 2-D Array seven29. Este consiste en una matriz de
27 × 27 cámaras planoparalelas cuadradas de 5 × 5 × 5mm3 espaciadas 5mm
unas de otras (dando una resolución efectiva de 1cm). En los casos en los
que era necesario obtener una mayor precisión espacial, se realizaron cua-
tro medidas desplazando el array 5mm en cada dirección, de forma que se
pudieran combinar las cuatro matrices de dosis en una sola de 27 × 27cm2
con una resolución de 5mm. Los factores de conversión de dosis en aire a
dosis en agua son dependientes de la energı́a de la radiación. Estos facto-
res se encuentran tabulados para condiciones estándar pero, dado que las
condiciones MERT se alejan de estos requisitos, se optó por comparar direc-
tamente las dosis en el volumen de aire de las cámaras con las dosis en los
mismos volúmenes calculados por MC, eliminando las posibles fuentes de
error debido a la dependencia energética de los factores de conversión.
El uso de pelı́cula radiográfica fue descartado debido a la dependencia

energética de su respuesta que indica Gerbi & Dimitroyannis (2003), lo cual
es consistente con la falta de correspondencia entre las medidas prelimina-
res realizadas con pelı́cula y MC y medidas con el array de cámaras.

(b)
(c)
(a) (d)
(e) (f)
Figura 2.4: Imágenes de los diversos medios de medición de dosis empleados en la dosi-
metrı́a experimental de este trabajo: array de cámaras PTW 2-D Array seven29 (a), cámaras
de ionización cilı́ndricas CC01 (b) y CC04 (c), cámaras plano-paralelas PPC40 (d) y NACP
(f) y diodo semiconductor EFD3G (e).
Aún realizando cuatro medidas con el array de cámaras, una resolución

espacial de 5 × 5mm2 , aunque útil para detectar ciertos errores, puede re-
sultar demasiado escasa como medio de verificación de un tratamiento con
una geometrı́a compleja. Durante el desarrollo de este trabajo se dió la posi-
bilidad de utilizar pelı́cula radiocrómica GafChromic EBT (Niroomand-Rad

et al. 1998), cuya respuesta tiene una menor dependencia con la energı́a del
haz (Fan-Chi et al. 2007), por lo que se utilizó en la verificación de uno de
los tratamientos MERT, como se expondrá más adelante.
Aparte de una menor dependencia energética de la respuesta, la pelı́cula

radiocrómica presenta la ventaja de que no requiere un proceso de revelado,
simplificando el proceso de medición. Sin embargo, sigue siendo necesario
seguir un protocolo estricto para garantizar la precisión y reproducibilidad
de los resultados (Menegotti et al. 2008). El primer paso consiste en deter-
minar la curva de calibración de la pelı́cula, lo cual debe realizarse cada vez
que se utiliza un lote de fabricación diferente. La mayor absorción de luz
de la GrafChromic EBT se produce a los 633nm (color rojo-anaranjado), por
lo que, una vez escaneada la pelı́cula y guardada en formato TIFF (Tagged
Image File Format) con una profundidad de color de 48bits, sólo se utiliza el
canal rojo (obteniendo una imagen de 16bits, y por tanto 65536 niveles de in-
tensidad). La respuesta de la pelı́cula a la radiación no es lineal, sino que es
necesario ajustar la respuesta a un polinomio de segundo grado. El elemen-
to radiosensible es un polı́mero con forma alargada que tiende a alinearse
en la dirección de la aplicación durante el proceso de fabricación. Esto pro-
duce que, durante la digitalización de la imagen, la respuesta del escáner
dependa de la orientación en la que se coloca la pelı́cula, por lo que ésta
debe ser la misma en todas las digitalizaciones. Además, como resultado de
que el tamaño de la fuente de luz del escáner es finito, la respuesta también
varı́a con la posición relativa de cada pixel. Otra fuente de error proviene
de pequeñas variaciones en la densidad del polı́mero de la pelı́cula, debida
al proceso de fabricación. Estos efectos son corregidos una vez obtenida la
imagen digital, aplicando la relación:
I (i, j)
I ′ (i, j) = (2.1)
CF (i, j)
donde I (i, j) es la matriz de la imagen no corregida, I ′ (i, j) es la matriz co-

rregida y CF (i, j) es la matriz de corrección. Esta matriz de corrección se
obtiene escaneando la pelı́cula antes de la irradiación en las mismas con-

diciones en las que se escaneará después. La GafChromic EBT presenta una

relación señal/ruido baja, por lo que, después de corregir la imagen, se apli-
cará un filtro de mediana de tamaño 3 × 3 pixeles.
La irradiación se realiza colocando la pelı́cula en un maniquı́ de agua

sólida de forma perpendicular al haz de radiación a la profundidad de me-
dida. El proceso de ennegrecimiento de la pelı́cula no es instantaneo y no
se detiene al cesar la irradiación. La respuesta aumenta con el tiempo, has-
ta alcanzar el máximo aproximadamente 24 horas después, a partir de las
cuales, la imagen empieza a decaer lentamente. Por esto, la imagen se digi-
taliza en todos los casos al dı́a siguiente para obtener la máxima resolución
de dosis. Finalmente, la resolución espacial de la matriz de dosis obtenida
se reduce hasta hacerla coincidir con la de la matriz de dosis MC correspon-
diente, y se evalúa la coincidencia de ambas matrices mediante la matriz de
diferencia y la matriz gamma.
2.3 Simulación Monte Carlo

Un modelado preciso del acelerador clı́nico y la geometrı́a del paciente
es el primer paso necesario para realizar planificaciones de tratamientos ba-
sados en MC. Este paso será la base de todos los cálculos posteriores y los
errores cometidos en él se propagarán a las etapas subsiguientes, limitando
la calidad del tratamiento obtenido.
2.3.1 Código EGSnrc/BEAMnrc

El código MC utilizado a lo largo de este trabajo ha sido el paquete de
simulación de haces clı́nicos y transporte acoplado fotón-electrón EGSnr-
c/BEAMnrc (Rogers et al. 2002) desarrollado por el NRC (National Research
Council) de Canadá a partir del código EGS4 del SLAC (Stanford Lineal Ac-
celerator Center). Este código es uno de los más utilizados en la simulación

MC de haces clı́nicos (Chetty et al. 2007) y se usa frecuentemente como re-

ferencia en la evaluación de nuevos códigos.
Para la simulación de la cabeza del acelerador se eligió una energı́a de

corte para electrones (incluyendo la energı́a en reposo de 511keV) de 700keV,
y de 10keV para fotones. Para obtener las deposiciones de dosis, se emplea-
ron energı́as de corte de 621 ó 521keV para electrones (según el caso) y 1keV
para fotones. En todos los casos se utilizó el algoritmo de cálculo PRESTA-II
(para el cálculo del transporte cerca de interfases), se consideraron los efec-
tos de espı́n (para un cálculo preciso de la dispersión elástica de electrones
a baja energı́a), y la distribución angular de fotones producidos por bremss-
trahlung ası́ como la producción de pares electrón-positrón se calcularon me-
diante la fórmula completa de Koch y Motz (que aumenta la precisión del
cálculo de los ángulos de emisión de partı́culas secundarias).
En todos los casos, los espacios de fase se obtuvieron con densidades

superiores a 50000 partı́culas por cm2 , para asegurar una varianza lo sufi-
cientemente pequeña. Para simular las cubas de agua utilizadas para la ob-
tención de PDDs y perfiles se emplearon vóxeles de 0,38 × 0,38 × 0,20cm2 ,
considerando una mayor resolución para el cambio del rendimiento en pro-
fundidad. En el resto de simulaciones se usaron diferentes tamaños en fun-
ción de las necesidades de cada caso.
El paquete de simulación BEAMnrc se caracteriza por tratar la geometrı́a

de forma modular. El código se compone de una serie de módulos optimi-
zados para simular geometrı́as con unas simetrı́as especı́ficas (láminas su-
perpuestas de materiales diferentes, conos, cilindros. . . ). Cada uno de estos
módulos está orientado a simplificar de cara al usuario la modelización de
cada uno de los componentes que forman parte de un acelerador clı́nico y
acelerar los cálculos, simplificando las operaciones necesarias para la deter-
minación de la geometrı́a durante el transporte de partı́culas.
Tanto el MLC de fotones como el especı́fico para electrones tomado como

Figura 2.5: Esquema explicativo de las consideraciones geométricas que tiene en cuenta el
módulo VARMLC, parte del paquete BEAMnrc. Tomado de Rogers et al. 2002.
referencia se simularon utilizando el módulo geométrico VARMLC (Kapur

et al. 2000) proporcionado por el paquete BEAMnrc. Este módulo permite
considerar todos los detalles importantes que influyen en las caracterı́sticas
del haz (fig. 2.5), tales como machihembrado (tongue and groove) y el hueco
entre láminas, etc.
El código, además, asigna a cada partı́cula una variable extra (variable

LATCH) sin significado fı́sico que permite almacenar información para el
seguimiento de toda la cascada originada por cada partı́cula primaria y co-
nocer las regiones geométricas en las que se ha originado cada partı́cula o
dónde han interactuado. Haciendo uso de esta caracterı́stica ha sido posible
diferenciar las dosis debida a electrones dispersados por los MLCs y a foto-
nes de bremsstrahlung.
Los métodos basados en MC son muy exigentes desde el punto de vis-

Figura 2.6: Imagen del cluster de ordenadores utilizado para la realización de los cálculos
MC necesarios para este trabajo. La sala en la que está ubicado pertenece al departamento
de Fisiologı́a Médica y Biofı́sica, de la Universidad de Sevilla.
ta de la computación. Para realizar este trabajo se ha utilizado un cluster

(fig. 2.6) de 46 ordenadores Pentium IV de 2,8GHz con 512Mb de memo-
ria RAM y 80Gb de disco duro conectados entre sı́ por una red de 1Gb-
ps, controlados por un servidor Pentium IV de 2,8GHz con 1Gb de RAM
y dos discos duros de 230Gb. Los cálculos se han realizado de forma dis-
tribuida mediante un modelo desarrollado por nuestro grupo para tal fin
(Leal Plaza 2001, Leal et al. 2001, Leal et al. 2004). Este cluster se encuentra
en las instalaciones del Departamento de Fisiologı́a Médica y Biofı́sica de la
Universidad de Sevilla.
2.3.2 Simulación y modelado de los aceleradores

La geometrı́a y composición de cada elemento del acelerador fueron pro-
porcionados por el fabricante. Sin embargo, el espectro del haz de electrones
que sale de la guı́a de ondas es algo propio de cada acelerador y del ajuste

final realizado durante la instalación. Incluso dos aceleradores de la misma

marca y modelo, como los estudiados en el presente trabajo, presentan es-
pectros diferentes para las mismas energı́as nominales. Ası́, para la correcta
simulación de cada acelerador es necesario inferir este espectro a partir de
las medidas experimentales de PDDs y perfiles.
El espectro inicial de electrones se puede considerar con forma gaus-

siana como primera aproximación (Schreiber & Faddegon 2005) aunque, a
partir de las discrepancias entre medidas y simulaciones es posible inferir
las modificaciones que son necesarias aplicar al espectro simulado para que
coincida con el real.
2.3.3 Dosimetrı́a en condiciones estándar

La dosimetrı́a en condiciones estándar se realizó con el objetivo de ajus-
tar los parámetros de MC que no pudieron ser obtenidos de los datos pro-
porcionados por SiemensTM , fundamentalmente el espectro del haz de elec-
trones a la salida de la guı́a de ondas. Para realizar este ajuste se reproduje-
ron las medidas que se utilizan en cada institución para realizar los contro-
les de calidad del acelerador (algo diferentes en cada una de ellas). El ajuste
conseguido entre medidas experimentales y simulaciones se puede apreciar
en la figura 2.7.
Para obtener el ajuste preciso entre datos experimentales y simulados se

tomó un haz circular de electrones a la salida de la guı́a de ondas de 2mm de
diámetro. Los espectros usados tienen forma gaussiana y, para reproducir
las medidas experimentales, su centroide hubo de ser desplazado entre un
4 % y un 12 % respecto a la energı́a nominal del haz. En el acelerador de
Sevilla, la FWHM del espectro se mantuvo entre el 9 y el 10 % mientras que
las anchuras de los espectros mostraron una mayor variabilidad, con valores
entre 8, 3 % (21MeV) y 19,1 % (9MeV) (fig. 2.8).

Figura 2.7: Ajuste obtenido entre medidas experimentales (—) y datos obtenidos por MC
(•) para PDDs y perfiles a diferentes profundidades al simular los aceleradores de Sevilla
(columna de la izquierda) y Valencia (columna de la derecha) para todas las energı́as dis-
ponibles. Las mediciones se corresponden a campos de 10 × 10cm2 con un SSD de 100cm
utilizando aplicador de electrones.

Fig. 2.7 (continuación)

Fig. 2.7 (continuación)
Figura 2.8: Espectros de los haces de electrones iniciales a la salida de la guı́a de ondas que
reproducen las medidas experimentales para el acelerador de Sevilla (- - -) y Valencia (—).
2.3.4 Dosimetrı́a y evaluación en condiciones MERT

Una vez conseguido un ajuste preciso entre las medidas experimenta-
les y las simulaciones en condiciones de referencia se procedió a compro-

bar que el ajuste se mantenı́a en condiciones MERT, fuera de las condicio-

nes habituales de referencia. Las condiciones en las que se han de realizar
los tratamientos propuestos están muy alejadas de las normales, tanto por
la distancia de tratamiento como por el procedimiento de conformación, y
por lo tanto es necesario verificar exhaustivamente con la dosimetrı́a experi-
mental. La coincidencia entre medidas experimentales y simulaciones debe
confirmar la bondad de estas últimas y su adecuación para su uso como ba-
se de las subsiguientes planificaciones.
Figura 2.9: Comparación en condiciones no estándar (SSD=60 cm y colimación exclusiva

con el MLC) entre los PDDs y perfiles a la profundidad del máximo medidos de forma
experimental (—) y mediante simulación (•) en un campo 9,0 × 9,0cm2 para el acelerador
de Sevilla (izquierda) y de Valencia (derecha).
El uso de haces de 21MeV se vio limitado por inestabilidades de la guı́a

de onda al usar esta energı́a, por lo que no se pudieron realizar todas las
medidas necesarias para este haz. Para el resto de energı́as, las simulaciones

coincidieron dentro de los márgenes de error con las medidas experimen-

tales, confirmando que ambos aceleradores estaban correctamente modela-
dos. Estos resultados se muestran aquı́ como base para metodologı́a seguida
(fig. 2.9).
Se observa una cierta discrepancia sistemática en la reproducción de la

cola de bremsstrahlung de los PDDs, para el caso de Sevilla (tabla 2.2). Es-
to se podrı́a achacar a que dichas medidas se realizaron con un detector de
semiconductor, que presenta una respuesta a la radiación electromagnética
dependiente de la energı́a (Rikner & Grusell 1987, Heukelom et al. 1991).
Tabla 2.2: Dosis relativa de la cola de bremsstrahlung en un campo 9,0 × 9,0cm2 con
SSD=60cm medida experimentalmente y simulada por MC, y la diferencia entre ambos. En
Sevilla se usó un diodo semiconductor y en Valencia, una cámara de ionización. Se observa
la tendencia del semiconductor a infravalorar la dosis depositada por fotones.
Sevilla Valencia
Exp. Exp.
(diodo) MC dif (cámara) MC dif
6MeV 0,11 0,21 +0,10 6MeV 0,30 0,26 -0,04
9MeV 0,24 0,66 +0,42 9MeV 0,70 0,56 -0,14
12MeV 0,35 1,00 +0,65 12MeV 1,00 0,99 -0,01
15MeV 0,74 2,71 +1,97 15MeV 3,30 2,67 -0,53
18MeV 1,00 4,44 +3,44 18MeV 3,40 5,10 -1,80
2.3.5 Dosimetrı́a clı́nica

Para evaluar las posibilidades clı́nicas de los haces de electrones confor-
mados con un MLC diseñado para colimar fotones (xMLC), se realizó una
serie de pruebas y comparativas mediante MC entre estos haces y otros con-
formados por un colimador especı́fico de electrones (eMLC), considerando
éste como sistema de colimación de referencia para la sustitución de las in-
serciones convencionales.

El eMLC simulado es una modificación del prototipo desarrollado en el

Stanford University School of Medicine (Lee et al. 2000, Deng et al. 2002, Ma
et al. 2003). Este prototipo consiste en láminas de 2,54cm de grosor y 0,48cm
de anchura colocadas en un aplicador de electrones modificado de 25 ×
25cm2 a 95cm de la fuente de radiación para un SSD de 100cm. No obstante,
para realizar una comparación más apropiada, la simulación se realizó con-
siderando láminas de 0,54cm de ancho, de forma que su proyección a la
distancia de tratamiento fuera de 0,6cm, igual que el xMLC con un SSD de
60cm (fig. 2.10).
(a) (b)
Figura 2.10: Esquema mostrando la configuración usada en las simulaciones MC al coli-

mar los haces de electrones con el xMLC en condiciones MERT (a) y con el eMLC (b).

La comparación entre los campos colimados por un eMLC y los coli-

mados por un xMLC se realizó mediante un análisis detallado de PDDs
(fig. 2.11) y perfiles (fig. 2.12) para diversos tamaños de campo. A partir de
los PDDs se define una baterı́a de parámetros que ayudan a cuantificar y
evaluar las caracterı́sticas de los haces de electrones (Brahme & Svensson
1976, ICRU 1984). Los parámetros analizados fueron:
Dosis en superficie (Ds ) Es la dosis relativa depositada justo en la superfi-

cie. En la simulación se ha tomado como tal la dosis del primer vóxel,
de 0,2 cm de profundidad.
Fondo de bremsstrahlung (Dx ) En cada interacción que sufre un electrón,

la deceleración sufrida hace que emita radiación de frenado, de for-
ma que en todo haz de electrones existe cierta contaminación de foto-
nes. Esto se manifiesta con la existencia de una cola en los PDDs más
allá del rango de los electrones.
Rango del 90 % (R90 ) Profundidad, más allá del máximo del PDD, en la que
se deposita un 90 % de la dosis máxima. Junto con las dosis del 85 y del
80 %, son las que suelen considerarse como dosis con efecto terapéuti-
co.
Rango del 50 % (R50 ) Análogo al anterior. Es importante porque depende

muy directamente de la energı́a media de los electrones que llegan a
la superficie del medio absorbente.
Rango práctico (R p ) Definido como el punto en el que la tangente en el

punto de máxima pendiente de la caı́da de dosis del PDD se cruza
con la extrapolación de la cola de bremsstrahlung.
Gradiente normalizado de dosis (G) Es una medida de lo abrupto de la

caı́da de dosis con la profundidad. Se define como:

dD Rp
G=
· (2.2)
dz max Dm − Dx


donde | dD
dz |max es la pendiente máxima de la caı́da del PDD, R p , el
rango práctico, Dm la dosis máxima absorbida y Dx la dosis del fondo
de bremsstrahlung.
(a) (b)
(c) (d)
Figura 2.11: Comparación entre los PDDs obtenidos mediante MC para campos de 0,6 ×
0,6cm2 (a), 3,0 × 3,0cm2 (b), 5,4 × 5,4cm2 (c) y 9,0 × 9,0cm2 (d) colimados mediante un
xMLC (—) y un eMLC (- - -).
Una de las primeras caracterı́sticas que destaca en la tabla 2.3 es el com-

portamiento anómalo del campo 0,6 × 0,6cm2 colimado por el xMLC. En
general, este campo presentará un comportamiento alejado del resto de ta-
maños para la mayorı́a de los parámetros analizados. Este hecho puede ser
atribuido a las caracterı́sticas de la propagación de los electrones combina-
das con la geometrı́a particular del caso. La trayectoria de los electrones en
el aire no es rectilı́nea, por lo que cualquier partı́cula que se acerque al borde

Tabla 2.3: Comparación de parámetros caracterı́sticos de campos de (a) 0,6 × 0,6cm2 ,

(b) 3,0 × 3,0cm2 , (c) 5,4 × 5,4cm2 y (d) 9,0 × 9,0cm2 conformados con el xMLC y el
eMLC (entre paréntesis). La SSD para los datos del xMLC es de 60cm y para los del eMLC
es 100cm. Las distancias están dadas en cm y todas las profundidades tienen un error de
±0,2cm. Las dosis dadas son relativas al máximo (en %). G es adimensional.
Energı́a
(MeV) %Ds %Dx R90 R50 Rp G
6 94,9 (97,8) 0,8 (0,1) 1,3 (0,5) 2,3 (1,1) 3,1 (1,9) 2,2 (1,4)
9 93,5 (96,3) 2,5 (0,6) 1,5 (0,7) 2,9 (1,7) 4,5 (2,9) 1,5 (1,4)
(a) 12 92,7 (95,7) 3,3 (0,9) 1,5 (0,7) 3,3 (1,9) 4,9 (3,3) 1,4 (1,3)
15 86,4 (96,8) 8,0 (2,2) 1,7 (1,1) 3,9 (2,3) 5,7 (3,5) 1,4 (1,4)
18 91,3 (94,1) 6,7 (3,6) 1,7 (1,3) 3,7 (2,7) 5,3 (4,1) 1,4 (1,4)
21 86,6 (95,6) 9,6 (3,5) 1,9 (1,3) 4,3 (2,9) 5,7 (4,5) 1,6 (1,4)
Energı́a
6 81,5 (80,5) 0,1 (0,1) 1,7 (1,7) 2,3 (2,3) 3,7 (2,9) 2,6 (2,5)
9 91,1 (84,8) 0,2 (0,3) 2,5 (2,5) 3,5 (3,5) 4,7 (4,7) 2,4 (2,2)
(b) 12 93,1 (87,2) 0,5 (0,6) 2,7 (2,9) 4,5 (4,5) 5,9 (5,9) 2,0 (2,2)
15 91,3 (87,2) 1,5 (1,9) 2,9 (3,5) 5,3 (5,3) 7,7 (7,3) 1,7 (2,0)
18 90,2 (87,2) 2,8 (3,8) 3,5 (4,1) 6,3 (6,3) 8,9 (8,5) 1,6 (1,8)
21 91,8 (90,6) 2,7 (3,8) 3,5 (4,1) 6,5 (6,7) 9,1 (8,1) 1,7 (2,4)
Energı́a
6 75,0 (76,2) 0,1 (0,1) 1,9 (1,7) 2,3 (2,3) 3,1 (2,9) 2,7 (2,5)
9 78,6 (82,4) 0,2 (0,3) 2,9 (2,9) 3,7 (3,7) 4,7 (4,7) 2,9 (2,9)
(c) 12 82,7 (86,2) 0,4 (0,6) 3,7 (3,7) 4,9 (4,9) 5,9 (5,9) 2,9 (3,0)
15 86,8 (89,2) 1,5 (2,1) 4,5 (4,5) 6,1 (6,3) 7,7 (7,5) 2,6 (3,0)
18 85,7 (88,5) 3,1 (3,9) 5,1 (4,9) 7,5 (7,7) 9,7 (9,5) 2,4 (2,5)
21 85,8 (89,8) 2,9 (4,0) 5,1 (5,5) 8,1 (8,1) 10,5 (10,1) 2,2 (2,5)
Energı́a
6 72,7 (73,8) 0,1 (0,1) 1,9 (1,7) 2,3 (2,3) 3,1 (2,9) 2,8 (2,5)
9 78,1 (78,6) 0,3 (0,3) 2,9 (2,9) 3,7 (3,7) 4,7 (4,5) 2,9 (2,8)
(d) 12 83,4 (79,8) 0,5 (0,6) 3,9 (3,7) 4,9 (4,7) 5,9 (5,7) 3,0 (3,1)
15 88,2 (86,2) 1,7 (2,2) 4,9 (4,7) 6,3 (6,3) 7,7 (7,5) 3,0 (3,1)
18 88,3 (86,7) 3,3 (4,0) 5,5 (5,5) 7,9 (7,9) 9,7 (9,5) 2,9 (3,1)
21 89,9 (89,0) 3,3 (4,3) 5,9 (5,9) 8,5 (8,5) 10,5 (9,9) 2,7 (3,4)

(a) (b)
(c) (d)
Figura 2.12: Comparación entre los perfiles obtenidos mediante MC para campos de 3,0 ×
3,0cm2 (a, b) y 9,0 × 9,0cm2 (c, d) colimados mediante un xMLC (a, c) y un eMLC (b, d).
de una lámina a menos de una cierta distancia tendrá una alta probabilidad
de colisionar con ella, aunque su dirección inicial no la dirija contra la pro-
pia lámina. Ası́, se produce una zona de “sombra” en la que se reduce de
forma importante la fluencia de electrones, pero no la de fotones (fig. 2.13).
Si el campo conformado es tan pequeño que las zonas de “sombra” de

láminas opuestas se superponen, la fluencia de electrones en el campo com-
pleto se ve seriamente alterada, mientras que la contaminación de bremss-
trahlung no se verı́a apenas afectada. Esta es la situación cuando se conforma
un campo 0,6 × 0,6cm2 con el xMLC. En el caso del eMLC, esto no ocurre,
ya que, al estar el colimador más cerca de la superficie de tratamiento, no es

Figura 2.13: Esquema explicativo del comportamiento de campos de electrones de pequeño

tamaño. La trayectoria quebrada que siguen los electrones hace que, si un electrón (1) se
acerca demasiado a la lámina (zona sombreada), tenga una alta probabilidad de colisión con
esta. Es necesario que pase a una distancia mayor (2) para tener una alta probabilidad de
llegar a la superficie de tratamiento. Los fotones (3), en cambio, excepto si tienen alguna
interacción en el aire, se propagan en linea recta y el plateau de su curva de supervivencia
(abajo, en rojo discontinuo) es ligeramente mayor. Si las láminas se cierran lo suficiente
como para que se superpongan las zonas de sombra, la proporción ente electrones y fotones
se ve alterada drásticamente. Esta es la situación al conformar el campo 0,6 × 0,6cm2 con
el xMLC.
necesario que la apertura real de las láminas sea tan pequeña para obtener
el mismo tamaño de campo. Este efecto debe ser un factor a tener en cuenta
durante la planificación de tratamientos.
En el resto de tamaños de campo, ambos colimadores producen un do-

sis superficial similar, la mayorı́a entre el 80 % y el 90 % de la dosis máxima,
siendo mayor cuanto menor es el tamaño de campo, por el aumento de elec-
trones dispersados. La contaminación de bremsstrahlung es sistemáticamen-
te menor cuando se usa el xMLC, debido al mayor espesor de sus láminas,
que proporciona un blindaje mayor.

Los rangos del 90 % y del 50 % no muestran diferencias significativas

entre ambos colimadores, aunque el rango práctico sı́ presenta una ligera
tendencia a ser mayor con el xMLC. Seguramente es un efecto debido a que
la cola de bremsstrahlung es menor, y por tanto el R p aumenta levemente.
En cuanto al gradiente normalizado, existen pocas diferencias entre ambos
colimadores. Para campos grandes, se establece que un valor de G menor
de 2,3 es indicativo de una mala planicidad (ICRU 1984); pero aquı́ los dos
colimadores superan dicho valor.
En la figura 2.12 se puede comprobar como varı́an las penumbras de

cada colimador en un campo pequeño (3,0 × 3,0cm2 ) y otro grande (9,0 ×
9,0cm2 ). La dependencia del tamaño de la penumbra (definida esta como la
distancia, medida en el perfil, entre la dosis del 80 % y del 20 % de la dosis
central) se puede ver en la figura 2.14. A excepción del campo de tamaño
0,6 × 0,6cm2 , las penumbras, aunque son mayores, permanecen en el mis-
mo orden de magnitud y serı́an aceptables en tratamientos clı́nicos.
(a) (b)
Figura 2.14: Dependencia del tamaño de la penumbra a la profundidad del máximo con
la energı́a del haz y el tamaño del campo para el xMLC (a) y el eMLC (b). La penumbra se
define como la distancia entre la dosis del 80 % y la del 20 % de la dosis central. Se toma
como referencia para el tamaño de la penumbra el del campo correspondiente.

Uno de los aspectos en los que se halló que la conformación de haces de

electrones mediante xMLC superaba claramente a la conformación median-
te un eMLC fue en la protección frente a la contaminación de radiación de
frenado (fig. 2.15). El diseño del tipo de aceleradores estudiado propicia la
(a) (b)
(c) (d)
Figura 2.15: Comparación de la dosis debida a contaminación de fotones dentro (a y b) y

fuera (c y d) de campos cuadrados de electrones conformados mediante el xMLC (a y c) y el
eMLC (b y d)
generación de una cantidad significativa de fotones de bremsstrahlung, sobre

todo en los filtros dispersores (Huang et al. 2005), por lo que el mayor gro-
sor de las láminas del xMLC representa una protección añadida, tanto fuera
del campo como en su interior. Esta protección se hace más evidente a altas

energı́as, en las que esta contaminación es mayor.
Otra de las influencias del colimador que se han examinado a lo largo

de este trabajo fue la contribución de radiación dispersada en las láminas.
Esta contribución fue obtenida a partir la dosis debida únicamente a los
electrones que tuvieran activado el bit de la variable LATCH (seccion 2.3.1)
asociado a la región etiquetada correspondiente a las láminas (fig. 2.16).
Analizando el rendimiento en profundidad de dichos fotones (en un cam-
(a) (b)
Figura 2.16: Fracción de la dosis en el eje central de un campo cuadrado de 9,0 × 9,0cm2
debido a electrones dispersados o generados en las láminas del xMLC (a) y del eMLC (b).
po cuadrado de 9,0 × 9,0cm2 ) se puede observar que, aunque el orden de

magnitud es el mismo en ambos casos, su comportamiento, tanto en forma
como en dependencia con la energı́a es diferente según el colimador usa-
do. Activando el LATCH correspondiente a las láminas podemos observar
que, en el caso del xMLC, la contribución a la dosis de los electrones es ma-
yor cuanto menor es la energı́a del haz, mientras que, al usar el eMLC, la
dependencia con la energı́a es la contraria. La explicación más plausible a
esta diferencia de comportamiento estarı́a relacionada con el grosor de las
láminas. Al tener las láminas del eMLC un grosor menor, la probabilidad de
que un fotón contaminante atraviese la lámina y genere un fotoelectrón en
la parte inferior del MLC serı́a significativa. Este efecto serı́a mayor cuanto

mayor fuera la energı́a del haz, tal y como se observa. En el caso del xMLC,
sin embargo, la contribución más importante a esta dosis serı́a la de electro-
nes dispersados. La dispersión serı́a menos probable al aumentar la energı́a,
ya que el recorrido libre medio de los electrones en aire serı́a mayor.
La distribución de dosis de electrones dispersados o generados en las

láminas también es muy diferente para ambos colimadores (fig. 2.17). Mientras
(a) (b)
Figura 2.17: Distribución a la profundidad del máximo de la dosis debida a electrones

dispersados o generados en las láminas del xMLC (a) y del eMLC (b) en un campo cuadrado
de 9,0 × 9,0cm2 .
que la menor distancia colimador-superficie al usar el eMLC hace que exis-

ta una fuerte contribución cerca del borde del campo, en el caso del xMLC,
esta contribución está más homogéneamente distribuida en el interior del
campo. Este efecto puede ser indicativo de que, en su uso para tratamientos
MERT con múltiples segmentos, el eMLC puede tener una tendencia ma-
yor a generar zonas sobredosificadas, mientras que una configuración de
segmentos adyacentes conformados por el xMLC pudiera resultar más ven-
tajoso, desde un punto de vista clı́nico.
El uso de tratamientos de intensidad modulada exigirá el uso de seg-

mentos adyacentes, lo que, dado el patrón de deposición de energı́a de los

electrones, puede provocar la aparición de zonas sobre o subdosificadas. Pa-

ra obtener una estimación de los efectos que producirı́a la composición de
campos mediante varios segmentos, se estudió la planicidad de un campo
cuadrado de 9 × 9cm2 irradiado en un sólo segmento o compuesto por cua-
tro.
Existen diversas formas de evaluar la planicidad. En este trabajo se ha

usado la definición de la AAPM (Nath et al. 1994), que la define como:
M−m
F= · 100 % (2.3)
M+m
siendo M y m las dosis máxima y mı́nima a lo largo de la zona central
delimitada por el 80 % del tamaño del FWHM del perfil transversal. Dado
que las zonas de unión de los segmentos utilizados se encuentran a lo largo
de los ejes centrales del campo cuadrado, se tomó como referencia un eje
diagonal, de forma que se considerara adecuadamente las fluctuaciones de
dosis provocadas por estas zonas.
(a) (b)
Figura 2.18: Medidas MC de la planicidad de un campo cuadrado 9 × 9cm2 cuando se

realiza con un sólo segmento y cuando se compone de cuatro, utilizando el xMLC (a) y el
eMLC (b).
Aunque el xMLC produce planicidades algo peores (fig. 2.18), la com-

posición del campo por segmentos no las empeora, e incluso las mejora li-

geramente, mientras que el realizar la composición de campos mediante el

eMLC, la tendencia es a producirlos algo menos planos. Probablemente esto
se deba a que las mayores penumbras del xMLC provoquen una cierta ho-
mogeneización de la dosis a la hora de combinar segmentos para modular
un campo en MERT. Esta circunstancia contribuye a avalar el uso del xMLC
para la aplicación de MERT, tal como propone este trabajo.
2.3.6 Verificación experimental del procedimiento

Una vez que el análisis comparativo de la dosimetrı́a de los haces de
electrones conformados por el xMLC y por el eMLC permitió considerar al
primero capaz de proporcionar segmentos clinicamente aceptables, se pro-
cedió a realizar un tratamiento de prueba que combinara el uso de la mo-
dulación tanto de la energı́a como de la intensidad del haz. Para ello, se
diseñó un caso teórico donde hubiera que salvar tejido sano, tanto lateral-
mente como en profundidad (fig. 2.19).
Figura 2.19: Esquema explicativo de la geometrı́a que se ha usado como demostración de la

capacidad de colimación de electrones del xMLC. El volumen rojo representa al PTV, situado
a 0,60cm de profundidad y que se extiende hasta un máximo de 3,60cm. La separación del
volumen blanco con respecto al primer OAR (verde) es de 1cm mientras que la separación
entre 2o OAR (marrón) y el PTV es de 0,60cm.

Concretamente, el caso diseñado consistió en un volumen a tratar (PTV)

en una cuba de agua que, desde el punto de vista del haz, tiene forma de L.
El PTV rodea por dos lados a corta distancia a un órgano de riesgo (OAR)
a proteger, por lo que la solución adecuada debe colimar lateralmente al
máximo el haz de electrones sin perder por ello homogeneidad dentro del
volumen a tratar. Al mismo tiempo, cada uno de los brazos de esta L pene-
tra hasta profundidades diferentes, y por debajo de la zona menos profun-
da existe otro OAR, con lo que, al mismo tiempo que se colima de forma
lateral, se hace necesario aplicar segmentos con electrones de energı́as e in-
tensidades diferentes a cada zona para salvar este segundo órgano y exige
una conformación en profundidad ajustada. Es necesario destacar que las
formas poligonales de estos volúmenes se alejan de las formas reales clı́ni-
cas y que resultan mucho más exigentes y complejas, como se hace evidente
en los vértices angulados.
La solución se obtuvo de forma manual, con un reducido número de

campos, ya que en el momento de realizar el estudio no se encontraban to-
talmente desarrollados los algoritmos de planificación. La solución utilizada
se compuso de cuatro campos (dos adyacentes de 9 MeV y dos superpuestos
de 12 y 18 MeV) para los que se buscaron los pesos más adecuados (fig. 2.20).
(a) (b) (c)
Figura 2.20: Campos usados para recubrir el caso experimental propuesto. Los campos (a)
y (b) son de 9 MeV con 33 y 35 MU respectivamente, mientras que (c) se irradió dos veces,
una con 12 MeV y 15 MU, y otra con 18 MeV y 17 MU.

La resolución de la simulación fue de 0,3 × 0,3 × 0,3cm3 . La intensidad

de los segmentos de 9MeV fueron de 33 y 35MU y de 15 y 17MU para los de
12 y 18MeV, respectivamente.
La evaluación del tratamiento se realizó no sólo mediante simulación

MC, sino que se verificó también de forma experimental usando el array de
cámaras de PTW seven29. Las cámaras se colocaron de forma paralela a la
superficie a profundidades de 1,05cm, 1,95cm y 3,95cm. A cada profundidad
se realizaron cuatro medidas diferentes desplazando el array 0,5cm en cada
dirección, de forma que se obtuviera el doble de resolución al combinar las
cuatro mediciones. Para evitar la aparición de posibles artefactos asociados
a diferencias de resolución, se simuló la configuración del array con un ta-
maño de vóxel de 0,5 × 0,5 × 0,5cm3 . De esta manera se pudo realizar una
asociación directa entre vóxel y cámara.
Se presentan aquı́ los resultados de este experimento como datos inter-

medios para avalar la Metodologı́a empleada. Como puede verse en la figu-
ra 2.21, se consiguió una buena concordancia entre las medidas experimen-
tales y los datos MC, sobre todo en las profundidades más superficiales. En
la medida más profunda se obtuvieron discrepancias más importantes en
las isodosis de menor valor (del 20 % y el 40 %). El hecho de que la zona
la que se producen estas diferencias sea de alto gradiente y que en el resto
de puntos se observe una buena coincidencia serı́a indicativo de que estas
discrepancias serı́an fruto de errores de posicionamiento o incluso de baja
estadı́stica en los cálculos MC.
El DVH resultante muestra que, a pesar del limitado número de segmen-

tos y la complejidad del tratamiento, se ha conseguido un buen recubrimien-
to del PTV, mientras que ambos órganos de riesgo permanecen protegidos,
recibiendo una dosis máxima del 57 % el OAR lateral y del 39 % el situado
por debajo del PTV, mientras que el 90 % de los volúmenes de los OAR re-
ciben menos del 24 % y el 18 %, respectivamente.

(a) (b)
(c) (d)
Figura 2.21: Isodosis para el tratamiento del caso teórico propuesto, obtenidas mediante
MC (—) y experimentalmente con el array de cámaras (- - -), a las profundidades de 1,05cm
(a), 1,95cm (b) y 3,95cm (c). La resolución tanto de las isodosis obtenidas por MC como
experimentalmente es de 0,5 × 0,5cm2 . El DVH resultante (d) fue obtenido a partir de una
simulación de MC con una resolución espacial en la deposición de dosis de 0,3 × 0,3 ×
0,3cm3 .
2.4 Planificación Monte Carlo

Uno de los objetivos fundamentales de este trabajo fue el desarrollo, im-
plementación y puesta a punto de un sistema de planificación basado en
MC. El proceso de planificación desarrollado se divide en tres etapas bási-

cas, cada una de las cuales toma los resultados de la anterior como entrada
(fig. 2.22).
Figura 2.22: Representación esquemática del proceso de planificación desarrollado en este

trabajo. En una primera fase, que sólo es necesario realizar una vez por cada energı́a dis-
ponible en el acelerador, se obtienen los espacios de fase correspondientes a cada beamlet
(marcado en marrón). Para cada paciente se seleccionan los beamlets que serán considera-
dos y la dosis que deposita cada uno en el paciente en una segunda fase. En la última fase
(verde), se realiza la obtención de la solución final del tratamiento.
La primera fase consiste en la caracterización de cada uno de los haces

de electrones disponibles en el acelerador. Para ello se obtiene un espacio

de fase a la salida del MLC, manteniendo éste y las mordazas abiertas al

máximo, para minimizar su influencia durante esta etapa. Seguidamente,
este espacio de fase es dividido por un programa creado ad hoc en pequeños
espacios de fase que caracterizan beamlets cuadrados cuya proyección a la
distancia de tratamiento (60cm) es de 0,6 × 0,6cm2 y que se usarán como
unidades de fluencia en los calculos subsiguientes. Todos estos pequeños
espacios de fase son almacenados en un directorio y etiquetados en función
de su posición espacial.
Para la realización de esta primera fase se utilizó el paquete EGSnrc /

BEAMnrc sin modificaciones adicionales y sólo fue necesario la creación de
un sencillo programa que dividiera con criterios geométricos los espacios
de fase resultantes. Esta fase se realiza una única vez para cada energı́a de
electrones disponible en el acelerador simulado para los tratamientos.
2.4.1 Coeficientes de deposición de dosis

Una vez que cada uno de los haces disponibles está modelado y lis-
to para ser usado en forma de beamlets, la siguiente fase es la que, a lo
largo de este trabajo se llamará “fase de geometrı́a”. Ésta se subdivide, a
su vez, en dos procesos. El primero de ellos consiste en la caracterización
geométrica del paciente. A partir de la información proporcionada por un
TAC (actualmente está soportado el formato DICOM), se genera un fichero
en formato “egs4phant”, que es el formato de matrices de densidad utiliza-
do por el código EGSnrc. Para realizar esta conversión se utiliza un script de
MATLAB (Apéndice II), que convierte los valores de los números Houns-
field a valores de densidad, usando la tabla de calibración propia de cada
TAC. Este procedimiento utiliza el software “DicomMC” desarrollado por
Lagares González (2008) para la transformación de los datos DICOM al for-
mato del fichero MC de densidades y medios materiales.
El TAC tiene la limitación de que puede proporcionar valores de densi-

dad, a partir de los números Hounsfield, pero no puede determinar com-

posiciones quı́micas, es decir, no puede distinguir elementos o compuestos
diferentes pero con la misma densidad. Afortunadamente, en el caso del
cuerpo humano es una aproximación bastante ajustada considerar que la
composición quı́mica es homogénea dentro de cada rango de densidades.
Ası́, a partir de cierta densidad, se considerará que el tejido representado es
hueso, el intervalo inmediatamente inferior de densidades se consideró que
era tejido blando, el siguiente, pulmón y por debajo de una densidad lı́mite,
aire (fig. 2.23). Distinciones más detalladas en las densidades radiológicas
no ofrecen distribuciones diferentes, al menos dentro del rango de estudio
realizado para este trabajo (Vanderstraeten et al. 2007).
Figura 2.23: Tabla de calibración correspondiente al TAC instalado en el Hospital Uni-

versitario Virgen Macarena.
Además de la composición y densidad de cada punto del paciente, tam-

bién se exportan los diferentes volúmenes de interés contorneados por el
radioterapeuta (PTV, órganos de riesgo,. . . ). Estos volúmenes no son sopor-

tados por el formato de fichero “egs4phant” estándar, por lo que se ha utili-

zado una extensión propia de este formato, adaptándolo a nuestro modelo
de planificación. Esta adaptación puede ser visualizada con el programa
MCSHOW desarrollado en el Fox Chase Cancer Center.
Una vez hecho esto se seleccionan manualmente las energı́as y ángulos

de los haces que se utilizarán en el tratamiento, en función de la geometrı́a
particular del caso. Otro programa desarrollado por en Stanford (pı́deme re-
ferencia)(llamado “makebeamlets”) selecciona los beamlets cuya proyección
engloba el PTV, más un cierto margen. Este programa genera un fichero con
extensión “egs4blc” en el que, además de información sobre el ángulo de
incidencia del haz, se listan los ı́ndices de los beamlets cuya contribución a la
dosis se simulará en el siguiente proceso.
El cálculo de dosis de cada beamlet se realiza mediante una versión mo-

dificada del código DOSXYZnrc (Walters et al. 2005) que, que hemos desig-
nado con el nombre BEAMDOSE (apéndice III). El DOSXYZnrc admite dos
maneras de definir la geometrı́a de la simulación, bien tomando los datos de
un fichero “egs4phant” estándar (variable N MED = 0), o definiendo la geo-
metrı́a manualmente (N MED > 0). El código BEAMDOSE añade la capaci-
dad de leer un fichero “egs4phant” extendido con información sobre las re-
giones de interés (estableciendo el valor N MED = −1) tomadas a partir del
contorno realizado por el terapeuta. Además se añadió una nueva fuente de
radiación (variable isource = 10), que establece un número N de incidencias
(establecidas por la variable nports), cada una de la cuales vendrá definida
por un fichero “egs4blc” que determina el ángulo del gantry del acelerador,
de la mesa y del colimador, además de los ı́ndices de los beamlets que de-
berán ser simulados para ese ángulo. Para cada incidencia, se establece en
el fichero “input” el directorio en el que se encuentran los espacios de fase
correspondientes a los beamlets, con nombre “beamletxxx.egsphsp1” (sien-
do xxx, un número de ı́ndice que determina la fila y la columna en la que se
sitúa espacialmente).

Cuando se calcula la dosis debida a más de un espacio de fase es nece-

sario no alterar la importancia relativa para cada uno, simulando el núme-
ro adecuado de historias en cada uno de ellos. Dado que cada uno de los
espacios de fase se ha obtenido con el mismo número de historias inicia-
les, la conservación de la importancia relativa se consigue simulando cada
partı́cula de cada beamlet el mismo número de veces. Por ello, cuando en el
programa BEAMDOSE se encuentra activada la fuente isource = 10, el sig-
nificado de la variable NCASE cambia y deja de ser el número de partı́culas
a simular para pasar a ser el número de veces que se simula cada partı́cula
del espacio de fase. De esta manera, la importancia relativa de cada espacio
de fase es idéntica a la de los demás. Otro cambio que se introduce al usar
esta nueva fuente es que, al sumar los ficheros “pardose” resultantes de una
simulación distribuida, o al ejecutar el código en una sola máquina, además
de producir el fichero de matrices de dosis (“3ddose”), se crea un fichero
(con extensión “egs4ddc”) que contiene los coeficientes de deposición de
dosis. Estos coeficientes representan la contribución de cada beamlet a cada
uno de los vóxeles que forman parte de alguna región de interés, definida
en la extensión del formato “egs4phant”1 .
Cuando se realiza una simulación distribuida con el DOSXYZnrc, los

nombres de los ficheros “pardose” resultantes tienen la forma “nombre wxx
.pardose”, siendo “nombre” el nombre del fichero “input”, y “xx” el núme-
ro de la partición correspondiente. Al realizar la simulación de beamlets para
su uso en planificación, ha sido necesario añadir dos identificadores más,
de manera que el fichero queda nombrado como “beamlet nombre wxx
portyy wzz .pardose”. El número “xx” no cambia de significado, mien-
tras que “yy” identificará la incidencia a la que pertenece el beamlet, y “zz”
lo identifica dentro de la incidencia. Para manejar este nuevo esquema de
nombres, se ha añadido una subrutina extra al fichero “egs utilities.mortran”
que, en la instalación estándar de EGSnrc, se encuentra situado en “$HEN
HOUSE /src”.
1 En el apéndice III se encuentra una descripción más detallada de las caracterı́sticas del
código BEAMDOSE.

El resultado final de este proceso es un fichero con extensión “egs4ddc”

que, como ya se ha dicho, almacena la contribución de cada beamlet a cada
uno de los vóxeles que forman parte de las regiones de interés.
2.4.2 Optimización de fluencias

Seguidamente, se procede a obtener la fluencia necesaria en cada inci-
dencia para conseguir la distribución de dosis deseada. Matemáticamente
es equivalente a encontrar los coeficientes multiplicadores de cada beamlet
que minimiza una función objetivo.
El proceso de optimización de la función objetivo se basa en el método

de Zangwill (Zangwill 1967), que es una variante del método de máximo
gradiente. Su implementación fue realizada en la Stanford University School
of Medicine (Pawlicki 2000). La solución buscada se define estableciendo
lı́mites de dosis-volumen. En el caso del PTV se determina una dosis de
prescripción y dos tripletes “importancia-volumen-dosis” que determinan
el volumen a partir del cual se penalizará que la dosis obtenida supere un
valor máximo (para el primer triplete) o sea menor que una dosis mı́nima
(para el segundo), ponderado por sus respectivos factores de importancia.
Para los órganos de riesgo se define un número arbitrario de puntos de res-
tricción, también con la forma “importancia-volumen-dosis”, que penaliza
cada vóxel que supere la dosis establecida a partir del volumen máximo
permitido, ponderado por un factor de importancia:

NOAR
F (−
→
ω ) = f PTV (−
→
ω)+ ∑ f i (−
→
ω)
i =1
(
V (dk < D presc ) > Vmin
f PTV = ∑ (dk − D presc )2 ∀ k :
k∈ PTV V (dk > D presc ) > Vmax (2.4)

 V (dk > D1 ) > V1

Nlim 
f i = ∑ ∑ ( d k − D j )2 ∀ k : V (dk > D2 ) > V2
k∈OARi j=1 .
 ..


siendo D presc la dosis de prescripción, dk es la dosis en el vóxel con ı́ndice k,

Nlim el número de restricciones de dosis D j impuestos a cada OAR y Vmin ,
Vmax y Vj las diferentes restricciones de volumen.
Una vez realizado un preprocesado del fichero “egs4ddc”, se procede a

realizar la obtención de los pesos de los beamlets que minimizan la función
objetivo.
2.4.3 Secuenciación especı́fica de electrones

La secuenciación de un mapa de fluencia de un haz de electrones intro-
duce más incertidumbres al resultado final que en el caso de fotones, debi-
do a las mayores perturbaciones que producen las láminas en el haz. Por
ello fue necesario desarrollar un secuenciador que tuviera en cuenta (al me-
nos parcialmente) las diferencias en las perturbaciones introducidas por las
láminas con respecto a haces de fotones.
Al ejecutar el secuenciador, éste realiza en primer lugar una discretiza-

ción de los niveles de fluencia de cada mapa a secuenciar. El número de
niveles en que se divide el mapa es uno de los parámetros que debe definir
el usuario, que debe considerar que, cuanto mayor sea el número de niveles,
menor será la diferencia entre el mapa de fluencias objetivo y el obtenido,
pero mayor será el número de segmentos, lo que alargará el tratamiento y
producirá segmentos con muy pocas unidades monitor.

Dado que la conformación de cada segmento mediante el MLC produce

inevitablemente cierto grado de dispersión en el haz, el objetivo final del se-
cuenciador debe ser no sólo minimizar la diferencia entre la fluencia desea-
da y la teóricamente obtenida, sino obtener al mismo tiempo segmentos con
contorno
una razón super f icie lo más pequeña posible, de forma que la perturbación
debida a las láminas no altere demasiado la fluencia prevista del segmento.
Para hacer esto, es necesario realizar una optimización multiobjetivo. Para
ello la minimización se realizará sobre una función suma ponderada:
G = g1 + ω · g2 :
Nsegmentos
!2
Nbeamlets
g1 = ∑ Φi − ∑ φi,j
(2.5)
i =1 j =1
Nsegmentos
nicontorno
g2 = ∑ niabiertos
i =1
de forma que con la función g1 se evalúa la diferencia en cada beamlet entre

la fluencia buscada Φi y la suma de las fluencias de todos los segmentos φi,j ,
mientras que la función g2 varı́a en función de la cantidad total de beamlets
englobados por cada segmento (niabiertos ) y de los beamlets que conforman su
contorno del segmento (nicontorno ), donde la perturbación del haz debido a la
lámina es mayor. El parámetro ω es definido por el usuario y determina el
peso relativo de ambas funciones.
Otro aspecto en el que se tienen en cuenta las perturbaciones introdu-

Nsegmentos
cidas por el MLC es en el cálculo del término Φi − ∑ j=1 φi,j . Cuan-
do el beamlet considerado se encuentra adyacente al borde del segmento, la
fluencia φi,j es escalada para considerar la disminución de fluencia que se
produce en las inmediaciones del contorno del segmento.
El método utilizado para la minimización de esta función objetivo es el

algoritmo de “simulated annealing” (Kirkpatrick et al. 1983). Este algoritmo
presenta las ventajas de ser fácilmente implementable y de que, adecuada-

mente usado, garantiza la obtención del mı́nimo absoluto de la función y

no queda atrapado en mı́nimos locales. Por contra, su gran desventaja es
su lenta convergencia, por lo que se suele usar principalmente en proble-
mas con un gran número de variables y/o con un espacio de soluciones
muy grande y no se puede garantizar la no existencia de mı́nimos locales
en los que puedan quedar atrapados otros algoritmos, como los de máxi-
mo gradiente. La elección de este algoritmo, a pesar de su relativa lentitud
vino determinada por la expectativa de que, en desarrollos posteriores, el
secuenciador no trabaje con fluencias sino que lo haga directamente con
la dosis depositada por los beamlets, unificando las fases de optimización y
secuenciación en una unica fase, con lo que el proceso completo se acortarı́a.
Aunque se han tenido en cuenta varios aspectos de la influencia del MLC

en la fluencia del haz, ésta no es totalmente considerada por el secuencia-
dor, por lo que, una vez obtenida una secuencia de segmentos, será necesa-
rio simularlos y generar un nuevo fichero de coeficientes de deposición de
dosis, con lo que se realiza una segunda optimización, análoga a la primera,
donde los pesos corresponden no a bemlets sino a segmentos y que propor-
cionará la intensidad definitiva de cada uno de ellos.
La figura 2.24 muestra un caso real en el que se secuenciaron tres haces

de 6MeV con lámina degradadora, 9MeV y 12MeV. Como resultado de la
secuenciación se obtuvieron 4, 8 y 6 segmentos respectivamente. Se puede
comprobar que la fluencia que resulta de estos segmentos se aproxima en
buena medida a la buscada. La segunda optimización tendrá como efecto
una mayor coincidencia entre ambas fluencias.

(a) (b) (c)
(d) (e) (f)
Figura 2.24: Mapas de fluencia obtenidos para un caso de ejemplo tras la primera op-
timización (a, b, c) y fluencias obtenidas a partir de los espacios de fase de los segmentos
obtenidos como resultado tras la secuenciación (d, e, f), antes de realizar la segunda opti-
mización. Los espacios de fase se obtuvieron a la salida del MLC, excepto el haz con lámina
degradadora, que se obtuvo a la distancia de esta.
2.4.4 Cálculo de unidades monitor

Como ya se ha mencionado, los aceleradores lineales controlan el tiempo
de irradiación del paciente mediante las llamadas “unidades monitor” (MU,
por sus siglas en inglés). Estas MU se definen como la fluencia (o el tiempo,
ya que la tasa permanece constante durante la irradiación en la mayorı́a de
los tratamientos) necesaria para depositar una dosis determinada (se suele
escoger 1cGy) en un punto y con un campo de referencia (generalmente en
el eje a la profundidad del máximo para un campo 10 × 10cm2 ) con lo que,
cuando se realiza una irradiación, es necesario determinar el número de MU
que le corresponden a cada segmento.

El código EGSnrc/BEAMnrc proporciona valores de dosis por historia

simulada, por lo que todos los resultados de dosis obtenidos hasta este pun-
to son valores relativos y se pueden interpretar como dosis por fluencia. En
el tratamiento que se ha obtenido, se han hallado los pesos estadı́sticos de
cada segmento, es decir, las fluencias que les corresponden. Sin embargo,
para irradiar efectivamente el tratamiento es necesario hallar la relación en-
tre el peso estadı́stico de MC y las MU que hay que proporcionarle al acele-
rador.
El problema de obtener dosis absolutas, y por tanto MU, ha sido aborda-

do de varias formas, sobre todo calculando la dosis acumulada en la cámara
monitora mediante MC (Popescu et al. 2005), o asociando la dosis calcula-
da con MC con la medida experimentalmente en condiciones de referencia
(Ma et al. 2004). Para realizar los cálculos de MU en este trabajo se ha optado
por el segundo planteamiento, por ajustarse mejor al esquema general del
método de planificación usado.
Para cada energı́a se ha realizado un proceso de calibración que permite

obtener la conversión de pesos estadı́sticos de MC a MU experimental, tal y
como se explica a continuación.
La notación que se usará será la siguiente:
Se usará el sı́mbolo M para denotar el número de unidades monitor,

mientras que se reservará MU para denotar la unidad de esta cantidad.
Dre f denotará la dosis por unidad monitor medida experimentalmente

en el punto de referencia.
Se llamará dre f a la dosis obtenida mediante MC en el mismo punto de

referencia que el anterior.
Se define k como el factor por el que hay que multiplicar la dosis ex-
perimental (en Gy/MU) para obtener la dosis MC (en Gy/historia).

Nphsp será el número de historias con el que se han obtenido los espa-
cios de fase de cada segmento (el mismo número para todos) y Nrecycl
el número de veces que se ha reutilizado cada partı́cula para obtener
la dosis en el paciente.
La dosis de prescripción (por sesión) de denotará D presc , mientras que

la dosis MC absoluta (en Gy) se representa por D MC y la dosis por
historia de MC será d MC .
El peso estadı́stico que tiene en MC cada segmento será ω.
El campo de referencia utilizado fue un campo de 9 × 9cm2 y el punto de

medida se situó en el eje a 1,5cm de profundidad. Midiendo en dicho punto
Dre f y dre f se obtiene para cada energı́a el factor k (cuyos valores para el ace-
lerador Primus del Hospital Virgen Macarena se exponen en la tabla 2.4.4):
Dre f
k= (historias/MU ) (2.6)
dre f
Tabla 2.4: Dosis de referencia experimental (Dre f ) y MC (dre f ) y factor de conversión

MU-historia (k j ) para cada energı́a del acelerador Primus del Hospital Virgen Macarena.
El punto de medida está situado en el eje de un campo 9 × 9cm2 a 1,5cm de profundidad
con SSD=60cm.
Energı́a Dosis experimental Dosis Monte Carlo kj

(MeV) Dre f (Gy/MU) dre f (Gy/hist) (hist/MU)
6 3,10 · 10−2 6,661 · 10−13 4,6541 · 1010
9 2,74 · 10−2 5,420 · 10−13 5,0516 · 1010
12 2,66 · 10−2 5,467 · 10−13 4,8621 · 1010
15 2,74 · 10−2 3,754 · 10−13 7,2906 · 1010
18 2,77 · 10−2 3,869 · 10−13 7,1642 · 1010
Para el segmento i con energı́a j, el producto ωi · Nphsp · Nrecycl represen-

tará el número “efectivo” de historias que debe tener el segmento para un
tratamiento con dosis de prescripción MC D MC . Al dividir este número por
D
k j , y multiplicarlo por el cociente Dpresc
MC
se obtiene el número de unidades

monitor correspondiente a ese segmento:
ωi · Nphsp · Nrecycl D presc

Mi = · (2.7)
kj D MC
Teniendo en cuenta que D MC = d MC · Nphsp · Nrecycl la ecuación 2.7 pue-
de simplificarse, quedando:
ωi · D presc
Mi = (2.8)
d MC · k j
Esta ecuación es la que transformará los pesos estadı́sticos, calculados
a partir del sistema de planificación descrito, al número de MU que le co-
rresponde a cada segmento, con lo que el tratamiento queda listo para ser
irradiado.
La irradiación de un tratamiento con un SSD de 60cm provoca que el iso-

centro de radiación no coincida con el isocentro geométrico del acelerador.
Por ello, una vez colocado el gantry en el ángulo correspondiente al trata-
miento, con el paciente colocado a la distancia estándar de 100cm, se debe
mover la mesa en las direcciones horizontal y vertical los siguientes valores:
d x = 40 · sen(α)
(2.9)
dy = 40 · cos(α)
donde α es el ángulo de incidencia y d x y dy están expresadas en centı́metros.
El ángulo aumenta al girar el gantry en sentido horario observando desde
los pies del paciente.
2.5 Casos clı́nicos

Como paso final para mostrar las posibilidades de los tratamientos con
electrones modulados, se escogieron una serie de casos clı́nicos reales sus-
ceptibles de ser mejorados mediante el empleo de tratamientos de MERT.
Estos casos se han agrupado en tres grupos diferenciados (sin excluir la po-

sibilidad de usar MERT para otros casos). El primer grupo consta de casos
en los que la mama se ha extirpado totalmente o en su mayor parte y es
necesario irradiar la pared costal. En el segundo se han incluido casos de
glándulas mamarias completas o con cirugı́a conservadora, mientras que
en el tercer grupo se engloba un conjunto más heterogéneo de casos de tu-
mores superficiales o poco profundos localizados en el área de la cabeza y
el cuello.
En los casos en los que fue posible, el tratamiento de MERT propuesto

es comparado con el tratamiento convencional que realmente recibió el en-
fermo. Ası́ mismo, dadas las limitaciones de cálculo de dosis de los TPS que
ya se han mencionado anteriormente, este tratamiento convencional fue si-
mulado mediante MC para poner de manifiesto las caracterı́sticas reales del
tratamiento y realizar una comparación rigurosa entre MERT y el tratamien-
to convencional.
2.5.1 Paredes costales

En los casos más avanzados de cáncer de mama, se hace imperativo rea-
lizar una mastectomı́a más o menos extensa, según la situación. La posterior
irradiación de la pared costal y del tejido restante presenta por este motivo
una dificultad especial. En primer lugar, al haber sido extirpada una gran
cantidad de tejido, el grosor de la zona a irradiar puede ser muy pequeño
en algunas regiones, con la complicación añadida de que el pulmón se en-
cuentra inmediatamente adyacente. Por otro lado, a consecuencia de la ci-
rugı́a practicada, el volumen a tratar suele ser muy irregular, alternando zo-
nas delgadas con otras más gruesas, y con una superficie también irregular.
Estas dificultades provocan que no exista un tipo de radioterapia estándar
para estos de casos, y que, dependiendo de la situación, se utilicen haces
de fotones, electrones o, menos frecuentemente, combinaciones de ambos
(Pierce et al. 2002).

El inconveniente de utilizar fotones es que, al igual que en las mamas

no operadas, deben ser haces tangenciales, pero debido a la geometrı́a del
caso, la cantidad de pulmón irradiado es mayor, al igual que la cantidad
de tejido cardı́aco afectado, en el caso de la mama izquierda. Esta aplica-
ción tangencial de campos está además sometida a incertidumbres debidas
al movimiento de respiración de la paciente durante el tratamiento, como
ya se comentó en la Introducción.
En cuanto a los haces de electrones, la irregularidad de la superficie y las

diferencias de grosor en las diferentes regiones del PTV normalmente hacen
necesario el uso de bolus. Además, las deficiencias ya comentadas de los al-
goritmos de cálculo convencionales en la determinación de las distribucio-
nes de dosis hacen que en la mayorı́a de los hospitales se realicen irradia-
ciones de un sólo segmento, y que en muy pocas instituciones se combinen
energı́as, por lo que la homogeneidad de la dosis suele ser limitada.
Se han escogido cinco casos representativos de esta categorı́a. Las dos

primeras son una pared costal del lado derecho y una del lado izquierdo.
La tercera es un caso en el que la cirugı́a previa ha dejado una zona de la
pared costal tan delgada que exigió usar una lámina de metacrilato para de-
gradar la energı́a del haz de 6MeV. Esta lámina, de 8mm de grosor reduce
la energı́a más probable del espectro del haz de electrones hasta aproxima-
damente 4,5MeV. En la cuarta, el área a tratar es demasiado grande para
el campo que se puede irradiar con un SSD de 60cm y fue tratado a 70cm.
Finalmente, la última también exigió el uso de una lámina de metacrilato,
comparándose su uso con el de un bolus en un tratamiento convencional.
En adelante, estos casos serán referidos como PC1, PC2, PC3, PC4 y PC5,
respectivamente. La dosis prescrita en todos los casos fue de 50Gy irradia-
dos en 25 sesiones de 2Gy cada una.
Este tipo de situaciones se presentan en casos en los que el cáncer se ha

extendido de forma importante, por lo que se optó por una planificación
agresiva. Esto se realizó imponiendo en la fase de optimización de beamlets

a los lı́mites de dosis del pulmón un factor de ponderación de entre un 30 %

y un 50 % del factor de importancia para el recubrimiento del PTV.
2.5.2 Mamas no mastectomizadas

En los estadios iniciales del cáncer de mama, se suele intentar evitar la
extirpación total de la glándula y se realiza un tratamiento más conservador.
Este consiste en la extirpación del volumen tumoral y la posterior irradia-
ción de toda la mama para disminuir el riesgo de recidiva. En este tipo de
casos, las técnicas de IMRT han supuesto una mejora sustancial, tanto en
el aumento de la homogeneidad de la dosis en el PTV como en la dismi-
nución de ésta en el tejido sano (Hong et al. 1999). El uso de esta técnica
tiene el inconveniente de que no consigue una buena homogeneidad cerca
de la superficie (por el build-up de los fotones) y de que la mayor parte de la
radiación se libera mediante haces tangenciales, por lo que el movimiento
de la mama debido a la respiración de la paciente es perpendicular a estos
haces haciendo que parte del PTV entre y salga del campo a menos que se
considere un margen extra, lo que redunda en una mayor dosis al pulmón
ipsilateral (y al corazón en el caso de tratar la mama izquierda).
Las mamas sin mastectomizar presentan la dificultad, particularmente

importante en el caso de los haces de electrones, de que el volumen a tratar
se extiende hasta una profundidad considerable, frecuentemente cerca del
rango práctico de los haces de electrones de mayores energı́as disponibles.
Trabajos recientemente publicados (Jin et al. 2008) resuelven situaciones sen-
cillas, con restricciones más laxas que las utilizadas en este trabajo.
Se planificaron dos casos, siguiendo para cada uno de ellos un plantea-

miento diferente. En el primer caso (que se denominará MC1) se optó por
usar dos incidencias (a 0◦ y 90◦ ), mientras que en el segundo caso (MC2) se
usó una única incidencia aproximadamente normal a la superficie. La dosis
prescrita en ambos casos fue de 50,4Gy en 28 sesiones de 1,8Gy diarios.

Al estar estos casos menos avanzados que los descritos en el apartado

anterior, los factores de importancia para los lı́mites de dosis del pulmón se
situaron en el 50 % y el 80 % de la importancia del PTV.
2.5.3 Cabeza y cuello

El tercer grupo de casos presentados es el de los localizados en el área de
la cabeza y el cuello. Ya se ha explicado que la principal dificultad de este
tipo de tumores es que se encuentran en una región con tejidos de muy dife-
rente densidad, desde hueso hasta cavidades aéreas, lo que reduce la preci-
sión de los cálculos de los algoritmos convencionales (Partridge et al. 2006).
Esto es particularmente crı́tico debido a la cantidad de órganos sensibles
presentes en un volumen relativamente reducido (cerebro, retinas, nervios,
mucosas . . . ).
El ejemplo más representativo de este grupo es el del tumor de parótida,

por lo que se han escogido dos casos de este tipo, uno pequeño (en ade-
lante caso CC1) y otro mayor que se extiende a mayor profundidad (caso
CC2). En ambos se habı́a practicado cirugı́a previa, por lo que además de
presentar al haz una superficie irregular, el PTV se encuentra inmediata-
mente debajo de la superficie, o incluso puede englobar a la piel. La dosis
de prescripción para las dos parótidas fue de 50Gy repartida en 25 sesiones
de 2Gy. El tercer caso incluido en este apartado es el de un tumor de oı́do
(caso CC3), en el que el propio PTV engloba zonas de hueso y tejido blando,
además de rodear parte del canal auditivo. En este caso se prescribieron 33
sesiones de 2Gy. Finalmente se seleccionó un caso de tumor buconasal (caso
CC4). Aquı́, además de existir el problema del cálculo de dosis en hueso y
aire, el paciente habı́a sido operado varias veces debido a lesiones tumora-
les previas, complicando la geometrı́a de la zona. El tratamiento de este caso
exigı́a una dosis de 46Gy dividida en 23 sesiones.

La variada tipologı́a presente en los casos de cabeza y cuello se tradujo

en una igualmente variada diversidad de parámetros de optimización. En
general, los órganos menos crı́ticos, o situados a mayor distancia del PTV se
ponderaron con factores de importancia menores (en torno al 10 % o menos)
mientras que los más comprometidos recibieron factores de hasta un 80 %.


3.Resultados
3.1 Verificación experimental

La verificación experimental de los cálculos de cualquier planificación
es esencial para la implementación práctica de éste. La dosimetrı́a experi-
mental de haces de electrones conformados mediante MLC y con mezcla
de energı́as es especialmente complicada y crı́tica, como ya se ha explicado.
Con el objetivo de comprobar la exactitud de los resultados proporcionados
por el procedimiento de planificación y de establecer una metodologı́a de
verificación dosimétrica, además del experimento presentado en la sección
2.3.6, se procedió a realizar la verificación experimental de uno de los ca-
sos presentados en este trabajo, por ser representativo de una situación más
compleja y caracterı́stica de una situación real. La dosimetrı́a de los haces
que se han obtenido como resultado de la planificación de la pared costal
PC1 (detallada en la sección 3.2.1) se ha verificado siguiendo dos métodos
diferentes, explicados en la sección 2.2.
Tanto la dosimetrı́a con el array de cámaras como con pelı́cula se realizó en

un maniquı́ cúbico de agua sólida, con el haz incidiendo perpendicularmen-
te a la superficie. En los dos casos, las mediciones se realizaron a 0,5, 1,5 y
2,0cm de profundidad. Las medidas se compararon con las simulaciones de
MC del maniquı́. En el caso del array de cámara, las simulaciones conside-
raron las cavidades de aire de las cámaras, mientras que para comparar las
medidas de pelı́cula, se simuló el maniquı́ totalmente de agua con una reso-
lución de 0,17 × 0,17cm2 .
97
CAPÍTULO 3. RESULTADOS
Figura 3.1: Dosis relativas obtenidas mediante un array de cámaras de PTW (primera
columna) y mediante la simulación de las mismas condiciones por MC (segunda columna)
del tratamiento PC1. Las mediciones se han realizado a 0,5cm, 1,5cm y 2,0cm. Cada pı́xel
representa el tamaño de una cámara del array.

La comparación de las dosis obtenidas mediante el array de cámaras con

las simulaciones de MC (fig. 3.1) no es fácil, ya que dada la poca resolución
de la matriz de dosis (0,5 × 0,5cm2 ), cada punto de medida representa un
promedio de un volumen relativamente grande, y es difı́cil determinar si
las diferencias obtenidas son errores dosimétricos o pequeños errores de co-
locación de las cámaras. Además, no es posible encontrar errores espaciales
menores de medio centı́metro, lo cual es una limitación importante. Para
realizar una comparativa más clara se optó, para cada cámara, represen-
tar la dosis medida experimentalmente, frente a la simulada mediante MC
(fig. 3.2). La pendiente y la ordenada de la recta de regresión de los pun-
Figura 3.2: Relación para cada cámara de ionización entre la dosis medida experimental-
mente, y la obtenida por MC, para cada profundidad de medida. En azul se representa la
recta de mejor ajuste para cada caso.

tos obtenidos, ası́ como el coeficiente de correlación R2 , proporcionarán una

medida del ajuste de los datos experimentales con la simulación. En el caso
ideal, todos los puntos deberı́an pertenecer a una recta de pendiente 1 que
pasara por el origen.
En las tres profundidades de medida se obtienen valores próximos a los

esperables de forma ideal (tabla 3.1). Sin embargo se observa una tenden-
cia sistemática de la recta de mejor ajuste a tener una pendiente ligeramen-
te mayor que la unidad. Esto puede ser debido a que, en las simulaciones
de MC, no se han considerado las perturbaciones debidas a las paredes de
la cámara o a los electrodos. El efecto es más evidente cuanto mayor es la
profundidad, lo que es consistente con esta hipótesis, ya que el efecto es es-
perable que sea mayor cuanto menor sea la energı́a del haz. La dispersión
de puntos alrededor de la recta de mejor ajuste hace difı́cil evaluar correc-
tamente la correspondencia entre ambas medidas. Parte de esta dispersión
podrı́a ser debido a pequeños errores en la colocación del array, pero el re-
sultado de dichos errores no podrı́an ser distinguidos de errores en la con-
formación de los haces, o errores dosimétricos.
Tabla 3.1: Parámetros de las rectas de mejor ajuste para los puntos de correlación entre
medidas experimentales y de MC para las cámaras de ionización. Un ajuste perfecto se
corresponderı́a a una pendiente igual a 1, ordenada nula y R2 = 1.
Profundidad de medida Pendiente Ordenada en origen R2
0,5cm 1,0232 ± 0,0033 0,0137 ± 0,0017 0,9927
1,5cm 1,0677 ± 0,0041 0,0130 ± 0,0041 0,9892
2,0cm 1,1891 ± 0,0057 0,0067 ± 0,0036 0,9834
Como alternativa a la verificación mediante un array de cámaras, se ha

realizado la misma verificación mediante pelı́cula radiocrómica. La ventaja
más importante de este método es la mayor resolución espacial en la distri-
bución de dosis (fig. 3.3). Con esta resolución, ya es posible distinguir posi-
bles errores de posicionamiento de la pelı́cula de otros errores que sı́ afec-
tarı́an a la evaluación de la solución al tratamiento. La obtención de matrices

(a) (b)
(c)
Figura 3.3: Isodosis (en cGy) obtenidas al irradiar un maniquı́ de agua sólida con los
segmentos que conforman la solución del caso PC1 a profundidades de 0,5cm (a), 1,5cm (b)
y 2,0cm (c).
de diferencias (fig. 3.4) y matrices de valores gamma (fig. 3.5) con suficiente
resolución es posible y se pueden usar para evaluar la calidad de los cálcu-
los. Sin embargo, existen limitaciones, ya que la pelı́cula se satura al recibir

(a) (b)
(c)
Figura 3.4: Mapas de diferencias relativas (en porcentaje) entre las matrices de dosis obte-
nidas mediante medición de pelı́cula y cálculo de MC a profundidades de 0,5cm (a), 1,5cm
(b) y 2,0cm (c) para el caso PC1 irradiado sobre un maniquı́ de agua sólida.
dosis mayores de 3,0Gy, aproximadamente, por lo que no se realizó la com-

paración con las intensidades planificadas, sino que fue necesario escalar el
número de unidades monitor de todo el tratamiento1 . Además, es necesario
seguir un protocolo más estricto que en el caso del array de cámaras, ya que,
aunque no es necesario llevar a cabo un proceso de revelado, aún es necesa-
rio digitalizar la imagen, la respuesta de la pelı́cula a la luz del escáner no es
1 Las unidades monitor usadas para la verificación del caso PC1 fue de
4,5,3,3,3,3,3,4,3,3,3,3,2MU, siguiendo el orden para de la figura 3.8.

(a) (b)
(c)
Figura 3.5: Mapas gamma entre las matrices de dosis obtenidas mediante medición de
pelı́cula y cálculo de MC a profundidades de 0,5cm (a), 1,5cm (b) y 2,0cm (c) correspon-
diente al caso PC1 irradiado sobre un maniquı́ de agua sólida. Los valores gamma se han
obtenido con un criterio de 2mm y el 2 % de dosis.
isótropa y la imagen varı́a con el tiempo. Todo esto aumenta la posibilidad

de error en algún paso del procesamiento de la imagen, por lo que hay que
extremar las precauciones.
En esta comparativa se observa que existe una buena concordancia entre

pelı́cula y MC. Tras el procesado, la resolución obtenida fue de 0,17cm/pixel.
Los mayores errores parecen concentrarse en torno a la zona donde exis-

te una mayor dosis (alrededor de las coordenadas [80, 100]), con un error
de aproximadamente el 4,5 % a 1,5cm de profundidad. Esta zona coincide
también con la de mayor gradiente. Al analizar la matriz gamma (obtenida
usando un criterio del 2 % de error en la dosis y 2mm de desplazamiento)
se puede observar que la región en la que existen mayores discrepancias
coincide con la detectada en la matriz de diferencias, pero las diferencias
se suavizan. Esto puede ser indicativo de que las discrepancias se deben
fundamentalmente a errores de posicionamiento de la pelı́cula menores de
2mm. Las discrepancias resultantes son lo bastante reducidas como para
considerar que existe una buena coincidencia entre MC y pelı́cula. Las zonas
con valores gamma mayores que 1 restante pueden tener diferentes causas:
errores de cálculo; dependencia residual de la respuesta de la pelı́cula con
la energı́a; o errores de posicionamiento de las láminas.
3.2 Casos clı́nicos
3.2.1 Paredes costales

El primer paso del proceso de planificación consistió en la elección de
energı́as de los haces y sus ángulos de incidencia. Las primeras vienen de-
terminadas por la extensión en profundidad de la lesión a tratar, usando
como mayor energı́a aquella capaz de penetrar hasta la mayor profundidad
posible, acompañada por energı́as menores para tratar las zonas menos pro-
fundas y aumentar la homogeneidad de la dosis en el PTV. Para la elección
de los ángulos de incidencia se determinó, tras varias pruebas con diferen-
tes configuraciones (dos incidencias normales entre sı́, dos incidencias con
60◦ entre ellas y una sola incidencia con varias angulaciones diferentes) que
el mejor resultado se daba con una sóla incidencia con un ángulo aproxima-
damente normal a la superficie de la paciente.
Para planificar el primer caso (PC1, figura 3.6, primera fila) se eligió un
ángulo de irradiación de 35◦ , ya que es con el que la superficie de la pa-
ciente se presenta más aproximadamente perpendicular al haz. Al no ser el

Figura 3.6: Cortes de TAC de los casos de pared costal (PC) planificados (PC1, primera
fila; PC2, en la segunda; PC3, tercera; PC4, en la cuarta fila y PC5 en la última), con el
PTV señalado en rojo. La primera columna se corresponde a un corte cercano a la cabeza, la
segunda es un corte central y la tercera es la más cercana a los pies.

PTV muy profundo (4,3cm en su punto más alejado de la piel), se utiliza-

ron únicamente las energı́as de 6 y 9MeV. Al estar localizada la lesión en el
lado derecho del cuerpo, el corazón no fue considerado órgano de riesgo y
el pulmón fue el único volumen sano a considerar como limitante del trata-
miento. En los mapas de fluencia obtenidos (fig. 3.7) se puede observar que
la mayor parte del haz de 6MeV se concentra en el centro, donde el PTV es
más delgado y está más cerca del acelerador, mientras que los beamlets de
9MeV se localizan en la zona periférica. En esta primera etapa del proceso
de planificación, el 97,5 % del volumen del PTV recibe al menos el 90 % de
la dosis de prescripción, y el 3,0 % del volumen recibe más del 110 %. Por su
parte, el 20,3 % del pulmón recibe un mı́nimo de 20Gy (figura 3.7, c).
La secuenciación de estos mapas de fluencia y la segunda optimización

dio como resultado un conjunto de 13 segmentos (4 de 6MeV y 9 de 9MeV)
con intensidades de entre 39 y 20MU (fig. 3.8, tabla 3.2).
Tabla 3.2: Resumen de la disposión geométrica y dosimétrica del tratamiento propuesto

para el caso PC1. El ángulo se mide a partir de la vertical, aumentando hacia la izquierda
de la paciente.
Incidencia Energı́a (MeV) Ángulo (o ) No de segmentos MU total

1 6 325 4 121
2 9 325 9 233
El tratamiento final varı́a poco con respecto al resultado obtenido con

beamlets, con la excepción de un aumento del volumen del PTV que recibe
una dosis mayor de la prescrita (fig. 3.9). El porcentaje de pulmón ipsilateral
que recibe más de 20Gy es del 21,7 %, mientras que el 95,8 % del PTV recibe
más del 90 % de la dosis prescrita y el 15,1 %, más del 110 %.
Se comparó el resultado proporcionado por el TPS y la simulación MC

de dicho tratamiento2 con el tratamiento MERT. La paciente fue irradiada
2 Las simulaciónes MC de los tratamientos convencionales, necesarias para realizar una

(a) (b)
(c)
Figura 3.7: Mapas de fluencia obtenidos después de la primera optimización del caso PC1
(a y b) y el DVH resultante al final de esta primera etapa correspondiente a la solución con
beamlets optimizados (c). Los mapas de fluencia están normalizados al máximo. Cada celda
se corresponde con un beamlet.
con tres haces de electrones de 6 y 9MeV conformado cada uno por un blo-
que de cerrobendTM (fig. 3.10) con un SSD de 100cm.
La diferencia entre el DVH proporcionado por el TPS y el calculado me-

diante MC es notable (figura 3.11, a). El TPS predice una cobertura del PTV
bastante peor de la que realmente se produce (prediciendo de manera inco-
comparación adecuada entre los éstos y los tratamientos MERT que se proponen aquı́, han
sido aportadas por Bianey Palma, actual doctorando del profesor Antonio Leal.

Figura 3.8: Conjunto de segmentos obtenidos como solución para el tratamiento de MERT
del caso PC1. De izquierda a derecha y de arriba a abajo, los cuatro primeros segmentos
corresponden a una energı́a de 6MeV, siendo el resto de 9MeV. El número de unidades
monitor que se corresponden a cada uno es, respectivamente de 30, 39, 28, 24, 23, 28, 28,
29, 26, 28, 26, 25, 20 MU.
rrecta un volumen subexpuesto), pero el efecto más acusado es una subesti-

mación de la dosis recibida por el pulmón. En concreto, frente a un volumen
del 5,4 % que recibe más de 20Gy según el planificador, MC predice que es-
ta dosis la recibirá el 14,8 %. Y, mientras que la dosis máxima que recibe el
pulmón según el TPS es de 35,8Gy, según MC es de 51,4Gy (una diferencia
superior al 30 %).
El tratamiento propuesto de MERT mejora la cobertura del PTV (el 90 %

de la dosis es recibida por el 95,8 % del volumen en MERT frente al 91,4 %
con el tratamiento convencional) a costa de un incremento de la dosis reci-

(a) (b)
(c)
Figura 3.9: Distribución de isodosis obtenida como solución del caso PC1 en dos cortes
diferentes (a y b). Están representadas las isodosis correspondientes a 20, 40, 45 y 50Gy. El
DVH final, tras la segunda optimización (c, linea continua) se compara con el obtenido tras
la primera, correspondiente a beamlets (c, linea discontinua).
bida por el pulmón (un volumen del 21,7 % frente al 14,8 % que recibe más
de 20Gy).
En el caso PC2 (lesión en el lado izquierdo) se utilizaron tres energı́as

(a) (b) (c)
Figura 3.10: Esquema geométrico de los bloques de cerrobendTM utilizados en el trata-

miento de la paciente PC1. Se utilizaron tres segmentos con energı́as de 6MeV (a) y 9MeV
(b y c). Obsérvese la coincidencia aproximada de estas formas con los mapas de fluencias
obtenidos tras la primera optimización (fig. 3.7).
(a) (b)
Figura 3.11: Comparación entre los DVHs calculados por el TPS y MC para el trata-
miento PC1 realizado con bloques de cerrobendTM y SSD de 100cm (a). Comparación entre
el DVH del tratamiento MERT del paciente PC1 con el del tratamiento convencional simu-
lado con MC (b).
para diseñar el tratamiento (6, 9 y 15MeV) incidiendo con un ángulo de 35◦

con respecto a la vertical. Esta última energı́a más alta fue necesaria debido a
que, en este caso, el volumen a tratar se extendı́a a mayor profundidad. Tras
la planificación con la técnica de MERT, se obtuvieron 4 segmentos de 6MeV
(de entre 17 y 31MU), 4 de 9MeV (con entre 12 y 27MU) y 5 de 15MeV (con

intensidades de entre 8 y 20MU) (tabla 3.3). Del histograma dosis-volumen

de la paciente.

1 6 35 4 95
2 9 35 4 82
3 15 35 5 68
resultante (fig. 3.12, c, lı́nea contı́nua) se desprende que los porcentajes de

volumen del PTV que reciben más del 90 % de la dosis prescrita y los que
reciben más del 110 % son, respectivamente del 98,7 % y el 24,4 %. El 27,2 %
del pulmón recibe 20Gy de dosis mientras que ninguna porción del corazón
recibe más de 30Gy.
El tratamiento convencional aplicado realmente a la paciente PC2 con-

sistió en dos haces de electrones de 9 y 15MeV conformados por bloques
de cerrobendTM . Con este tratamiento, el TPS (fig. 3.13) predice que el 21,3 %
del pulmón reciba al menos 20Gy (fig. 3.13, lı́nea contı́nua). Sin embargo, al
calcular la dosis mediante MC, se halla que el volumen que recibe esta dosis
es del 30,7 % (fig. 3.13, lı́nea discontı́nua). Al comparar con el cálculo MC,
vemos que el TPS, además, subestima en este caso el volumen de pulmón
que recibe dosis entre 3 y 51Gy, y predice una cobertura ligeramente peor de
lo calculado por MC. El tratamiento MERT irradia un volumen algo mayor
con una dosis baja (menor que 17Gy) y reduce de forma importante el volu-
men que recibe dosis altas. Por otra parte, se mantiene el volumen del PTV
que recibe el 90 % de la dosis, aumenta la dosis mı́nima desde 30,3Gy hasta
40,3Gy y al mismo tiempo se reduce la sobreexposición de este volumen.
Aunque el corazón no recibe más de 30Gy en ninguno de los dos tratamien-
tos, el de MERT reduce de forma significativa el volumen irradiado de este
órgano sano.

(a) (b)
(c)
diferentes (a y b). Están representadas las isodosis de 20, 40, 45, 50 y 55Gy. El DVH resul-
tante (c, linea continua) se compara con el obtenido tras la primera optimización (c, linea
discontinua).
El tercer caso de pared costal analizado (PC3) presentaba la dificultad de

que parte del PTV se encontraba en una zona extremadamente delgada de
la pared costal (figura 3.6, tercera fila), existiendo apenas 1,2cm de distan-
cia mı́nima entre la piel y el pulmón. Dado que la máxima deposición de
energı́a de un haz de 6MeV (la menor disponible en el acelerador Primus)

Figura 3.13: Comparativa entre los DVH obtenidos para la paciente PC2 con el tratamien-
to convencional de bloques según el TPS (linea continua), el mismo tratamiento calculado
mediante MC (discontinua) y el tratamiento MERT propuesto (puntos).
se encuentra precisamente a esa distancia, se consideró apropiado colocar

una lámina de metacrilato de 8mm de grosor (en adelante, lámina degra-
dadora) en la ranura del soporte del aplicador de electrones, con objeto de
no irradiar el pulmón hasta un grado inaceptable. Este haz se combinó con
dos haces más de 9MeV para tratar las zonas más profundas de la pared,
el primero con un ángulo de 45◦ con respecto a la vertical, igual que el de
6MeV, y el segundo a 50◦ . Esto fue necesario ya que el cirujano no habı́a
intervenido en la zona del PTV más cercana al costado, y el haz, en esa zona
incidı́a de forma demasiado oblicua para una correcta cobertura.
La solución obtenida (tabla 3.4) consistió en dos segmentos con lámina

degradadora con 28 y 82MU, tres segmentos de 9MeV con una incidencia
de 50◦ (entre 9 y 27MU) y ocho con una incidencia de 45◦ (con intensidades
de entre 14 y 36MU).


de la paciente.

1 9 45 8 202
2 9 50 3 58
3 6∗ 45 2 110
∗ Con lámina degradadora.
Los datos correspondientes al tratamiento convencional aplicado a esta

paciente no estuvieron disponibles para realizar una comparación entre am-
bos. El resultado final de la aplicación de la técnica MERT (fig. 3.14) dió co-
mo resultado que el 84,6 % reciba la dosis de prescripción, con dosis máxi-
ma y mı́nima de 60,5Gy y 38,3Gy respectivamente, y un 97,4 % del volumen
recibe, al menos, 45Gy. El 24,5 % del volumen del pulmón recibe 20Gy, por-
centaje que se reduce al 7,5 % al considerar 30Gy de dosis. En cuanto al co-
razón, el 98,9 % del volumen es irradiado con menos de 27,1Gy. Estas cifras
están en consonancia con las obtenidas en el resto de casos de pared costal,
lo que apunta a la validez del uso de láminas degradadoras en casos en los
que la cirugı́a haya provocado la existencia de regiones demasiado delgadas
para ser tratadas con las energı́as disponibles en el acelerador sin irradiar de
forma excesiva el pulmón. Con este procedimiento, deja de ser necesario el
uso de bolus que compense el tejido faltante.
El siguiente caso de pared costal analizado (PC4) tiene la particularidad

de tener un PTV especialmente grande, sobre todo en la dirección antero-
posterior, de forma que la máxima apertura de la que es capaz el MLC con
un SSD de 60cm no es suficiente para irradiarlo completamente. Para re-
solver este problema, se plantearon dos configuraciones diferentes para di-
señar el tratamiento. En ambas se utilizaron haces de 6, 9 y 12MeV con un
ángulo de incidencia de 35◦ . En la primera configuración se consideraron
dos incidencias con dos isocentros desplazados a lo largo del eje antero-

(a) (b)
(c)
diferentes (a y b). Están representadas las isodosis de 20, 40, 45, 50 y 55Gy. El DVH resul-
tante (c, linea continua) se compara con el obtenido tras la primera optimización (c, linea
discontinua).
posterior, de forma que ambas sı́ puedan irradiar completamente el PTV. La

segunda opción consistió en una sola incidencia, pero aumentando el SSD
hasta los 70cm, consiguiendo que la proyección de la máxima apertura del
MLC abarque toda la región de tratamiento. Después de realizar la primera

optimización de ambas posibilidades se comprobó que la segunda de ellas

era la que proporcionaba una mejor homogeneidad del PTV al mismo tiem-
po que se obtenı́a una mejor protección del pulmón (fig. 3.15), por lo que
fue ésta la opción elegida.
Figura 3.15: DVHs obtenidos tras la primera optimización de beamlets, correspondiente

al caso PC4 al usar dos isocentros con un SSD de 60cm (linea discontinua) y al usar una
sola incidencia con un SSD de 70cm (linea continua).
Tras la correspondiente secuenciación y segunda optimización, el trata-

miento quedó constituido por siete segmentos de 6MeV con intensidades
de entre 23 y 40MU, tres de 9MeV con entre 38 y 50MU y seis de 12MeV
con una intensidad mı́nima de 29MU y máxima de 51MU (tabla 3.5). Con
este tratamiento, la distribución de dosis resultante produce una cobertura
del PTV del 98,8 % del volumen con 45Gy o más y del 50,7 % con, al menos,
55Gy, siendo la dosis máxima de 61,3Gy. En cuanto al pulmón, el 30,9 % y
el 12,5 % del volumen reciben, respectivamente, 20 y 30Gy, mientras que el
corazón recibe como máximo 22,3Gy y el 90 % de su volumen recibe menos
de 12,6Gy (fig. 3.16).


de la paciente.

1 6 35 7 224
2 9 35 3 127
3 12 35 6 232
El tratamiento convencional que realmente recibió la paciente, confor-

mado con bloques de cerrobendTM , estaba compuesto por dos segmentos de
9 y 12MeV con una incidencia de 35◦ . Al igual que en los casos anteriores,
el planificador subestimó en más de un 15 % los volúmenes del pulmón que
reciben dosis por encima de 4Gy, aproximadamente. El volumen de pulmón
que recibe 20Gy se estimó por el planificador en el 35,4 %, pero las simula-
ciones de MC elevaron este porcentaje hasta el 42,8 %. Al contrario que en
los casos anteriores, en este, el planificador proporcionó un cálculo de la
homogeneidad del PTV falsamente homogéneo. Ası́, mientras que según el
TPS, el PTV recibió una dosis mı́nima de 45,0Gy y máxima de 58,8Gy, pero
según MC, las dosis mı́nima y máxima fueron de 40,9Gy y 63,6Gy. En el
caso del corazón, el planificador subestimó los volúmenes que reciben más
de 23,0Gy, y sobreestimó los que reciben menos, siendo más acusada esta
última (fig. 3.17).
El último caso de pared costal estudiado se eligió por haber sido tratado
aplicando un bolus, debido a la extrema delgadez de la pared después de
haberse extirpado el pecho. Para emular el efecto del bolus, se empleó la
lámina degradadora, explicada más arriba, en combinación con el haz de
6MeV. Este haz degradado se usó junto con otro de 12MeV para tratar las
zonas de mayor grosor.
Se obtuvieron tres segmentos de 6MeV con lámina degradadora con 16,

(a) (b)
(c)
diferentes (a y b). Están representadas las isodosis correspondientes a 20, 40, 45, 50 y 55Gy.
El DVH resultante después de la segunda optimización (c, linea continua) se compara con
el obtenido tras la optimización de beamlets (c, linea discontinua).
62 y 107MU y once de 12MeV con entre 16MU y 36MU (tabla 3.6).
El tratamiento resultante libera una dosis de, al menos, 45Gy al 91,6 %

del volumen del PTV y un máximo de 61,4Gy. Al mismo tiempo, el 32,7 %
del volumen del pulmón recibe 20Gy, mientras que la isodosis correspon-

Figura 3.17: Comparativa entre los DVH obtenidos para la paciente PC4 con el tratamien-
to convencional de bloques según el TPS (linea continua), el mismo tratamiento calculado
mediante MC (lı́nea discontinua) y el tratamiento MERT propuesto (lı́nea de puntos).
diente a los 30Gy engloba el 13,8 % de este órgano (fig. 3.18).

de la paciente.

1 6∗ 315 3 185
2 12 315 11 275
∗ Con lámina degradadora
El análisis del tratamiento convencional que recibió la paciente es ilustra-

tivo de los problemas que conlleva la planificación convencional y el set-up
experimental cuando intervienen elementos tales como un bolus. La confi-
guración utilizada empleó dos campos, de 6MeV y 12MeV. Para evitar un
exceso de irradiación en el pulmón, se colocó en la piel de la paciente un

(a) (b)
(c)
diferentes (a y b). Están representadas las isodosis correspondientes a 20, 40, 45, 50 y 55Gy.
El DVH resultante después de la segunda optimización (c, linea continua) se compara con
el obtenido tras la optimización de beamlets (c, linea discontinua).
bolus de 1cm de grosor. Al recalcular el tratamiento mediante MC, apare-

ció el problema de que, debido al tamaño del pı́xel, no era posible simular
un bolus de este grosor, por lo que se optó por simular dos casos extremos,
con grosores de 0,8cm y 1,3cm. Como se puede apreciar en la figura 3.19,
el resultado proporcionado por el TPS difiere considerablemente de ambas

estimaciones extremas, tanto en el cálculo de la dosis en el PTV como de la

recibida por el pulmón.
Figura 3.19: Comparativa entre los DVH obtenidos para la paciente PC5 con el trata-
miento convencional de bloques según el TPS (linea azul), el mismo tratamiento calculado
mediante MC considerando un bolus mı́nimo de 0,8cm (lı́nea de puntos) y máximo de 1,3cm
(lı́nea discontinua). La lı́nea continua representa el tratamiento MERT propuesto.
La importante variación experimentada en la distribución de dosis plan-

tea la duda sobre la dosis que recibe realmente la paciente, ya que deforma-
ciones del bolus, errores de posicionamiento de éste, etc. pueden provocar
variaciones importantes en el tratamiento real.
Como se puede ver en la figura 3.19, el tratamiento de MERT se encuen-

tra en una situación intermedia entre los dos grosores de bolus en cuanto a
cobertura del PTV (algo más cerca de la situación con un bolus de 0,8cm).
El pulmón es irradiado en mayor medida con dosis por debajo de 20,5Gy, y
disminuye ligeramente el volumen irradiado con dosis superiores a este va-
lor. Clı́nicamente, el tratamiento de MERT se puede considerar equivalente
al tratamiento convencional con un bolus de 0,8cm, pero con la ventaja de

que, al ser la lámina degradadora un elemento rı́gido y fijo al acelerador, su

uso no implica un aumento de las incertidumbres asociadas al setup de la
paciente.
3.2.2 Mamas no mastectomizadas

De entre toda la variedad morfológica dentro de este tipo de casos, se
presentan dos casos representativos en cuanto a la profundidad a la que se
extiende el volumen a tratar, que se encuentra limitado por el rango de la
máxima energı́a disponible.
El primer tratamiento conservativo (MC1) de mama se planificó con dos

incidencias. En la primera, con un ángulo de 0◦ con respecto a la vertical,
se usaron haces de 9MeV y de 18MeV, mientras que la segunda, perpendi-
cular a la primera, sólo contenı́a haces de 18MeV. La planificación dió co-
mo resultado un conjunto de cuatro segmentos de 9MeV con intensidades
de entre 12 y 36MU, cinco de 18MeV a 0◦ con entre 17 y 32MU y seis a
90◦ con entre 12 y 23MU. Como resultado de este tratamiento (fig. 3.20) se
consiguió que el 90 % del volumen recibiera 50,1Gy, con una dosis máxima
de 65,4Gy. Por su parte, el pulmón recibirı́a con este tratamiento una dosis
máxima de 39,6Gy, con un 18,7 % del volumen recibiendo más de 20Gy y
un 7 % recibirı́a más de 25Gy. El pulmón contralateral es irradiado con un
máximo de 1,0Gy mientra que la mama contralateral recibe 1,6Gy.

para el caso MC1. El ángulo se mide a partir de la vertical, aumentando hacia la izquierda
de la paciente.

1 9 0 4 107
2 18 0 5 114
3 18 270 6 110

(a) (b)
(c)
Figura 3.20: Distribución de isodosis obtenida como solución del caso MC1 en dos cortes
diferentes (a y b). Están representadas las isodosis del 40 %, 80 %, 90 %, 100 % y 110 % de
la dosis de prescripción (50,4Gy). La figura c muestra el DVH resultante.
El tratamiento que realmente recibió la paciente consistió en dos haces

de 6MV tangenciales a la mama (de 39◦ y 213◦ ), cada uno compuesto por
dos segmentos con 11MU y 93MU. Aunque el DVH calculado por el TPS
difiere ligeramente del calculado mediante MC, este tratamiento de IMRT se

Figura 3.21: Comparativa para el caso MC1 entre el tratamiento de IMRT calculado por
el TPS convencional (lı́nea continua), el mismo calculado mediante MC (lı́nea discontinua)
y el tratamiento de MERT (lı́nea de puntos).
muestra claramente mejor que el tratamiento de MERT propuesto (fig. 3.21),

tanto en la homogeneidad de la dosis recibida por el PTV como en irradia-
ción del pulmón ipsilateral. Sólo la mama y el pulmón contralateral reciben
dosis menores con el tratamiento de MERT, aunque la irradiación que re-
ciben con el tratamiento de IMRT ya es muy baja (2,8Gy y 1,7Gy de dosis
máximas respectivamente, frente a 1,6Gy y 1,0Gy con MERT).

para el caso MC2. El ángulo se mide a partir de la vertical, aumentando hacia la izquierda
de la paciente.

1 12 325 6 115
2 21 325 5 52
En el segundo caso (MC2) se optó por usar una única incidencia (de 35◦ )
con energı́as de 12MeV y 21MeV, resultando seis segmentos de la primera,

(a) (b)
(c)
Figura 3.22: Distribución de isodosis obtenida como solución MERT del caso MC2 en dos
cortes diferentes (a y b). Están representadas las isodosis del 40 %, 80 %, 90 %, 100 % y
110 % de la dosis de prescripción (50,4Gy). La figura c muestra el DVH resultante tras la
segunda optimización.
con entre 14MU y 27MU y cinco de la segunda, con entre 8MU y 16MU.
El resultado de este tratamiento (fig. 3.22) produce una conformación algo
mejor del PTV, con el 90 % del volumen cubierto por la isodosis de 50,9Gy

y una dosis máxima de 61,2Gy. Como contrapartida, la dosis recibida por el

pulmón es mayor que en el caso anterior, con un 35,2 % del volumen reci-
biendo más de 20Gy y el 7 % más de 32,5Gy. La mama y el pulmón contra-
laterales reciben una dosis mayor que en el caso anterior, con máximos de
9,9Gy y 6,7Gy respectivamente.
Figura 3.23: Comparativa para el caso MC2 entre el tratamiento de IMRT calculado por
el TPS convencional (lı́nea continua), el mismo calculado mediante MC (lı́nea discontinua)
y el tratamiento de MERT (lı́nea de puntos).
El tratamiento de IMRT que fue aplicado consistió en dos haces de 6MV

con incidencias de 3◦ y 357◦ (también tangenciales a la mama). Cada haz
está compuesto por dos segmentos de 97MU y 7MU. Al igual que en el ca-
so anterior, las discrepancias entre el resultado proporcionado por el TPS y
el cálculado mediante MC son pequeñas, y ambos mejoran el tratamiento
propuesto de MERT (fig. 3.23). La dosis administrada al PTV es más homo-
genea y el pulmón es también irradiado en menor medida. En este caso,
sólo la mama contralateral resulta beneficiada al usar MERT, recibiendo un
máximo de 9,9Gy frente a 10,9Gy del tratamiento de IMRT.

3.2.3 Cabeza y cuello

Dentro del grupo de tumores superficiales de cabeza y cuello, el primer
caso planteado (CC1) consistió en la irradiación de una glándula parótida
post-cirugı́a. En este caso, el PTV, como consecuencia de la cirugı́a, era de
pequeño tamaño (6,9cm3 ). Las dos mayores dificultades que presenta este
caso (aparte de la gran cantidad de inhomogeneidades en la densidad, pro-
pia de todos los casos de cabeza y cuello) son: por un lado, una superficie
irregular consecuencia de la intervención quirúrgica previa; y, por otro la-
do, la cercanı́a relativa de un órgano tan radiosensible como la médula3 . Por
el pequeño tamaño del PTV y su poca profundidad se optó por usar haces
de 9 y 12MeV. Sin embargo, estas dos energı́as presentan un build-up muy
acusado, lo que es contraproducente en un caso como este, en el que el volu-
men a irradiar se encuentra prácticamente en la superficie. Para compensar
la subexposición a la que se verı́a sometida la parte más superficial del PTV
se optó por usar dos incidencias, la primera de ellas con un ángulo de 60◦ y
la segunda con un ángulo de 90◦ (aproximadamente perpendicular a la piel
del paciente).
La planificación del caso con estos parámetros dio como resultado un

tratamiento con cuatro segmentos de 9MeV de entre 12 y 21MU a 60◦ , cinco
de 12MeV, con entre 11 y 20MU, con la misma incidencia, y seis segmentos
de 9MeV con un ángulo de incidencia de 90◦ con una intensidad mı́nima de
10MU y máxima de 21MU. Los segmentos obtenidos se pueden ver en la
figura 3.25. Como resultado de esta propuesta de tratamiento se obtuvo el
resultado que se puede ver en la figura 3.24.
La distribución de dosis obtenida consigue proporcionar la dosis de pres-

cripción al 93,6 % del volumen del PTV, con una dosis máxima de 58,1Gy.
Los órganos de riesgo considerados fueron la médula espinal, la mitad iz-
3 Es necesario llamar la atención sobre el hecho de que, debido a que el TAC sólo se
realiza sobre una parte del paciente, el análisis de las dosis recibida por la médula, tanto
en este caso como en los siguientes, se limita a la porción correspondiente y por tanto, los
porcentajes de volumen de los que se hablará no se refieren al volumen completo.

(a) (b) (c)
(d)
Figura 3.24: Distribución de isodosis obtenida como solución del caso CC1 (parótida) en
tres cortes diferentes (a, b y c). Se representan las isodosis correspondientes a 20, 40, 45, 50
y 55Gy. El DVH resultante tras la segunda optimización(d, linea continua) se compara con
el obtenido tras la primera optimización de los beamlets (d, linea discontinua).
quierda de la mandı́bula y la mucosa de la laringe. La médula espinal recibe

con este tratamiento una dosis máxima de 3,7Gy, y sólo el 1,7 % del volumen
considerado recibe dosis superiores a 2Gy, muy lejos de los 47Gy que impli-
can un riesgo de necrosis TD 5/5 (probabilidad del 5 % en 5 años) (Emami
et al. 1991). La irradiación de la mucosa de la faringe produce sequedad y, a
altas dosis, puede llegar a producir necrosis. En este caso, la dosis máxima
recibida es de 19,9Gy y sólo el 11,7 % de la mucosa recibe más de 8Gy. El

Figura 3.25: Conjunto de segmentos obtenidos como solución para el tratamiento de

MERT del caso CC1. De izquierda a derecha y de arriba a abajo, los cuatro primeros seg-
mentos corresponden a una energı́a de 9MeV incidiendo con un ángulo de 60◦ , los cinco
siguientes se corresponden con segmentos de 12MeV con el mismo ángulo de incidencia.
Los seis últimos se corresponden a una incidencia de 90◦ con energı́a de 9MeV. El número
de unidades monitor que se corresponden a cada uno es, respectivamente de 18, 21, 12, 17,
11, 12, 20, 18, 18, 10, 20, 14, 17, 21, 18MU.
órgano más comprometido era la mandı́bula, por su situación adyacente al

PTV, y en algunas zonas, incluso rodeado por éste. La mitad izquierda de la
mandı́bula recibe un máximo de 50,6Gy y el 80 % recibe menos de 15,3Gy.
Estos valores quedan por debajo del TD 5/5 para una irradiación a toda la
mandı́bula, que según Emami et al. (1991) es de 60Gy.
El segundo caso de esta sección (CC2) se trata de un tumor de parótida

más extenso que el anterior (el PTV tiene un volumen de 65,2cm3 ). Debi-


para el caso CC1. El ángulo se mide a partir de la vertical, aumentando hacia la izquierda
de la paciente.

1 9 60 4 68
2 12 60 5 79
3 9 90 6 100
do a que el volumen blanco se extiende a una profundidad relativamente

grande, el tratamiento de MERT diseñado consistió en un haz de 18MeV
con un ángulo de 90◦ con respecto a la vertical y otro de 12MeV a 60◦ . La
inclusión de éste segundo haz tuvo como objetivo la homogeneización de
la dosis cerca de la superficie, ya que, aunque la deposición en profundidad
de energı́a de un haz de electrones de 18MeV presenta un plateau bastante
grande, la zona más superficial (1,5cm, aproximadamente) no se encuentra
homogeneizada.
Para realizar la optimización se consideraron como órganos de riesgo la

médula espinal, la mandı́bula y la glándula submaxilar derecha.
El tratamiento se conformó finalmente con 8 segmentos de 18MeV de in-

tensidades entre 14 y 27MU y 9 segmentos de 12MeV con entre 16 y 39MU.
Con esta configuración, el 90 % del PTV recibe, al menos, 48,2Gy y el 0,6 %
recibe más de 60Gy. Dado que en este caso se han usado haces de energı́as
superiores al caso anterior, la médula recibe una dosis mayor, con un máxi-
mo de 16,3Gy y una dosis de 13,2Gy al 10 % del volumen. La mandı́bula
(al igual que en el caso anterior, muy comprometida y parcialmente sola-
pada por el PTV) presentaba un 30,9 % del volumen incluido dentro de la
isodosis de los 20Gy, con una dosis máxima de 58,3Gy. El último órgano de
riesgo considerado fue la glándula submaxilar, que se encuentra adyacen-
te al PTV. Esta glándula recibe una dosis mı́nima de 28,8Gy y máxima de
50,0Gy (fig. 3.26).

(a) (b) (c)
(d)
Figura 3.26: Distribución de isodosis obtenida como solución del caso CC2 (parótida) en
tres cortes diferentes (a, b y c). Se representan las isodosis correspondientes a 20, 40, 45,
50 y 55Gy. El DVH resultante tras la optimización de los segmentos (d, linea continua) se
compara con el obtenido tras la primera optimización (d, linea discontinua).
El tratamiento realmente aplicado al paciente consistió en un haz de foto-

nes de 15MV con una incidencia vertical (0◦ ) y 101MU combinado con otro
de 6MV a 90◦ con una intensidad de 100MU. Dado que el haz de 15MV
no se encontraba caracterizado, no ha sido posible simular este tratamiento,


de la paciente.

1 12 300 9 257
2 18 270 8 169
por lo que los únicos datos disponibles son los que proporcionó el planifi-
cador. Como se puede comprobar (fig. 3.27), la homogeneidad del PTV es
Figura 3.27: Comparativa entre los DVH obtenidos para la paciente CC2 con el tratamien-
to convencional de fotones según el TPS (linea discontinua), y el de intensidad modulada
de electrones propuesto (linea continua).
mayor en el tratamiento de MERT, seguramente debido a la subdosificación

inevitable de la parte más superficial a causa del build-up de los haces. En
comparación con el tratamiento de MERT la glándula submaxilar es menos
irradiada con dosis por debajo de 36,6Gy, pero un volumen mayor recibe
dosis más altas. La causa más probable de estas diferencias es que, para

irradiar correctamente el PTV con fotones, parte de la glándula se encuen-

tra en el camino del haz, o cerca de él, recibiendo una alta dosis, mientras
que los haces de electrones evitan irradiar directamente la glándula, pero al
tener una penumbra mayor, irradian con dosis bajas volúmenes mayores.
La mandı́bula también recibe más radiación con el tratamiento convencio-
nal. Aparte de motivos geométricos, un factor que puede explicar esto es
que los electrones, al tener una capacidad de penetración menor, sobre todo
en hueso, irradiarı́an mucho menos el interior de este. La médula, el órgano
más crı́tico, se ve mucho más afectada al usar fotones que electrones, por la
mayor capacidad de penetración de los primeros. Ası́, el 50 % del volumen
recibe 20,2Gy, frente a 6,4Gy al usar electrones. La dosis máxima también
aumenta de forma considerable, pasando de 16,3Gy con electrones a 31,3Gy
con fotones (siempre según el TPS).
A continuación se planificó un tratamiento para irradiar un tumor en el

oı́do (CC3), con una dosis de 66Gy en 33 sesiones. El volumen blanco se
extendı́a por el oı́do externo, medio y parte del interno abarcando desde la
base de la mandı́bula hasta aproximadamente la unión de los huesos parie-
tal y temporal. En el diseño del tratamiento se emplearon dos incidencias
(de 90◦ y 64◦ con respecto a la vertical), cada una de ellas combinando haces
de 9 y 15MeV. Como órganos de riesgo se consideraron la médula, el ojo
derecho, el músculo masetero y la mitad derecha de la mandı́bula.
Como resultado, para la incidencia de 90◦ se obtuvieron cuatro segmen-

tos de 9MeV y otros cuatro de 15MeV, con intensidades de entre 9 y 31MU,
y en la segunda incidencia, otros cuatro segmentos por energı́a, con entre 9
y 33MU. Con esta configuración se consigue que el 88,3 % del PTV reciba
la dosis de prescripción (66Gy). Este volumen recibe un mı́nimo de 58,7Gy
y un máximo de 75,7Gy, el 88,9 % y el 114,9 % de la dosis prescrita, respec-
tivamente. El músculo masetero recibe entre 3,6Gy y 64,4Gy. Las dosis que
reciben 31 y 23 del volumen son, respectivamente 32,0 y 14,2Gy. El ojo recibe
como máximo 1,2Gy, que se encuentra alejada de la dosis a la cual el ries-
go de cataratas es significativo (10Gy) y de los 45Gy que producen ceguera

(a) (b) (c)
(d)
Figura 3.28: Distribución de isodosis obtenida como solución del caso CC3 (tumor en el
oido) en tres cortes diferentes (a, b y c). Se representan las isodosis correspondientes a 26,
44, 60, 66 y 72Gy. El DVH resultante tras la segunda optimización (d, linea continua) se
compara con el obtenido tras la optimización de beamlets (d, linea discontinua).
por daño en la retina. El 19,4 % de la hemimandı́bula derecha se encuentra

englobada por la isodosis de los 20Gy. La médula, de nuevo, se encuentra
protegida, recibiendo un máximo de 9,3Gy (fig. 3.28).
Este tratamiento se pudo comparar con los datos del TPS del tratamiento
convencional que realmente se aplicó (fig. 3.29). Éste consistió en dos haces


de la paciente.

1 9 270 4 84
2 15 270 4 53
3 9 296 4 93
4 15 269 4 54
Figura 3.29: Comparativa entre los DVH obtenidos para la paciente CC3 con el trata-
miento convencional de fotones según el TPS (linea discontinua), y el tratamiento MERT
(linea continua).
de fotones de 6MV a 60◦ y 150◦ grados con cuña dinámica (lo que impi-
dió que se pudiera simular mediante MC). El volumen del PTV que reci-
be entre 33,0Gy y 72,0Gy es menor que al usar electrones, produciendo un
volumen frı́o que puede ser resuelto aplicando MERT. La médula, por su
parte, es irradiada según el planificador en menor medida por debajo de
1,4Gy, aunque la dosis máxima es algo mayor, 17,1Gy. Sin embargo, el pe-

queño volumen que según el planificador recibe más de 8,3Gy (por debajo
del 1 %), hace dudoso los datos a partir de dicho punto, debido a los erro-
res de cálculo esperables en un planificador convencional. Otros volúmenes
importantes, tales como la mandı́bula, el músculo masetero y el ojo derecho
reciben dosis muy superiores al aplicar el tratamiento convencional, des-
tacando especialmente el ojo, que frente a una dosis máxima de 1,2Gy al
aplicar MERT, recibe, durante el tratamiento convencional hasta 21,6Gy (un
1700 % más), que prácticamente garantiza la aparición de cataratas en el fu-
turo y genera un riesgo elevado de ceguera por daños en la retina.
El último tipo de tumor estudiado consistió en un nasofarı́ngeo (CC4),

de un paciente que ya habı́a sido operado varias veces, provocando que,
además de presentar una superficie especialmente irregular, con abundan-
tes cicatrices y concavidades, no hubiera ningún tejido entre la superficie y
el volumen a irradiar. Aunque el PTV se encuentra aproximadamente cen-
trado y alineado con el eje craneo-caudal del cuerpo, presentaba una mayor
longitud en esta dimensión en el lado derecho.
Se prescribió una dosis de 45Gy repartida en 25 sesiones de 1,8Gy, y

aunque la planificación original de fotones sólo consideraba la médula co-
mo órgano de riesgo, para la planificación de MERT se tomaron en cuenta
también ambos globos oculares, la hipófisis y el pliegue salpingofarı́ngeo
(en la parte superior de la faringe). Para realizar el tratamiento fue necesa-
rio utilizar tres haces de 6MeV, con incidencias de 0◦ , y 30◦ a ambos lados
de la perpendicular.
La planificación dio como resultado tres segmentos con una incidencia

vertical e intensidades entre 41 y 68MU, cuatro incidiendo por la izquierda
con entre 24 y 44MU, y otros tres que inciden por la derecha con una inten-
sidad de entre 47 y 56MU.
De esta manera el 94,4 % del PTV es irradiado hasta llegar a la dosis

de prescripción, y las dosis extremas que recibe son 41,0Gy y 55,5Gy. La


de la paciente.

1 6 0 3 175
2 6 30 4 146
3 6 330 3 152
médula, recibe según la simulación menos de 0,3Gy, pero, dado que la in-
certidumbre aumenta al disminuir la dosis, este es sólo un valor estimativo,
que se puede considerar clı́nicamente irrelevante. Los globos oculares reci-
ben como máximo 10,9Gy, el derecho, y 7,5Gy, el izquierdo. La situación de
la hipófisis es la misma que la de la médula, recibiendo una dosis despre-
ciable. En pliegue salpingofarı́ngeo recibe un máximo de 7,0Gy, y el 90 % de
su volumen recibe menos de 2,8Gy (fig. 3.30).
En este caso fue posible simular el tratamiento recibido por el paciente.

Éste consistió en dos haces de fotones de 6MV, el primero con una angula-
ción respecto a la vertical de 45◦ hacia el lado derecho con 249MU y el se-
gundo con la misma angulación hacia la izquierda y 20MU. Como se puede
obsevar en la figura 3.31 (a), la discrepancia entre TPS y simulación es no-
table. Mientras que el planificador predice una cobertura y homogeneidad
del PTV excelente, con una dosis mı́nima de 39,6Gy y máxima de 50,3Gy
y el 90 % del volumen recibiendo, al menos, 46, 2Gy, la simulación MC de
este tratamiento evidencian que la distribución de dosis es mucho más inho-
mogenea, delatando tanto una mayor subdosificación de parte del objetivo
(la dosis mı́nima es de 24,4Gy) como sobredosificación en otra región (lle-
gando a recibir hasta 62,2Gy). La médula espinal, al no estar directamente
irradiada por ninguno de los dos haces, no presenta diferencias clı́nicamen-
te significativas.
En la figura 3.31 (b) se compara el tratamiento propuesto de MERT con el

(a) (b) (c)
(d)
Figura 3.30: Distribución de isodosis obtenida como solución del caso CC4 (tumor naso-
farı́ngeo) en tres cortes diferentes (a, b y c). Se representan las isodosis correspondientes a
18, 36, 40,5, 45 y 49,5Gy. El DVH resultante del tratamiento final (d, linea continua) se
compara con el obtenido tras la fase de primera optimización (d, linea discontinua).
convencional de fotones simulado con MC. El principal efecto que se puede

observar es una mayor homogeneidad del PTV al aplicar MERT, aumentan-
do la dosis mı́nima un 68 % (de 24,4Gy a 41,0Gy) y disminuyendo la máxi-
ma en un 10,8 % (pasando de 62,2Gy a 55,5Gy). Por otro lado, los globos
oculares reciben una dosis algo mayor al usar electrones (10,9Gy y 7,5Gy el
derecho y el izquierdo, respectivamente) que fotones (en torno a 1Gy pa-
ra ambos) debido a la penumbra de mayor tamaño de los electrones. En

(a)
(b)
Figura 3.31: Comparativa entre los DVH del tratamiento convencional de fotones ad-
ministrado al paciente CC4 según el TPS (a, linea discontinua) y según la simulación de
MC (a, continua). DVHs correspondientes al tratamiento convencional de fotones (b, linea
discontinua), y el tratamiento MERT (b, linea continua).

cambio, la hipófisis y el pliegue salpingofarı́ngeo reciben dosis considera-

blemente superiores, sobre todo este último. El pliegue salpingofarı́ngeo (y
es esperable que una porción importante del resto de la faringe) puede lle-
gar a recibir dosis un orden de magnitud superior con el tratamiento de
fotones, mientras que la hipófisis llega a recibir hasta 7,9Gy.

4.Discusión
Los resultados obtenidos durante la realización de este trabajo se pue-

den considerar englobados en tres categorı́as: desarrollo y aplicación de un
sistema de planificación basado en MC; planificación y aplicabilidad de tra-
tamientos de MERT mediante colimadores multiláminas; y verificación de
tratamientos de electrones con haces de múltiples energı́as.
En el presente trabajo se ha desarrollado y utilizado en una amplia varie-

dad de situaciones un conjunto de aplicaciones para la planificación de ca-
sos clı́nicos reales, realizando el cálculo de la dosis mediante MC. El primer
programa que se ejecuta durante el proceso de planificación es el encargado
de seleccionar los elementos del haz (beamlets) que serán necesarios para la
geometrı́a seleccionada. Seguidamente se calcula la deposición de dosis de
cada uno de esos elementos mediante una versión modificada del programa
DOSXYZnrc del paquete de simulación MC para radioterapia EGSnrc. Des-
pués de un preprocesado de los datos resultantes, se procede a optimizar
el conjunto de intensidades de estos beamlets para obtener una distribución
de dosis lo más cercana posible a las restricciones de dosis asignadas a cada
órgano de interés. Una vez obtenido un conjunto de intensidades aceptable,
se procede a realizar una secuenciación que resulte en un conjunto de seg-
mentos apropiado. Las láminas del MLC provocan una perturbación en la
fluencia de los haces, sobre todo en el caso de haces de electrones, por lo que
se procede a calcular la deposición de dosis de estos segmentos y a realizar
una segunda optimización de las intensidades. Como paso final, se realiza
la conversión de las intensidades medidas como pesos estadı́sticos (usado
en MC) a unidades monitor, mediante factores de conversión especı́ficos de
141
CAPÍTULO 4. DISCUSIÓN
cada acelerador y energı́a.
El proceso de planificación presenta la ventaja de proporcionar una pre-

dicción precisa de la dosis sin realizar más aproximaciones que las deriva-
das de las limitaciones propias de las técnicas de obtención de imagen (TAC)
y del error estadı́stico asociado a cualquier simulación MC.
Como contrapartida, el sistema es aún lento para realizar una imple-

mentación clı́nica rutinaria. Esto es parcialmente debido a la falta de para-
lelización de parte del procedimiento, particularmente la optimización de
pesos estadı́sticos, y de la falta de técnicas de reducción de varianza útiles
para haces de electrones durante las simulaciones MC. Además, el proce-
so de optimización hace uso de un algoritmo de gradientes, lo que podrı́a
conducir a la obtención de soluciones sub-óptimas, aunque serı́a necesario
un análisis más detallado para determinar en qué situaciones se producirı́a
esto y si serı́a conveniente introducir un algoritmo de optimización que no
presente este problema.
A pesar de los aspectos mejorables, propios de un sistema experimental

y en desarrollo, el uso de esta técnica está abierto para ampliar su rango
de aplicabilidad a tratamientos combinados de fotones y electrones, gracias
al uso del xMLC como elemento de colimación ambivalente, con la conse-
cuente mejora en determinados casos clı́nicos. Además, el hecho de que el
cálculo de la dosis se realiza mediante simulaciones de MC proporciona la
seguridad de que este cálculo es preciso y que el tratamiento que recibirá el
paciente es realmente el predicho por el planificador, lo que, como se ha
mostrado en este trabajo, no siempre es cierto cuando se usan los algorit-
mos de cálculo de dosis convencionales.
La mejora en los resultados de los casos clı́nicos fue variable, depen-

diendo de cada tipologı́a. La intercomparación, sin embargo, es difı́cil de
realizar, principalmente por la falta de precisión de los resultados propor-
cionados por los planificadores convencionales, como se muestra en los ca-

sos en los que fue posible calcular mediante MC la dosis de los tratamientos
estándar. Estos algoritmos son los utilizados en la mayorı́a de los trabajos
publicados sobre tratamientos de radioterapia, y con los que se ha podido
comparar los resultados de MERT, basados en MC.
En el caso de tratamientos conservativos de mama, la técnica de MERT

no parece proporcionar ventajas significativas sobre los resultados obteni-
dos mediante la planificación realizada en el Hospital Virgen Macarena, y
con otros casos presentes en la literatura (Ahunbay et al. 2007), como se
puede observar en la fig. 4.1. La mayor ventaja obtenida es una reducción
Figura 4.1: Histogramas dosis-volumen de tratamientos de IMRT conservativos de mama

realizados por Ahunbay et al. correspondientes al PTV y al pulmón ipsilateral. Superpues-
tos, en rojo y negro, se encuentran los dos casos de mama no mastectomizada que se han
presentado, resueltos con MERT.
del volumen del pulmón que recibe dosis altas. Serı́a necesario, sin embar-
go, evaluar cuantitativamente el cambio entre la dosis teórica calculada y la
real que recibe la paciente a lo largo de todo el tratamiento, debido, sobre
todo, al movimiento de respiración de la paciente (George et al. 2003, Zhang
et al. 2006, Seco et al. 2008).
La irradiación de paredes costales posterior a una mastectomı́a radical

mediante MERT presenta importantes mejoras frente a tratamientos de ha-

ces de electrones colimados por bloques de cerrobendTM . En estos casos, el
PTV recibe una dosis comparable o mejor que con tratamientos convencio-
nales, al mismo tiempo que, en la mayorı́a de los casos, la proporción de
pulmón irradiada con dosis altas disminuye de forma importante, e incluso
se ha logrado disminuir el volumen que recibe dosis bajas.
Una vez que se tiene en cuenta la subestimación de la dosis en pulmón

en que incurren los algoritmos clásicos de cálculo, se puede afirmar que los
tratamientos de pared costal se pueden beneficiar de una sustancial reduc-
ción de la dosis en pulmón y/o mejora en la homogeneidad del PTV al usar
MERT.
La mejora más importante se detecta en la irradiación del corazón en los

casos en que se trata el lado izquierdo del pecho, ya que la dosis que recibe
se ve disminuida de forma drástica, hasta niveles que hacen muy improba-
ble la aparición de complicaciones en este órgano, tales como pericarditis e
infarto.
La ventaja añadida del uso del MLC, que permite una conformación au-
tomática de segmentos, es la posibilidad de irradiar tratamientos más com-
plejos en menos tiempo, suprimiendo el gasto de tiempo y dinero que impli-
ca el uso de bloques de cerrobendTM y permite una mayor reproducibilidad
del tratamiento entre sesiones.
La comparación de los resultados obtenidos para pared costal en este

trabajo con los obtenidos mediante diferentes técnicas publicados (Pierce
et al. 2002, Krueger et al. 2003) arroja mejoras importantes sobre todas las
técnicas (figuras 4.2 y 4.3).

Figura 4.2: Comparativa entre diferentes técnicas de irradiación de paredes costales to-
mada de Pierce et al. En rojo se superponen los resultados obtenidos para los tratamientos
de MERT realizados en este trabajo. Std. Tangts.= Irradiación con haces tangenciales
de fotones. 30/70 P/E= Combinación de 30 % de haces de fotones y 70 % de elec-
trones. PWTF= Partial Wide Tangent Fields. 20/80 P/E= Combinación de 20 % de
haces de fotones y 80 % de electrones. RHS= Reverse Hockey Stick. Electron= Haces
colimados con cerrobendTM .

Figura 4.3: Histogramas dosis-volumen para el PTV y el pulmón ipsilateral publicados

por Krueger et al. para irradiaciones de pared costal mediante haces tangenciales de fotones
(azul) e IMRT (rojo). En verde se sobreimponen los resultados obtenidos con MERT. Debido
a que los criterios de optimización del artı́culo son diferentes de los empleados en la planifi-
cación MERT, los resultados de esta técnica se han reescalado a efectos de comparación.

Se han estudiado, además, dos casos de pared costal que presentaban

un interés adicional al diseño del tratamiento. El primero de estos casos, en
condiciones normales, hubiera exigido el uso de bolus para compensar la
falta de tejido. Sin embargo, mediante la colocación de una simple lámina
de metacrilato a la salida del haz para degradar la energı́a, se obtuvieron
resultados óptimos, con la consiguiente ventaja de la reproducibilidad del
tratamiento entre una sesión y otra.
El otro caso seleccionado está relacionado con las dimensiones máxi-

mas de un campo al usar un SSD de 60cm. El uso de una distancia fuente-
superficie reducida supone que el área tratable por un sólo haz es menor,
por lo que se estudió un caso en el que el volumen a tratar fuera demasiado
grande para ser irradiado en estas condiciones. Al probarse dos alternati-
vas de tratamiento diferentes (uso de dos isocentros, y aumento del SSD),
se llegó a la conclusión de que era factible y preferible el aumento de la dis-
tancia fuente-superficie para tratar este tipo de casos. Se ha mostrado que el
uso de una distancia SSD de 70cm es factible para aplicar un tratamiento de
MERT.
Después de evaluar diferentes configuraciones geométricas para la irra-

diación de paredes costales se ha llegado a determinar una configuración
estándar, ası́ como variantes en casos de geometrı́as especialmente compli-
cadas, que garantiza resultados de planificación óptimos y que puede ser
incorporada a un protocolo de planificación en caso de su puesta en marcha
para uso clı́nico el procedimiento desarrollado.
Por otro lado, los casos de tumores superficiales en cabeza y cuello han
sido, aún dentro de la heterogeneidad de este grupo, los que han mostrado
mayores posibilidades de mejora al usar MERT frente a otras técnicas.
En todos los casos, la homogeneidad de la dosis en el PTV se ha visto

incrementada de forma importante, incluso comparando los resultados de
MERT, calculados con MC, con los del TPS no simulados (presumiblemen-

te optimistas en exceso), con una precisión que no se encuentra garantizada.
El caso CC4 donde se ha comparado el resultado proporcionado por el

TPS con MC pone de manifiesto la necesidad de utilizar cálculos de MC
en este tipo de situaciones, especialmente complicados para los algoritmos
convencionales.
Los órganos de riesgo han experimentado importantes reducciones de

dosis en la mayorı́a de los casos, siendo resaltable el caso de órganos espe-
cialmente radiosensibles, como la médula. En todos los casos, la valoración
global del tratamiento mejora al usar MERT.
Las mayores posibilidades de los tratamientos de MERT para salvar órga-

nos sanos en cabeza y cuello ha llevado a que se contorneen en el servicio
de radioterapia del Hospital Virgen Macarena nuevos volúmenes de riesgo,
por la nueva posibilidad de salvar estos órganos, manteniendo la cobertura
del PTV.
Este tipo de casos son los más susceptibles de ser utilizados para las pri-
meras pruebas clı́nicas en pacientes reales.
Para el uso clı́nico seguro de cualquier técnica compleja, como esta o

la IMRT, es imprescindible realizar controles de verificación adicionales,
además de la dosimetrı́a rutinaria. La verificación de tratamientos de MERT
es complicada, ya que el método de detección con mayor resolución en la
verificación de la distribución relativa de dosis en tratamientos de radiotera-
pia es la pelı́cula radiográfica. En el caso de haces de electrones, su respuesta
a la radiación presenta una dependencia con la energı́a que la hace inviable
para este propósito.
Como posibles sustitutos de las pelı́culas radiográficas se han estudiado

dos métodos de reciente aparición: un array de cámaras de ionización y la
pelı́cula radiocrómica GafChromic.

Ambos sistemas mostraron una independencia aceptable de la respues-

ta con la energı́a. El array de cámaras tiene una resolución menor que la
pelı́cula, y esta falta de resolución hace este sistema difı́cil de utilizar como
elemento de verificación de tratamientos en los que es importante detectar
desviaciones con respecto a los cálculos de pequeño tamaño.
Sin embargo, no se deberı́a descartar este dispositivo, ya que propor-

ciona valores absolutos de la dosis y es útil en un rango mayor de valores
de dosis. Desarrollando un protocolo de verificación eficiente no tiene por
qué presentar mayores complicaciones que otros sistemas de verificación.
La pelı́cula radiocrómica, a tenor de los resultados obtenidos, se presen-

ta también como una alternativa válida. Su respuesta se puede considerar
independiente de la energı́a en el rango estudiado, y es capaz de detectar
desviaciones de dosis con una resolución espacial suficiente. La sensibili-
dad (del orden del cGy) también la hacen apropiada para este propósito.
Como inconvenientes en el uso de pelı́cula radiocrómica se pueden men-

cionar:
Primero, que es necesario realizar medidas de calibración para cada lote

de pelı́culas.
Segundo, que aunque el procesado de la imagen es más simple que en el

caso de las pelı́culas radiográficas, aún es un procedimiento largo.
Tercero, que el proceso de aparición completa de la imagen se demora

alrededor de 24h, momento a partir del cual, ésta se degrada, por lo que es
importante procesar la imagen en el tiempo adecuado, y no se puede usar
la pelı́cula como soporte para el almacenamiento de larga duración.
Por último, el rango de dosis, aunque es suficiente para los casos que

se han estudiado aquı́, puede ser demasiado estrecho en determinadas cir-

cunstancias.
Finalmente, sólo queda mencionar que el desarrollo de esta técnica ha

despertado el interés de dos compañı́as comerciales del sector de la radio-
terapia: Siemens Medical Solutions y Nucletron. Con la primera se está tra-
bajando para implementar las modificaciones necesarias en el software de
control del acelerador para el uso de MERT sin necesidad de usar el modo
de servicio. Con la segunda se ha suscrito un acuerdo de colaboración para
el desarrollo del sistema de planificación hasta un nivel que permita su uso
clı́nico y su posible integración en los sistemas de planificación que produce
esta compañı́a. Sin duda, el interés de estas compañı́as por esta técnica son
un aval de las posibilidades reales que tiene y de que, además de abrirse un
campo de investigación, puede ser en poco tiempo una realidad clı́nica. Por
otro lado, esta investigación tendrá continuidad gracias a la concesión al Dr.
Antonio Leal Plaza por parte del Ministerio de Ciencia e Innovación de un
proyecto de I+D. El objetivo de este proyecto es ampliar la planificación ba-
sada en Monte Carlo a tratamientos combinados de fotones y electrones. El
proyecto, titulado “Radioterapia con haces de electrones modulados combi-
nados con IMRT: Planificación basada en Monte Carlo”, está dotado con un
presupuesto de 115000 e.

5.Conclusiones
Los resultados obtenidos a partir de este trabajo arrojan las siguientes

conclusiones:
Se ha verificado tanto por medidas dosimétricas experimentales, como

mediante simulaciones Monte Carlo, que el colimador multiláminas
para fotones que incorpora el acelerador Primus de Siemens es apro-
piado para colimar haces de electrones susceptibles de ser utilizados
en tratamientos de intensidad y energı́a moduladas de electrones.
Se ha demostrado que la combinación de modulación de la intensidad

con la modulación de la energı́a de haces de electrones permite una
conformación de dosis tanto lateral como en profundidad que hacen
esta técnica clı́nicamente viable para el tratamiento de tumores super-
ficiales.
Se ha verificado que los sistemas de planificación convencionales ba-

sados en algoritmos analı́ticos pueden proporcionar distribuciones de
dosis equivocadas, induciendo una evaluación errónea de las carac-
terı́sticas del tratamiento, y se abren a debate los actuales ı́ndices de
toxicidad para pulmón.
Se ha desarrollado un sistema de planificación, basado en Monte Car-

lo, capaz de resolver eficazmente planificaciones con haces de electro-
151
CAPÍTULO 5. CONCLUSIONES
nes modulados en intensidad y energı́a, estando abierto a la aplicación

en tratamientos con haces de fotones.
Se han evaluado dos procedimientos experimentales para la valida-

ción de los tratamientos propuestos. Tanto el uso de arrays de cámaras
de ionización como de pelı́culas radiocrómicas se adaptan a las exi-
gencias de este tipo de tratamientos.
En concreto, la aplicación del sistema de planificación propuesto en

casos reales de diferentes categorı́as de tumores superficiales permite
realizar las siguientes afirmaciones:
• Los histogramas dosis-volumen obtenidos para casos conserva-

dores de mama con la técnica propuesta no mejoran los alcan-
zados con tratamientos adecuados de intensidad modulada de
fotones, dejando a un lado las incertidumbres relacionadas con el
movimiento respiratorio de la paciente.
• Las planificaciones de paredes costales, normalmente realizadas

mediantes haces simples de electrones conformados por bloques
de cerrobend, experimentan una mejora en el recubrimiento de la
lesión al usar tratamientos de intensidad modulada de electrones,
aunque en algunos casos, la dosis recibida por el pulmón puede
aumentar.
• Los tumores superficiales localizados en la cabeza y el cuello mues-

tran un mejor recubrimiento del tumor al usar haces modulados
de electrones, manteniendo unos niveles de dosis en los órganos
comprometidos mucho mas bajos.

Bibliografı́a
AAPM (1983), ‘A protocol for the determination of absorbed dose from

high-energy photon and electron beams.’, Med Phys 10(6), 741–71.
Ahnesjo, A. (1989), ‘Collapsed cone convolution of radiant energy for pho-

ton dose calculation in heterogeneous media.’, Med Phys 16(4), 577–92.
Ahnesjo, A., Saxner, M. & Trepp, A. (1992), ‘A pencil beam model for photon
dose calculation.’, Med Phys 19(2), 263–73.
Ahunbay, E. E., Chen, G. P., Thatcher, S., Jursinic, P. A., White, J., Albano,
K. & Li, X. A. (2007), ‘Direct aperture optimization-based intensity-
modulated radiotherapy for whole breast irradiation.’, Int J Radiat On-
col Biol Phys 67(4), 1248–58.
Al-Yahya, K., Hristov, D., Verhaegen, F. & Seuntjens, J. (2005), ‘Monte Carlo
based modulated electron beam treatment planning using a few-leaf
electron collimator–feasibility study.’, Phys Med Biol 50(5), 847–57.
Alber, M., Broggi, S., De Wagter, C., Eichwurzel, I., Engstrom, P., Fiorino,
C., Georg, D., Hartmann, G., Knoos, T., Leal, A., Marijnissen, H., Mijn-
heer, B., Paiusco, B., Sanchez-Doblado, F., Schmidt, R., Tomsej, M. &
Welleweerd, H. (2008), ‘Guidelines for the verification of IMRT’, ES-
TRO. Mounierlaan 83-12 - 1200 Brussels (Belgium).
Arrans, R., Gallardo, M. I., Rosello, J. & Sanchez-Doblado, F. (2003), ‘Com-

puter optimization of class solutions designed on a beam segmentation
basis.’, Radiother Oncol 69(3), 315–21.
153
BIBLIOGRAFÍA
Bahr, G. K., Kereiakes, J. G., Horwitz, H., Finney, R., Galvin, J. & Goode, K.
(1968), ‘The method of linear programming applied to radiation treat-
ment planning.’, Radiology 91(4), 686–93.
Bar, W., Alber, M. & Nusslin, F. (2001), ‘A variable fluence step clustering
and segmentation algorithm for step and shoot IMRT.’, Phys Med Biol
46(7), 1997–2007.
Baro, J., Sempau, J., Fernandez-Varea, J. M. & Salvat, F. (1995), ‘PENELOPE-

An algorithm for Monte-Carlo simulation of the penetration and
energy-loss of electrons and positrons in matter’, Nuclear Instruments
and Methods in Physics Research Section B - Beam Interactions with Mathe-
rials and Atoms 100(1), 31–46.
Bielajew, A. F. & Rogers, D. W. O. (1987), ‘PRESTA: The parameter reduced

electron-step transport algorithm for electron Monte Carlo transport’,
Nuclear Instruments and Methods in Physics Research B 18(2), 165–181.
Bond, J. E., Nath, R. & Schulz, R. J. (1978), ‘Monte Carlo calculation of the
wall correction factors for ionization chambers and Aeq for 60Co gam-
ma rays.’, Med Phys 5(5), 422–5.
Bortfeld, T. (1999), ‘Optimized planning using physical objectives and cons-

traints.’, Semin Radiat Oncol 9(1), 20–34.
Bourland, J. D. & Chaney, E. L. (1992), ‘A finite-size pencil beam model for

photon dose calculations in three dimensions.’, Med Phys 19(6), 1401–
12.
Boyd, R. A., Hogstrom, K. R. & Starkschall, G. (2001), ‘Electron pencil-beam

redefinition algorithm dose calculations in the presence of heterogenei-
ties.’, Med Phys 28(10), 2096–104.
Boyer, A. L., Desobry, G. E. & Wells, N. H. (1991), ‘Potential and limitations

of invariant kernel conformal therapy.’, Med Phys 18(4), 703–12.

BIBLIOGRAFÍA
Bragg, C. M., Conway, J. & Robinson, M. H. (2002), ‘The role of intensity-

modulated radiotherapy in the treatment of parotid tumors.’, Int J Ra-
diat Oncol Biol Phys 52(3), 729–38.
Brahme, A. (1988), ‘Optimization of stationary and moving beam radiation

therapy techniques.’, Radiother Oncol 12(2), 129–40.
Brahme, A., Roos, J. E. & Lax, I. (1982), ‘Solution of an integral equation

encountered in rotation therapy.’, Phys Med Biol 27(10), 1221–9.
Brahme, A. & Svensson, H. (1976), ‘Specification of electron beam qua-

lity from the central-axis depth absorbed-dose distribution.’, Med Phys
3(2), 95–102.
Briesmeister, J. F. (1986), MCNP-A General Monte Carlo Code for Neutron

and Photon Transport, Version 3A, Technical Report LA-7396-M, Rev.2,
Los Alamos National Laboratory.
Brun, R., Bruyant, F., McPherson A. C. & Zanarini, P. (1985), GEANT3 Users
Guide, CERN.
Capote, R., Sanchez-Doblado, F., Leal, A., Lagares, J. I., Arrans, R. & Hart-
mann, G. H. (2004), ‘An EGSnrc Monte Carlo study of the microioniza-
tion chamber for reference dosimetry of narrow irregular IMRT beam-
lets.’, Med Phys 31(9), 2416–22.
Carrasco, P., Jornet, N., Duch, M. A., Panettieri, V., Weber, L., Eudaldo, T.,
Ginjaume, M. & Ribas, M. (2007), ‘Comparison of dose calculation al-
gorithms in slab phantoms with cortical bone equivalent heterogenei-
ties.’, Med Phys 34(8), 3323–33.
Chen, Y., Bielajew, A. F., Litzenberg, D. W., Moran, J. M. & Becchetti, F. D.

(2005), ‘Magnetic confinement of electron and photon radiotherapy do-
se: a Monte Carlo simulation with a nonuniform longitudinal magnetic
field.’, Med Phys 32(12), 3810–8.

BIBLIOGRAFÍA
Chetty, I. J., Curran, B., Cygler, J. E., DeMarco, J. J., Ezzell, G., Faddegon,
B. A., Kawrakow, I., Keall, P. J., Liu, H., Ma, C. M., Rogers, D. W., Seunt-
jens, J., Sheikh-Bagheri, D. & Siebers, J. V. (2007), ‘Report of the AAPM
Task Group No. 105: issues associated with clinical implementation of
Monte Carlo-based photon and electron external beam treatment plan-
ning.’, Med Phys 34(12), 4818–53.
Coolens, C., Evans, P. M., Seco, J., Webb, S., Blackall, J. M., Rietzel, E. &
Chen, G. T. (2006), ‘The susceptibility of IMRT dose distributions to
intrafraction organ motion: an investigation into smoothing filters de-
rived from four dimensional computed tomography data.’, Med Phys
33(8), 2809–18.
Cormack, A. M. (1963), ‘Representation of a function by its line inte-

grals with some radiological applications’, Journal of Applied Physics
34(9), 2722 – 2727.
Cormack, A. M. (1964), ‘Representation of function by its line integrals with

some radiological Applications .2.’, Journal of applied physics 35(10), 2908
– 2913.
Cormack, A. M. (1973), ‘Reconstruction of densities from their projections,

withapplications in Radiological physics’, Physics in Medicine and Bio-
logy 18(2), 195 – 207.
Damen, E. M., Brugmans, M. J., van der Horst, A., Bos, L., Lebesque, J. V.,
Mijnheer, B. J., McShan, D. L., Fraass, B. A. & Kessler, M. L. (2001),
‘Planning, computer optimization, and dosimetric verification of a seg-
mented irradiation technique for prostate cancer.’, Int J Radiat Oncol
Biol Phys 49(4), 1183–95.
De Meerleer, G. O., Vakaet, L. A., De Gersem, W. R., De Wagter, C., De Nae-

yer, B. & De Neve, W. (2000), ‘Radiotherapy of prostate cancer with
or without intensity modulated beams: a planning comparison.’, Int J
Radiat Oncol Biol Phys 47(3), 639–48.

BIBLIOGRAFÍA
Deasy, J. O. (1997), ‘Multiple local minima in radiotherapy optimization pro-

blems with dose-volume constraints.’, Med Phys 24(7), 1157–61.
Deng, J., Lee, M. C. & Ma, C. M. (2002), ‘A Monte Carlo investigation

of fluence profiles collimated by an electron specific MLC during
beam delivery for modulated electron radiation therapy.’, Med Phys
29(11), 2472–83.
Deng, J., Pawlicki, T., Chen, Y., Li, J., Jiang, S. B. & Ma, C. M. (2001), ‘The
MLC tongue-and-groove effect on IMRT dose distributions.’, Phys Med
Biol 46(4), 1039–60.
Dogan, N., Leybovich, L. B., King, S., Sethi, A. & Emami, B. (2002), ‘Im-
provement of treatment plans developed with intensity-modulated ra-
diation therapy for concave-shaped head and neck tumors.’, Radiology
223(1), 57–64.
du Plessis, F. C., Leal, A., Stathakis, S., Xiong, W. & Ma, C. M. (2006), ‘Cha-
racterization of megavoltage electron beams delivered through a pho-
ton multi-leaf collimator (pMLC).’, Phys Med Biol 51(8), 2113–29.
du Plessis, F. C., Willemse, C. A., Lotter, M. G. & Goedhals, L. (1998), ‘The

indirect use of CT numbers to establish material properties needed for
Monte Carlo calculation of dose distributions in patients.’, Med Phys
25(7), 1195–201.
Edimo, P., Clermont, C., Kwato, M. G. & Vynckier, S. (2008), ‘Evaluation of

a commercial VMC++ Monte Carlo based treatment planning system
for electron beams using EGSnrc/BEAMnrc simulations and measure-
ments.’, Phys Med .
Emami, B., Lyman, J., Brown, A., Coia, L., Goitein, M., Munzenrider, J. E.,
Shank, B., Solin, L. J. & Wesson, M. (1991), ‘Tolerance of normal tissue
to therapeutic irradiation.’, Int J Radiat Oncol Biol Phys 21(1), 109–22.
Engelsman, M., Damen, E. M., Koken, P. W., van ’t Veld, A. A., van Ingen,
K. M. & Mijnheer, B. J. (2001), ‘Impact of simple tissue inhomogeneity

BIBLIOGRAFÍA
correction algorithms on conformal radiotherapy of lung tumours.’,

Radiother Oncol 60(3), 299–309.
Eyges, L. (1948), ‘Multiple scattering with energy loss’, Physical Review

74(10), 1534–1535.
Fan-Chi, S., Yaxi, L., Stathakis, S., Chengyu, S., Esquivel, C. & Papanikolaou,
N. (2007), ‘Dosimetric characteristics of GAFCHROMIC EBT film res-
ponding to therapeutic electron beams’, Applied Radiation and Isotopes
65(10), 1187–1192.
Feaster, G. R., Agarwal, S. K., Huddleston, A. L. & Friesen, E. J. (1979), ‘A

missing tissue compensator.’, Int J Radiat Oncol Biol Phys 5(2), 277–80.
Ferlay, J., Autier, P., Boniol, M., Heanue, M., Colombet, M. & Boyle, P. (2007),
‘Estimates of the cancer incidence and mortality in Europe in 2006.’,
Ann Oncol 18(3), 581–92.
Fippel, M. (1999), ‘Fast Monte Carlo dose calculation for photon beams ba-
sed on the VMC electron algorithm.’, Med Phys 26(8), 1466–75.
Fippel, M. & Nusslin, F. (2001), ‘[Verification of a fast Monte Carlo dose cal-
culation algorithm by EGSnrc using the statistical separation method]’,
Z Med Phys 11(3), 152–60.
Frazier, R. C., Vicini, F. A., Sharpe, M. B., Yan, D., Fayad, J., Baglan, K. L.,
Kestin, L. L., Remouchamps, V. M., Martinez, A. A. & Wong, J. W.
(2004), ‘Impact of breathing motion on whole breast radiotherapy: a
dosimetric analysis using active breathing control.’, Int J Radiat Oncol
Biol Phys 58(4), 1041–7.
Galvin, J. M., Smith, A. R., Moeller, R. D., Goodman, R. L., Powlis, W. D.,
Rubenstein, J., Solin, L. J., Michael, B., Needham, M., Huntzinger, C. J.
& et al. (1992), ‘Evaluation of multileaf collimator design for a photon
beam.’, Int J Radiat Oncol Biol Phys 23(4), 789–801.

BIBLIOGRAFÍA
George, R., Keall, P. J., Kini, V. R., Vedam, S. S., Siebers, J. V., Wu, Q., Lauter-
bach, M. H., Arthur, D. W. & Mohan, R. (2003), ‘Quantifying the effect
of intrafraction motion during breast IMRT planning and dose deli-
very.’, Med Phys 30(4), 552–62.
Gerbi, B. J. & Dimitroyannis, D. A. (2003), ‘The response of Kodak EDR2

film in high-energy electron beams.’, Med Phys 30(10), 2703–5.
Gierga, D. P., Chen, G. T., Kung, J. H., Betke, M., Lombardi, J. & Willett,
C. G. (2004), ‘Quantification of respiration-induced abdominal tumor
motion and its impact on IMRT dose distributions.’, Int J Radiat Oncol
Biol Phys 58(5), 1584–95.
Gonzalez-Castano, D., Pena, J., Sanchez-Doblado, F., Hartmann, G. H., Go-

mez, F. & Leal, A. (2008), ‘The change of response of ionization cham-
bers in the penumbra and transmission regions: impact for IMRT veri-
fication.’, Med Biol Eng Comput 46(4), 373–80.
Goudsmit, S. & Saunderson, J. L. (1940), ‘Multiple scattering of electrons’,

Physical Review 57(1), 24–29.
Graff, P., Lapeyre, M., Desandes, E., Ortholan, C., Bensadoun, R. J., Alfonsi,
M., Maingon, P., Giraud, P., Bourhis, J., Marchesi, V., Mege, A. & Peif-
fert, D. (2007), ‘Impact of intensity-modulated radiotherapy on health-
related quality of life for head and neck cancer patients: matched-pair
comparison with conventional radiotherapy.’, Int J Radiat Oncol Biol
Phys 67(5), 1309–17.
Graham, P. & Fourquet, A. (2006), ‘Placing the boost in breast-conservation

radiotherapy: A review of the role, indications and techniques for
breast-boost radiotherapy.’, Clin Oncol (R Coll Radiol) 18(3), 210–9.
Hayman, J. A., Hillner, B. E., Harris, J. R., Pierce, L. J. & Weeks, J. C. (2000),
‘Cost-effectiveness of adding an electron-beam boost to tangential ra-
diation therapy in patients with negative margins after conservative
surgery for early-stage breast cancer.’, J Clin Oncol 18(2), 287–95.

BIBLIOGRAFÍA
Heukelom, S., Lanson, J. H. & Mijnheer, B. J. (1991), ‘Comparison of entran-

ce and exit dose measurements using ionization chambers and silicon
diodes.’, Phys Med Biol 36(1), 47–59.
Hogstrom, K. R., Boyd, R. A., Antolak, J. A., Svatos, M. M., Faddegon, B. A.

& Rosenman, J. G. (2004), ‘Dosimetry of a prototype retractable eMLC
for fixed-beam electron therapy.’, Med Phys 31(3), 443–62.
Hong, L., Hunt, M., Chui, C., Spirou, S., Forster, K., Lee, H., Yahalom, J.,
Kutcher, G. J. & McCormick, B. (1999), ‘Intensity-modulated tangen-
tial beam irradiation of the intact breast.’, Int J Radiat Oncol Biol Phys
44(5), 1155–64.
Hounsfield, G. N. (1973), ‘Computerized transverse axial scanning (tomo-

graphy). 1. Description of system.’, Br J Radiol 46(552), 1016–22.
Hristov, D., Stavrev, P., Sham, E. & Fallone, B. G. (2002), ‘On the implementa-
tion of dose-volume objectives in gradient algorithms for inverse treat-
ment planning.’, Med Phys 29(5), 848–56.
Huang, V., Seuntjens, J. & Devic, S. a. (2005), ‘Experimental determination of

electron source parameters for accurate monte carlo calculation of large
field electron therapy’, Physics in Medicine and Biology 50(5), 779–786.
Hyodynmaa, S., Gustafsson, A. & Brahme, A. (1996), ‘Optimization of con-

formal electron beam therapy using energy- and fluence-modulated
beams.’, Med Phys 23(5), 659–66.
ICRU (1984), International Comission on Radiation Units and Measure-

ments. Radiation Dosimetry of Electron Beams with Energies between
1 and 50 MeV., ICRU Report 35, ICRU, Bethesda, MD:ICRU.
ICRU (1993), Prescribing, recording and reporting photon beam therapy,

ICRU Report 50, ICRU Report 50, ICRU, Bethesda, MD:ICRU.
Jette, D. & Walker, S. (1992), ‘Electron dose calculation using multiple-

scattering theory: evaluation of a new model for inhomogeneities.’,
Med Phys 19(5), 1241–54.

BIBLIOGRAFÍA
Jiang, S. B., Pawlicki, T. & Ma, C. M. (2000), ‘Removing the effect of statis-
tical uncertainty on dose-volume histograms from Monte Carlo dose
calculations.’, Phys Med Biol 45(8), 2151–61.
Jin, L., Ma, C. M., Fan, J., Eldib, A., Price, R. A., Chen, L., Wang, L., Chi, Z.,
Xu, Q., Sherif, M. & Li, J. S. (2008), ‘Dosimetric verification of modula-
ted electron radiotherapy delivered using a photon multileaf collima-
tor for intact breasts.’, Phys Med Biol 53(21), 6009–6025.
Jones, A. O. & Das, I. J. (2005), ‘Comparison of inhomogeneity correction

algorithms in small photon fields.’, Med Phys 32(3), 766–76.
Kallman, P., Lind, B., Eklof, A. & Brahme, A. (1988), ‘Shaping of arbitrary
dose distributions by dynamic multileaf collimation.’, Phys Med Biol
33(11), 1291–300.
Kamangar, F., Dores, G. M. & Anderson, W. F. (2006), ‘Patterns of cancer in-

cidence, mortality, and prevalence across five continents: defining prio-
rities to reduce cancer disparities in different geographic regions of the
world.’, J Clin Oncol 24(14), 2137–50.
Kapur, A., Ma, C.-M. & Boyer, A. L., eds (2000), 2000 Monte Carlo simulations
for multileaf collimator leaves: design and dosimetry, Proc. Chicago 2000
World Congress on Medical Physics and Biomedical Engineering.
Karlsson, M. G., Karlsson, M. & Zackrisson, B. (1998), ‘Intensity modulation

with electrons: calculations, measurements and clinical applications.’,
Phys Med Biol 43(5), 1159–69.
Kawrakow, I. & Fippel, M. (2000), ‘Investigation of variance reduction tech-

niques for Monte Carlo photon dose calculation using XVMC.’, Phys
Med Biol 45(8), 2163–83.
Keall, P. J., Mageras, G. S., Balter, J. M., Emery, R. S., Forster, K. M., Jiang,
S. B., Kapatoes, J. M., Low, D. A., Murphy, M. J., Murray, B. R., Ramsey,
C. R., Van Herk, M. B., Vedam, S. S., Wong, J. W. & Yorke, E. (2006),

BIBLIOGRAFÍA
‘The management of respiratory motion in radiation oncology report

of AAPM Task Group 76.’, Med Phys 33(10), 3874–900.
Kirkpatrick, S., Gelatt, Jr, C. D. & Vecchi, M. P. (1983), ‘Optimization by Si-

mulated Annealing.’, Science 220(4598), 671–680.
Klein, E. (1998), ‘Modulated electron beams using multi-segmented multi-

leaf collimation’, Radiotherapy and Oncology 48(3), 307–311.
Knoos, T., Ahnesjo, A., Nilsson, P. & Weber, L. (1995), ‘Limitations of a pencil
beam approach to photon dose calculations in lung tissue.’, Phys Med
Biol 40(9), 1411–20.
Kong, M. & Holloway, L. (2007), ‘An investigation of central axis depth dose
distribution perturbation due to an air gap between patient and bolus
for electron beams.’, Australas Phys Eng Sci Med 30(2), 111–9.
Kozak, K. R., Doppke, K. P., Katz, A. & Taghian, A. G. (2006), ‘Dosime-

tric comparison of two different three-dimensional conformal external
beam accelerated partial breast irradiation techniques.’, Int J Radiat On-
col Biol Phys 65(2), 340–6.
Krueger, E. A., Fraass, B. A., McShan, D. L., Marsh, R. & Pierce, L. J.

(2003), ‘Potential gains for irradiation of chest wall and regional nodes
with intensity modulated radiotherapy.’, Int J Radiat Oncol Biol Phys
56(4), 1023–37.
Kudchadker, R. J., Hogstrom, K. R., Garden, A. S., McNeese, M. D.,

Boyd, R. A. & Antolak, J. A. (2002), ‘Electron conformal radiotherapy
using bolus and intensity modulation.’, Int J Radiat Oncol Biol Phys
53(4), 1023–37.
Lagares González, J. I. (2008), Reducción de la dosis integral en los tra-

tamientos radioterápicos basados en intensidad modulada dinámica:
verificación mediante el método de Monte Carlo, PhD thesis, Univer-
sidad de Sevilla.

BIBLIOGRAFÍA
Langer, M., Brown, R., Urie, M., Leong, J., Stracher, M. & Shapiro, J. (1990),
‘Large scale optimization of beam weights under dose-volume restric-
tions.’, Int J Radiat Oncol Biol Phys 18(4), 887–93.
Langer, M. & Leong, J. (1987), ‘Optimization of beam weights under dose-

volume restrictions.’, Int J Radiat Oncol Biol Phys 13(8), 1255–60.
Leal, A., Ma, C., du Plessis, F., Lagares, J., Li, J., Quin, L., Xiong, W., Stat-
hakis, S., Luo, W. & Chen, Z. (2005), ‘Energy and intensity modulated
electron radiation therapy using a Monte Carlo optimization procedu-
re’, Med Phys 32(6), 2070–2070.
Leal, A., Sanchez-Doblado, E., Rincon, M., Perucha, M., Arrans, R., Rosello,
J., Camacho, I., Sierra, M. & Carrasco, E. (2001), ‘Distributed processing
for CPU time optimisation in Monte Carlo simulation’, Physca Medica
17, 81 – 83.
Leal, A., Sanchez-Doblado, F., Arrans, R., Perucha, M., Rincon, M., Carras-
co, E. & Bernal, C. (2004), ‘Monte Carlo simulation of complex radiot-
herapy treatments’, Computing in Science and Engineering 6(4), 60 – 68.
Leal, A., Sanchez-Doblado, F., Arrans, R., Rosello, J., Pavon, E. C. & Lagares,
J. I. (2003), ‘Routine IMRT verification by means of an automated Mon-
te Carlo simulation system.’, Int J Radiat Oncol Biol Phys 56(1), 58–68.
Leal Plaza, A. (2001), ‘Optimización de los tiempos de CPU mediante pro-

cesos distribuidos. Aplicación a los cálculos radioterápicos basados en
Monte Carlo’, Tesis doctoral .
Lee, M. C., Jiang, S. B. & Ma, C. M. (2000), ‘Monte Carlo and experimental
investigations of multileaf collimated electron beams for modulated
electron radiation therapy.’, Med Phys 27(12), 2708–18.
Lief, E., Larsson, A. & Humm, J. (1996), ‘Electron dose profile shaping by
modulation of a scanning elementary beam’, Medical Physics 23(1), 33–
44.

BIBLIOGRAFÍA
Litzenberg, D., Fraass, B. & McShan, D. a. (2001), ‘An apparatus for appl-
ying strong longitudinal magnetic fields to clinical photon and electron
beams’, Physics in Medicine and Biology 46(5), N105–N115.
Low, D. A., Starkschall, G., Bujnowski, S. W., Wang, L. L. & Hogstrom, K. R.

(1992), ‘Electron bolus design for radiotherapy treatment planning: bo-
lus design algorithms.’, Med Phys 19(1), 115–24.
Ma, C., Ding, M. & Li, J. a. (2003), ‘A comparative dosimetric study on tan-
gential photon beams, intensity-modulated radiation therapy (imrt)
and modulated electron radiotherapy (mert) for breast cancer treat-
ment’, Physics in Medicine and Biology 48(7), 909–924.
Ma, C. M., Price, Jr, R. A., Li, J. S., Chen, L., Wang, L., Fourkal, E., Qin, L.
& Yang, J. (2004), ‘Monitor unit calculation for Monte Carlo treatment
planning.’, Phys Med Biol 49(9), 1671–87.
Ma, C., Pawlicki, T. & Lee, M. a. (2000), ‘Energy- and intensity-modulated

electron beams for radiotherapy’, Physics in Medicine and Biology
45(8), 2293–2311.
Mackie, T. R., Scrimger, J. W. & Battista, J. J. (1985), ‘A convolution method

of calculating dose for 15-MV x rays.’, Med Phys 12(2), 188–96.
McCall, R. C., McIntyre, R. D. & Turnbull, W. G. (1978), ‘Improvement of

linear accelerator depth-dose curves.’, Med Phys 5(6), 518–24.
McKenzie, A. L., van Herk, M. & Mijnheer, B. (2000), ‘The width of margins
in radiotherapy treatment plans.’, Phys Med Biol 45(11), 3331–42.
Menegotti, L., Delana, A. & Martignano, A. (2008), ‘Radiochromic film dosi-

metry with flatbed scanners: a fast and accurate method for dose cali-
bration and uniformity correction with single film exposure.’, Med Phys
35(7), 3078–85.
Metropolis, N. & Ulam, S. (1949), ‘The Monte Carlo method.’, J Am Stat Assoc
44(247), 335–41.

BIBLIOGRAFÍA
Mohan, R., Chui, C. & Lidofsky, L. (1985), ‘Energy and angular distributions
of photons from medical linear accelerators.’, Med Phys 12(5), 592–7.
Mohan, R., Chui, C. & Lidofsky, L. (1986), ‘Differential pencil beam dose
computation model for photons.’, Med Phys 13(1), 64–73.
Molière, G. (1947), ‘Therorie der Streuung schneller geladener Teilchen I.

Einzelstreuung am abgeschirmten Coulomb-Feld’, Zeitschrift für Natur-
forschung A - A Journal of Physical Sciences 2(3), 133–145.
Molière, G. (1948), ‘Therorie der Streuung schneller geladener Teilchen II.

Mehrfachstreuung und Vielfachstreuung’, 3(2), 78–97.
Nahum, A. E. (1978), ‘Water/air mass stopping power ratios for megavolta-

ge photon and electron beams.’, Phys Med Biol 23(1), 24–38.
Nardi, E., Barnea, G. & Ma, C. (2004), ‘Electron beam therapy with coil-
generated magnetic fields’, Medical Physics 31(6), 1494–1503.
Nash, J. C. (2000), ‘The (Dantzig) simplex method for linear programming’,

Computing in Science and Engeneering 2(1), 29 – 31.
Nath, R., Biggs, P. J., Bova, F. J., Ling, C. C., Purdy, J. A., van de Geijn, J.
& Weinhous, M. S. (1994), ‘AAPM code of practice for radiotherapy
accelerators: report of AAPM Radiation Therapy Task Group No. 45.’,
Med Phys 21(7), 1093–121.
Nelson, W. R., Hirayama, H. & Rogers, W. O. (1985), The EGS4 code system,
Technical Report SLAC-265, Stanford Linear Accelerator, Stanford, CA.
Neuenschwander, H. & Born, E. J. (1992), ‘A Macro Monte-Carlo Method

for electron-beam dose calculations’, Physics in Medicine and Biology
37(1), 107–125.
Neuenschwander, H., Mackie, T. R. & Reckwerdt, P. J. (1995), ‘MMC - A

high-performance Monte-Carlo code for electron-beam treatment plan-
ning’, Physics in Medicine and Biology 40(4), 543–574.

BIBLIOGRAFÍA
Niroomand-Rad, A., Blackwell, C. R., Coursey, B. M., Gall, K. P., Galvin,

J. M., McLaughlin, W. L., Meigooni, A. S., Nath, R., Rodgers, J. E. &
Soares, C. G. (1998), ‘Radiochromic film dosimetry: recommendations
of AAPM Radiation Therapy Committee Task Group 55. American As-
sociation of Physicists in Medicine.’, Med Phys 25(11), 2093–115.
Nisbet, A., Beange, I., Vollmar, H. S., Irvine, C., Morgan, A. & Thwaites,
D. I. (2004), ‘Dosimetric verification of a commercial collapsed cone
algorithm in simulated clinical situations.’, Radiother Oncol 73(1), 79–
88.
Nutting, C. M., Rowbottom, C. G., Cosgrove, V. P., Henk, J. M., Dearnaley,

D. P., Robinson, M. H., Conway, J. & Webb, S. (2001), ‘Optimisation
of radiotherapy for carcinoma of the parotid gland: a comparison of
conventional, three-dimensional conformal, and intensity-modulated
techniques.’, Radiother Oncol 60(2), 163–72.
Olofsson, L., Karlsson, M. & Karlsson, M. (2005a), ‘Effects on electron beam

penumbra using the photon mlc to reduce bremsstrahlung leakage for
an add-on electron mlc’, Physics in Medicine and Biology 50(6), 1191–
1203.
Olofsson, L., Karlsson, M. & Karlsson, M. (2005b), ‘Photon and electron co-
llimator effects on electron output and abutting segments in energy
modulated electron therapy’, Medical Physics 32(10), 3178–3184.
Ostapiak, O. Z., Zhu, Y. & Van Dyk, J. (1997), ‘Refinements of the finite-
size pencil beam model of three-dimensional photon dose calculation.’,
Med Phys 24(5), 743–50.
Parkin, D. M., Bray, F., Ferlay, J. & Pisani, P. (2005), ‘Global cancer statistics,
2002.’, CA Cancer J Clin 55(2), 74–108.
Partridge, M., Trapp, J. V., Adams, E. J., Leach, M. O., Webb, S. & Seco,
J. (2006), ‘An investigation of dose calculation accuracy in intensity-
modulated radiotherapy of sites in the head & neck.’, Phys Med
22(3), 97–104.

BIBLIOGRAFÍA
Pawlicki, T. (2000), Beamlet simulation for inverse planning with MCDO-

SE, Internal Report SU-RADONC-PHR000#, Department of Radiation
Oncology, Stanford University School of Medicine.
Pena, J., Gonzalez-Castano, D. M., Gomez, F., Sanchez-Doblado, F. & Hart-

mann, G. H. (2007), ‘Automatic determination of primary electron
beam parameters in Monte Carlo simulation.’, Med Phys 34(3), 1076–
84.
Pena, J., Sanchez-Doblado, F., Capote, R., Terron, J. A. & Gomez, F. (2006),
‘Monte Carlo correction factors for a Farmer 0.6 cm3 ion chamber dose
measurement in the build-up region of the 6 MV clinical beam.’, Phys
Med Biol 51(6), 1523–32.
Pierce, L. J., Butler, J. B., Martel, M. K., Normolle, D. P., Koelling, T., Marsh,
R. B., Lichter, A. S. & Fraass, B. A. (2002), ‘Postmastectomy radiothe-
rapy of the chest wall: dosimetric comparison of common techniques.’,
Int J Radiat Oncol Biol Phys 52(5), 1220–30.
Pohar, S., Gay, H., Rosenbaum, P., Klish, D., Bogart, J., Sagerman, R., Hsu, J.
& Kellman, R. (2005), ‘Malignant parotid tumors: presentation, clinica-
l/pathologic prognostic factors, and treatment outcomes.’, Int J Radiat
Oncol Biol Phys 61(1), 112–8.
Polednik, M., Abo Madyan, Y., Schneider, F., Wolff, D., Bannach, B., Lambre-
cht, U., Wallin, A., Cwiekala, M., Maurer, K., Reif, F., Lohr, F. & Wenz, F.
(2007), ‘Evaluation of calculation algorithms implemented in different
commercial planning systems on an anthropomorphic breast phantom
using film dosimetry.’, Strahlenther Onkol 183(12), 667–72.
Poortmans, P., Bartelink, H., Horiot, J. C., Struikmans, H., Van den Bo-
gaert, W., Fourquet, A., Jager, J., Hoogenraad, W., Rodrigus, P., Warlam-
Rodenhuis, C., Collette, L. & Pierart, M. (2004), ‘The influence of the
boost technique on local control in breast conserving treatment in
the EORTC ’boost versus no boost’ randomised trial.’, Radiother Oncol
72(1), 25–33.

BIBLIOGRAFÍA
Popescu, I. A., Shaw, C. P., Zavgorodni, S. F. & Beckham, W. A. (2005), ‘Ab-

solute dose calculations for Monte Carlo simulations of radiotherapy
beams.’, Phys Med Biol 50(14), 3375–92.
Popple, R. A., Weinber, R., Antolak, J. A., Ye, S. J., Pareek, P. N., Duan, J.,
Shen, S. & Brezovich, I. A. (2006), ‘Comprehensive evaluation of a com-
mercial macro Monte Carlo electron dose calculation implementation
using a standard verification data set.’, Med Phys 33(6), 1540–51.
Que, W. (1999), ‘Comparison of algorithms for multileaf collimator field seg-

mentation.’, Med Phys 26(11), 2390–6.
Que, W., Kung, J. & Dai, J. (2004), ‘’Tongue-and-groove’ effect in intensity

modulated radiotherapy with static multileaf collimator fields.’, Phys
Med Biol 49(3), 399–405.
Ravindran, B. P., Singh, I. R., Brindha, S. & Sathyan, S. (2002), ‘Manual multi-
leaf collimator for electron beam shaping–a feasibility study.’, Phys Med
Biol 47(24), 4389–96.
Rikner, G. & Grusell, E. (1987), ‘General specifications for silicon semicon-

ductors for use in radiation dosimetry.’, Phys Med Biol 32(9), 1109–17.
Rogers, D. W. O., Ma, C.-M., Walters, B., Ding, G. X., Sheikh-Bagheri, D.

& Zhang, G. (2002), BEAMnrc Users Manual, Ionizing Radiation Stan-
dards National Research Council of Canada, Ottawa, K1A OR6.
Rosen, I. I., Lam, K. S., Lane, R. G., Langer, M. & Morrill, S. M. (1995), ‘Com-
parison of simulated annealing algorithms for conformal therapy treat-
ment planning.’, Int J Radiat Oncol Biol Phys 33(5), 1091–9.
Rosen, I. I., Lane, R. G., Morrill, S. M. & Belli, J. A. (1991), ‘Treatment plan
optimization using linear programming.’, Med Phys 18(2), 141–52.
Sanchez-Doblado, F., Andreo, P., Capote, R., Leal, A., Perucha, M., Arrans,
R., Nunez, L., Mainegra, E., Lagares, J. I. & Carrasco, E. (2003), ‘Ioniza-
tion chamber dosimetry of small photon fields: a Monte Carlo study on

BIBLIOGRAFÍA
stopping-power ratios for radiosurgery and IMRT beams.’, Phys Med

Biol 48(14), 2081–99.
Sanchez-Doblado, F., Capote, R., Leal, A., Rosello, J. V., Lagares, J. I., Arrans,
R. & Hartmann, G. H. (2005a), ‘Micro ionization chamber dosimetry
in IMRT verification: clinical implications of dosimetric errors in the
PTV.’, Radiother Oncol 75(3), 342–8.
Sanchez-Doblado, F., Capote, R., Leal, A., Rosello, J. V., Lagares, J. I., Arrans,
R. & Hartmann, G. H. (2005b), ‘Microionization chamber for reference
dosimetry in IMRT verification: clinical implications on OAR dosime-
tric errors.’, Phys Med Biol 50(5), 959–70.
Sanchez-Doblado, F., Hartmann, G. H., Pena, J., Capote, R., Paiusco, M.,
Rhein, B., Leal, A. & Lagares, J. I. (2007), ‘Uncertainty estimation
in intensity-modulated radiotherapy absolute dosimetry verification.’,
Int J Radiat Oncol Biol Phys 68(1), 301–10.
Schreiber, E. C. & Faddegon, B. A. (2005), ‘Sensitivity of large-field electron

beams to variations in a Monte Carlo accelerator model.’, Phys Med Biol
50(5), 769–78.
Seco, J., Sharp, G. C., Wu, Z., Gierga, D., Buettner, F. & Paganetti, H. (2008),
‘Dosimetric impact of motion in free-breathing and gated lung radiot-
herapy: a 4D Monte Carlo study of intrafraction and interfraction ef-
fects.’, Med Phys 35(1), 356–66.
Sempau, J. & Bielajew, A. F. (2000), ‘Towards the elimination of Monte Carlo

statistical fluctuation from dose volume histograms for radiotherapy
treatment planning.’, Phys Med Biol 45(1), 131–57.
Sharma, S. C. & Johnson, M. W. (1993), ‘Surface dose perturbation due to air

gap between patient and bolus for electron beams.’, Med Phys 20(2 Pt
1), 377–8.

BIBLIOGRAFÍA
Shepard, D. M., Ferris, M. C., Olivera, G. H. & Mackie, T. R. (1999), ‘Optimi-

zing the delivery of radiation therapy to cancer patients’, Siam Review
41(4), 721 – 744.
Siochi, R. A. (1999), ‘Minimizing static intensity modulation delivery ti-

me using an intensity solid paradigm.’, Int J Radiat Oncol Biol Phys
43(3), 671–80.
Speight, P. M. & Barrett, A. W. (2002), ‘Salivary gland tumours.’, Oral Dis

8(5), 229–40.
Touboul, E., Belkacemi, Y., Lefranc, J. P., Uzan, S., Ozsahin, M., Korbas, D.,
Buffat, L., Balosso, J., Pene, F., Blondon, J. & et al. (1995), ‘Early breast
cancer: influence of type of boost (electrons vs iridium-192 implant)
on local control and cosmesis after conservative surgery and radiation
therapy.’, Radiother Oncol 34(2), 105–13.
Treutwein, M. & Bogner, L. (2007), ‘[Electron fields in clinical application. A

comparison of pencil beam and Monte Carlo algorithm]’, Strahlenther
Onkol 183(8), 454–8.
Tyagi, N., Moran, J. M., Litzenberg, D. W., Bielajew, A. F., Fraass, B. A.

& Chetty, I. J. (2007), ‘Experimental verification of a Monte Carlo-
based MLC simulation model for IMRT dose calculation.’, Med Phys
34(2), 651–63.
Ulmer, W., Pyyry, J. & Kaissl, W. (2005), ‘A 3D photon superposition/con-

volution algorithm and its foundation on results of Monte Carlo calcu-
lations.’, Phys Med Biol 50(8), 1767–90.
Vanderstraeten, B., Chin, P. W., Fix, M., Leal, A., Mora, G., Reynaert, N., Se-
co, J., Soukup, M., Spezi, E., De Neve, W. & Thierens, H. (2007), ‘Con-
version of CT numbers into tissue parameters for Monte Carlo dose
calculations: a multi-centre study.’, Phys Med Biol 52(3), 539–62.
Vanderstraeten, B., Reynaert, N., Paelinck, L., Madani, I., De Wagter, C.,
De Gersem, W., De Neve, W. & Thierens, H. (2006), ‘Accuracy of pa-

BIBLIOGRAFÍA
tient dose calculation for lung IMRT: A comparison of Monte Carlo,

convolution/superposition, and pencil beam computations.’, Med Phys
33(9), 3149–58.
Walters, B., Kawrakow, I. & Rogers, D. W. O. (2005), DOSXYZnrc Users Ma-

nual, Ionizing Radiation Standards National Research Council of Ca-
nada, Ottawa, K1A OR6.
Wang, L., Yorke, E. & Chui, C. S. (2001), ‘Monte Carlo evaluation of tissue in-
homogeneity effects in the treatment of the head and neck.’, Int J Radiat
Oncol Biol Phys 50(5), 1339–49.
Wang, L., Yorke, E. & Chui, C. S. (2002), ‘Monte Carlo evaluation of 6 MV

intensity modulated radiotherapy plans for head and neck and lung
treatments.’, Med Phys 29(11), 2705–17.
Werner, B. L., Khan, F. M. & Deibel, F. C. (1982), ‘A model for calculating

electron beam scattering in treatment planning.’, Med Phys 9(2), 180–7.
Westermark, M., Arndt, J., Nilsson, B. & Brahme, A. (2000), ‘Comparati-

ve dosimetry in narrow high-energy photon beams.’, Phys Med Biol
45(3), 685–702.
Wu, X., Zhu, Y., Dai, J. & Wang, Z. (2000), ‘Selection and determination of
beam weights based on genetic algorithms for conformal radiotherapy
treatment planning.’, Phys Med Biol 45(9), 2547–58.
Wu, Y., Yan, D., Sharpe, M. B., Miller, B. & Wong, J. W. (2001), ‘Implementing
multiple static field delivery for intensity modulated beams.’, Med Phys
28(11), 2188–97.
Xia, P. & Verhey, L. J. (1998), ‘Multileaf collimator leaf sequencing algorithm

for intensity modulated beams with multiple static segments.’, Med
Phys 25(8), 1424–34.
Zangwill, W. I. (1967), ‘Minimizing a function without calculating derivati-

ves’, Computer Journal 10(3), 293 – 296.

BIBLIOGRAFÍA
Zhang, G., Jiang, Z., Shepard, D., Zhang, B. & Yu, C. (2006), ‘Direct aperture
optimization of breast IMRT and the dosimetric impact of respiration
motion.’, Phys Med Biol 51(20), N357–69.
Zhang, X., Liu, H., Wang, X., Dong, L., Wu, Q. & Mohan, R. (2004), ‘Speed
and convergence properties of gradient algorithms for optimization of
IMRT.’, Med Phys 31(5), 1141–52.

Apéndice I:
Glosario
Aunque a lo largo del texto se ha intentado aclarar todos los términos,

acrónimos y abreviaturas, en este apéndice se agrupan los más usados, con
una descripción más detallada si se ha considerado apropiado.
AAPM American Asociation of Physicists in Medicine. Organismo americano

de Fı́sica Médica. Sus protocolos y recomendaciones son seguidas de
forma internacional junto con los de la IAEA, la ICRU y los publicados
a nivel nacional.
DICOM Digital Imaging and Communication in Medicine. Estándar para el

manejo de imágenes médicas que incluye la definición de un formato
de fichero y de un protocolo de comunicaciones.
DVH Dose-Volumen Histogram. Histograma donde se representa el porcen-

taje de volumen que recibe cierta cantidad de dosis. Puede ser diferen-
cial o integrado. En este trabajo se han usado histogramas integrales.
eMLC electron MultiLeaf Collimator. MLC diseñado especı́ficamente para co-

limar haces de electrones.
FSPB Finite-Size Pencil Beam. Uno de los algoritmos convencionales de cálcu-

lo de dosis más utilizados.
IAEA International Atomic Energy Agency. Organismo internacional de refe-

rencia en cualquier campo que involucre el uso y/o estudio de radia-
ciones ionizantes y energı́a nuclear.
173
APÉNDICE I. GLOSARIO
ICRU International Comission on Radiation Units & Measurement Organiza-

ción internacional dedicada al desarrollo y difusión de recomendacio-
nes sobre los diferentes aspectos que involucra la medición de radia-
ciones ionizantes.
IMRT Intensity Modulated Radiation Therapy. Tratamiento que usa haces de

fotones con una fluencia no homogénea para conseguir una distribu-
ción de dosis más adecuada.
Linac LINear ACcelerator. En este trabajo se refiere a aceleradores de electro-

nes de uso clı́nico, bien directamente o por producción de fotones al
hacerlos incidir sobre un blanco de número atómico elevado.
MC Monte Carlo. Método de resolución numérico basado en números alea-

torios.
MERT Modulated Electron Radiation Therapy. Tratamiento de IMRT con elec-

trones.
MLC MultiLeaf Collimator. Dispositivo computerizado colocado a la salida

de un acelerador que, mediante el posicionamiento de láminas de ma-
terial de alto número atómico conforma el haz.
MU Monitor Units. Unidad (escogida por el radiofı́sico encargado) de reco-

lección de carga en la cámara monitora de un acelerador con la que
se controla la cantidad de radiación emitida. Suele escogerse de forma
que 1 MU deposite 1 cGy a la profundidad del máximo en un campo
de 10 × 10 cm2 .
NRC National Research Council. Organización gubernamental canadiense de

investigación y desarrollo. Esta institución desarrolla y mantiene el
código de transporte EGSnrc y los códigos de usuario asociados, BEAMnrc
y DOSXYZnrc.
OAR Organ At Risk. Órgano sano al que debe evitarse que reciba radiación
por encima de cierto lı́mite.

Overtravel Capacidad en un MLC de que dos láminas adyacentes pero de

bancos opuestos se crucen.
PDD Percentage Depth Dose. Curva que representa la variación de la dosis

con la profundidad a lo largo del eje central de un haz en un medio.
PSD Phase Space Data. Fichero de salida del código BEAMnrc que contiene
todos los parámetros de las partı́culas que atraviesan un plano elegido.
PTV Planning Target Volume. Volumen que se pretende tratar con radiación
hasta depositar en él una cierta dosis de prescripción.
SSD Source to Surface Distance. Distancia entre la fuente de radiación del

acelerador y la superficie de tratamiento.
TAC / CT Tomogradı́a Axial Computerizada / Computed Tomography. Técnica

de diagnóstico que usa rayos X para producir imágenes de cortes axia-
les del cuerpo.
TPS Treatment Plannning System. Sistema de computación encargado de ge-

nerar los tratamientos de acuerdo con las restricciones y requerimien-
tos del caso.
voxel VOLume piXEL. Elemento de volumen utilizado en el cálculo de dis-

tribuciones de dosis.
xMLC x-ray MultiLeaf Collimator. MLC diseñado para la colimación de fo-

tones (ver MLC).


Apéndice II:
Script de conversión de estructuras de DICOM a MCTP
Para realizar la planificación de cada caso es necesario considerar todos

los volúmenes de interés (PTV, GTV, OARs. . . ) que ha delimitado el radiote-
rapeuta. La información sobre estos volúmenes se encuentra almacenada en
un fichero con formato DICOM. Para extraer la información se ha hecho uso
de scripts y funciones de MATLAB, tanto propios como ya implementados
dentro de las funcionalidades de este programa.
Para la lectura de información de ficheros DICOM, MATLAB proporcio-

na el comando ’dicominfo’, que extrae una estructura con toda la informa-
ción del fichero organizada. El proceso de conversión de esta información se
realiza mediante un pequeño script propio escrito al efecto, que genera una
matriz de números que representan los volúmenes a los que pertenece cada
vóxel. Estos números tienen la forma ∑ 2n−1 , donde n es el número entero
que identifica el volumen. Con este script genera la información sobre los
volúmenes definidos por el radioterapeuta para añadirla al fichero de den-
sidades sobre el que se realizará la simulación de la deposición de dosis de
los haces. El programa MCSHOW permite visualizarlos sobre las imágenes
de TAC a partir de este formato.
1 f u n c t i o n m a t r i z=contorno ( info , ST , st num , org num , n c o r t e s , matriz , reduccion )

2 % G e n e r a una m a t r i z d e c o n t o r n o s d e e s t r u c t u r a s c o m p a t i b l e con e l programa
3 % mcshow a p a r t i r d e f i c h e r o s DICOM.
4 % Uso :
5 % m a t r i z = c o n t o r n o ( i n f o , ST , st num , org num , n c o r t e s , m a t r i z , f a c t o r reduccion ) ;
6 %
7 % ’ m a t r i z ’ e s e l nombre d e l a m a t r i z que r e c i b i r á l a e s t r u c t u r a .
8 %
177
APÉNDICE II. SCRIPT DE CONVERSIÓN DE ESTRUCTURAS DE DICOM A MCTP
9 % ’ i n f o ’ e s un v e c t o r d e e s t r u c t u r a s . Cada miembro d e l v e c t o r e s l a
10 % e s t r u c t u r a o b t e n i d a d e l a l e c t u r a d e un c o r t e DICOM con l a f u n c i ó n
11 % dicominfo .
12 % Sugerencia :
13 % Para l e e r i n f o c o n v i e n e h a c e r l o de l a forma
14 %
15 % f o r i =1: numero de cortes ,
16 % i n f o ( i ) = d i c o m i n f o ( [ ’ P r i m e r a p a r t e d e l n o m b r e d e l f i c h e r o ’ , num2str ( i − 1) , ’
final del nombre del fichero ’]) ;
17 % end
18 %
19 % ’ ST ’ e s una e s t r u c t u r a o b t e n i d a a l l e e r e l f i c h e r o d e e s t r u c t u r a s con
20 % dicominfo .
21 %
22 % ’ st num ’ e s l a p o s i c i ó n , en e l f i c h e r o d e e s t r u c t u r a s , d e l ó r g a n o que s e q u i e r e
obtener .
23 %
24 % ’ org num ’ e s l a p o s i c i ó n que s e l e q u i e r e a s i g n a r en l a m a t r i z a l ó r g a n o .
25 %
26 % ’ n c o r t e s ’ e s e l numero d e c o r t e s d e CT en e l que a p a r e c e l a e s t r u c t u r a . Se
27 % p u e d e s a b e r m e d i a n t e ST . R O I C o n t o u r S e q u e n c e . Item XXX . C o n t o u r S e q u e n c e
28 %
29 % ’ m a t r i z ’ e s e l nombre d e l a m a t r i z que r e c i b i r á l a e s t r u c t u r a ( Sı́ , o t r a vez ,
sorry )
30 %
31 % ’ r e d u c c i ó n ’ e s e l f a c t o r p o r e l que s e q u i e r e r e d u c i r l a r e s o l u c i ó n que
32 % t i e n e e l CT ( 2 p a r a p a s a r d e 512 x512 a 256 x256 , e t c . . . )
33
34 ancho=i n f o ( 1 ) . Width/r e d u c c i o n
35 a l t o =i n f o ( 1 ) . Height/r e d u c c i o n
36 profundo= s i z e ( info , 2 )
37
38 x0=i n f o ( 1 ) . ImagePositionPatient ( 1 ) ;
39 y0=i n f o ( 1 ) . ImagePositionPatient ( 2 ) ;
40 dx=i n f o ( 1 ) . PixelSpacing ( 1 ) ∗ reduccion ;
41 dy=i n f o ( 1 ) . PixelSpacing ( 2 ) ∗ reduccion ;
42
43 f o r i = 1 : profundo ,
44 for j =1: n cortes ,
45 tmp=[ i n f o ( i ) . SOPInstanceUID ( end − 3:end ) ==ST . ROIContourSequence . ( [ ’ I t e m ’ ,
num2str ( st num ) ] ) . ContourSequence . ( [ ’ I t e m ’ , num2str ( j ) ] ) .
ContourImageSequence . I t e m 1 . ReferencedSOPInstanceUID ( end − 3:end ) ] ;
46 tmp2=tmp ( 1 ) . ∗ tmp ( 2 ) . ∗ tmp ( 3 ) . ∗ tmp ( 4 ) ;
47 i f tmp2==1 ,
48 [ i , j , 2 ˆ ( org num − 1) ]
49 s t x =ST . ROIContourSequence . ( [ ’ I t e m ’ , num2str ( st num ) ] ) . ContourSequence
. ( [ ’ I t e m ’ , num2str ( j ) ] ) . ContourData ( 1 : 3 : end ) ;
50 s t y =ST . ROIContourSequence . ( [ ’ I t e m ’ , num2str ( st num ) ] ) . ContourSequence
. ( [ ’ I t e m ’ , num2str ( j ) ] ) . ContourData ( 2 : 3 : end ) ;
51 minx= c e i l ( min ( ( s t x −x0 ) /dx ) ) ;

52 maxx= c e i l ( max ( ( s t x −x0 ) /dx ) ) ;

53 miny= c e i l ( min ( ( sty −y0 ) /dy ) ) ;
54 maxy= c e i l ( max ( ( sty −y0 ) /dy ) ) ;
55 f o r m=minx : maxx ,
56 f o r n=miny : maxy ,
57 x=x0+dx ∗ (m− 0.5) ;
58 y=y0+dy ∗ ( n − 0.5) ;
59 m a t r i z (m, n , i ) = u i n t 1 6 ( double ( m a t r i z (m, n , i ) ) + i s i n s i d e c o n t o u r ( x
, y , s t x , s t y ) . ∗ ( 2 ˆ ( org num − 1) ) ) ;
60 end
61 end
62 end
63 end
64 end
65
66 return
En este script se hace uso, a su vez, de otro script propio (’is inside con-
tour’). Los volúmenes de interés están definidos en un fichero DICOM me-
diante una serie de puntos que definen el contorno, en cada plano, de dicho
volumen. Para determinar si un vóxel determinado se encuentra dentro o
fuera de un volumen dado, se determinan los vectores que unen este vóxel
con cada uno de los puntos que definen el volumen. Se obtienen los ángu-
los que forma cada vector con el siguiente, y si la suma todos los ángulos es
360◦ (al ser un número finito de puntos, en realidad la suma tendrá un valor
cercano, pero no exactamente igual a 360◦ ), significa que el vóxel se encuen-
tra dentro del volumen y el script devuelve el valor 1. Si la suma es 0◦ (o un
valor aproximado por considerarse un número finito de puntos), es exterior
y se devuelve el valor 0. Se podrı́a considerar como una analogı́a de la ley
de Gauss del flujo eléctrico, en la que el vóxel contiene una carga eléctrica.
Si el flujo total a través del volumen es 0, la carga se encuentra fuera. Si no
es 0, se encuentra en el interior.
1 f u n c t i o n i s = i s i n s i d e c o n t o u r ( x , y , cx , cy )
2
3 suma = 0 ;
4 a l f a 0 =0;
5 a l f a 1 =0;
6 a l f a 2 =0;
7
8 Kx=cx ;
9 Kx ( s i z e ( cx , 1 ) +1)=cx ( 1 ) ;

10 Ky=cy ;
11 Ky ( s i z e ( cy , 1 ) +1)=cy ( 1 ) ;
12
13 format long g ;
14 mod0= s q r t ( ( Kx ( 1 )−x ) ˆ 2 + (Ky ( 1 )−y ) ˆ 2 ) ;
15
16 f o r i = 1 : s i z e ( cx ) ,
17 %P a r a h a l l a r e l s e n y e l c o s d e l a n g u l o con v e r t i c e en e l p u n t o
18 %a n a l i z a d o y e x t r e m o s e l p u n t o i d e l a e s t r u c t u r a y e l i +1 , s e r e c u r r e
19 %a l p r o d u c t o e s c a l a r y a l v e c t o r i a l
20 prod1 =(Kx ( i )−x ) . ∗ ( Kx ( i +1)−x ) +(Ky ( i )−y ) . ∗ ( Ky ( i +1)−y ) ;
21 prod2 =(Kx ( i )−x ) . ∗ ( Ky ( i +1)−y ) −(Kx ( i +1)−x ) . ∗ ( Ky ( i )−y ) ;
22 mod0= s q r t ( ( Kx ( i +1)−x ) ˆ 2 + (Ky ( i +1)−y ) ˆ 2 ) ;
23 mod1= s q r t ( ( Kx ( i )−x ) ˆ 2 + (Ky ( i )−y ) ˆ 2 ) ;
24 a l f a 1 = 1 8 0 . ∗ acos ( prod1 . / ( mod1 . ∗ mod0 ) ) . / pi ;
25 %E l r a n g o d e l a n g u l o p a r a l a f u n c i o n a c o s e s [ 0 , 1 8 0 ] , m i e n t r a s que p a r a
26 %l a f u n c i o n a s i n e s [ − 9 0 , 9 0 ] , q u e r e m o s e l r a n g o [ − 180 ,180]
27 i f prod2<0
28 a l f a 1=− a l f a 1 ;
29 end
30 suma=suma+ a l f a 1 ;
31 end
32 %S i p a r a r e c o r r e r l a e s t r u c t u r a d e s d e e l p u n t o d e v i s t a d e l p u n t o ha h a b i d o
33 %que r e a l i z a r un g i r o c o m p l e t o ( 3 6 0 o ) e l p u n t o e s t a d e n t r o d e l a e s t r u c t u r a ,
34 %s i no , e s t a f u e r a .
35 i f abs ( suma ) >359
36 i s =1;
37 else
38 i s =0;
39 end

Apéndice III:
Modificaciones realizadas al código DOSXYZnrc: BEAMDOSE
El proceso de cálculo de dosis que se realiza durante la planificación

en dos etapas diferentes (cálculo de dosis de los beamlets seleccionados, y
cálculo de la dosis de los segmentos secuenciados) se realiza mediante el
programa DOSXYZnrc (Walters et al. 2005) modificado para adaptarse a los
requerimientos especı́ficos de esta tarea. Esta versión modificada será lla-
mada en este trabajo BEAMDOSE.
Las nuevas caracterı́sticas se implementaron añadiendo un nuevo modo

de lectura de phantoms (variable NMED=-1) y un nuevo tipo de fuente de
radiación (variable ISOURCE=10) basada en la fuente ISOURCE=2. Estas
caracterı́sticas incluyen:
Capacidad de lectura de volúmenes de interés. El formato de fiche-

ro “egs4phant” utilizado por el código DOSXYZnrc ha sido ampliado
para que además de incluir matrices de materiales y de densidades,
incluya matrices de volúmenes de interés. Estableciendo el valor de la
variable NMED a −1, se establece la capacidad de leer estas matrices.
Capacidad de utilizar múltiples espacios de fase, con diferentes ángu-

los de incidencia. Estableciendo el valor de la variable ISOURCE a 10,
el programa lee en uno o varios ficheros (con extensión “egs4blc”) una
lista de ı́ndices que identifican a los espacios de fase (situados dentro
de un directorio especificado en el fichero “.egsinp”) que deberán ser
tomados como fuentes de radiación. Cada fichero “egs4blc” establece
181
APÉNDICE III. MODIFICACIONES REALIZADAS AL CÓDIGO DOSXYZNRC: BEAMDOSE
los ángulos del gantry, la mesa y el colimador propios de una inciden-

cia. Los espacios de fase pueden ser los que caracterizan a cada beamlet
o los segmentos ya obtenidos tras la secuenciación. Ası́ mismo, es po-
sible determinar el peso estadı́stico de cada uno de estos espacios de
fase, con objeto de considerar la modulación en intensidad del haz.
Relacionado con las dos caracterı́sticas anteriores, el código está di-

señado para almacenar de forma separada las contribuciones de cada
espacio de fase (beamlet o segmento) a cada vóxel que forme parte de
un volumen de interés. El resultado es un fichero que será leı́do por
el programa de optimización encargado de ajustar los pesos de cada
contribución para cumplir los requerimientos de dosis en cada volu-
men.
De forma accesoria, el criterio de nombres de los ficheros “.pardose”

ha cambiado. Con el comportamiento original, el nombre de cada fi-
chero “.pardose” sólo identifica el número del ordenador que ha efec-
tuado el cálculo durante la distribución, mientras que la nueva confi-
guración permite que el nombre dependa de la máquina que ha hecho
los cálculos, la incidencia, y el número de beamlet o segmento dentro
de la incidencia (sección 2.4.1). Para tener en cuenta este cambio, se ha
modificado el fichero “$HEN HOUSE/ src/ egs utilities.mortran”
III.1 Fichero .input de ejemplo

El siguiente es un fichero “.input” de ejemplo, con el formato requerido
cuando se establecen los valores −1 para la variable NMED y 10 para la va-
riable ISOURCE:
1. Nombre input
2. -1

3. /home/mcbeam/egsnrc/phantoms/nombre phantom.egs4phant
4. 32,1
5. 0.7, 0.01, 0
6. 0, 0, 0,
7. 2, 10, 18.8, 20.5, -2.5, 0, 0, 45.5, 180,0,0,0,0,2
8. /home/mcbeam/egsnrc/beamdose/Incidencia 01.egs4blc
9. /home/mcbeam/egsnrc/beamdose/Incidencia 02.egs4blc
10. 2, 0, 1, 100, 1, 100, 100, 100
11. /home/mcbeam/egsnrc/beamdose/beamlets6MeV/
12. 1
13. /home/mcbeam/egsnrc/beamdose/beamlets12MeV/
14. 1
15. 4, 0, 99, 33, 97, 100.0, 0, 0, 1, 0, , 0, 0, 0, 1
16. #########################
17. :Start MC Transport Parameter:
18.
19. Global ECUT= 0.7
20. Global PCUT= 0.01
21. Global SMAX= 5
22. ESTEPE= 0.25
23. XIMAX= 0.5
24. Boundary crossing algorithm= EXACT
25. Skin depth for BCA= 0
26. Electron-step algorithm= PRESTA-II
27. Spin effects= On
28. Brems angular sampling= KM
29. Brems cross sections= BH
30. Bound Compton scattering= On
31. Pair angular sampling= KM
32. Photoelectron angular sampling= On
33. Rayleigh scattering= On

34. Atomic relaxations= On
35.
36. :Stop MC Transport Parameter:
37. #########################
Las lı́neas que se diferencian de las necesarias para una configuración

estándar son:
Lı́nea 2 NMED.
Valor 0 para la lectura de un fichero “.egs4phant”. Valor > 1 para un
phantom definido en el “.input” con NMED medios diferentes. Con va-
lor −1 se lee un fichero “.egs4phant” con información de volúmenes
de interés.
Linea 4 nbits, iextcontour.

La variable ’nbits’ es el número de bits usados para definir los volúme-
nes a los que pertenece cada vóxel (16 ó 32). El valor de ’iextcontour’
define el número del volumen definido como body o volumen externo,
que es tratado de forma especial durante la secuenciación.
Lı́nea 7 iqin, isource, xiso, yiso, ziso, theta, phi, dsource, phicol, i dbs, r dbs,
ssd dbs, z dbs, Nports.
El valor de ’isource’ se establece en 10. La dirección definida por ’the-
ta’, ’phi’ y ’phicol’ será la que el código tomará como punto de partida
para efectuar las rotaciones de gantry, mesa y colimador especificados
en el fichero “.egs4blc”. Nports indica el número de incidencias.
Lı́neas 8-9 fileblc.

Nombre de los Nports ficheros “.egs4blc”.

Lı́neas 11-13 FILNAM.

Directorios que contienen los espacios de fase correspondientes a los
beamlets o segmentos de cada incidencia.
Lı́neas 12-14 MUfactor(i).

Factor por el que se multiplican las dosis de cada incidencia a efectos
de conversión. Este parámetro es redundante, ya que se comprobó que
era más operativo considerar las MU al sumar los fichero “.pardose”.
III.2 Fichero blc de ejemplo

A partir del uso del programa MAKEBEAMLETS se obtiene un fichero
con extensión “.egs4blc”, en el que se almacenan los ı́ndices de los beamlets
necesarios para tratar el PTV, ası́ como los diferentes ángulos que deter-
minan la incidencia del haz.El formato de estos ficheros “.egs4blc” tiene la
forma:
1. Gantry Angle: 315.00
2. Table Angle: 0.00
3. Collimator Angle: 0.00
4. Number of possible X-beamlets: 41
5. Number of possible Y-beamlets: 41
6. Number of beamlets found: 8
7. Beamlet X-dimension (cm): 1.00
8. Beamlet Y-dimension (cm): 1.00
9. I J X Y WEIGHT
10. 1 1 13.0000 11.0000 1.0000
11. 1 2 13.0000 12.0000 1.0000
12. 1 3 13.0000 13.0000 1.0000
13. 1 4 13.0000 14.0000 1.0000
14. 1 5 13.0000 15.0000 1.0000

15. 1 6 13.0000 16.0000 1.0000
16. 1 7 13.0000 17.0000 1.0000
17. 1 8 13.0000 18.0000 1.0000
Lı́nea 1 Ángulo de giro del gantry. 0◦ se corresponde con una incidencia

vertical.
Lı́nea 2 Ángulo de giro de la mesa de tratamiento. 0◦ se corresponde con el

paciente situado en perpendicular al plano de giro del gantry.
Lı́nea 3 Ángulo de giro del MLC dentro de la cabeza del acelerador.
Lı́nea 4 Máximo número de beamlets posibles a lo largo del eje X.
Lı́nea 5 Máximo número de beamlets posibles a lo largo del eje Y.
Lı́nea 6 Número de beamlets usados.
Lı́nea 7 Tamaño espacial de un beamlet en la dirección X proyectado a la

distancia del isocentro.
Lı́nea 8 Tamaño espacial de un beamlet en la dirección Y proyectado a la

distancia del isocentro.
Lı́nea 10 . . . Índices de identificación de cada beamlet en las coordenadas X

e Y. Coordenadas espaciales de cada beamlet (no usado). Peso estadı́sti-
co asignado a cada beamlet.

Apéndice IV:
Código fuente del secuenciador para electrones
En este apéndice se detalla el código fuente, escrito en lenguaje C++, del

secuenciador de electrones. En la fase actual de desarrollo, el secuenciador
lee los mapas de fluencia para cada incidencia generados con el programa
de optimización de beamlets y busca la combinación de segmentos que re-
producen la fluencia más parecida cumpliendo al mismo tiempo las restric-
ciones impuestas por el usuario y la mecánica propia del MLC.
Estas restricciones consisten en:
Lı́mite en el número máximo de segmentos. Debido a la falta de li-

nealidad que puede presentar el acelerador cuando libera muy pocas
MU, es deseable que cada segmento tenga la mayor fluencia posible.
Además de que un número grande de segmentos alarga el tiempo de
irradiación.
Restricciones a la forma de los segmentos. En el caso de haces de

electrones, irregularidades muy pequeñas en un segmento producen
una cantidad elevada de radiación dispersa difı́cilmente controlable.
Es deseable, por tanto que los segmentos obtenidos sean relativamente
“regulares”.
Restricciones mecánicas del MLC. El secuenciador evita la aparición

de segmentos inconexos, que serı́an imposibles de conformar en la
realidad. Además se tienen en cuenta las restricciones en el modelo
usado de MLC en lo que se refiere al overtravel de las láminas.
187
APÉNDICE IV. CÓDIGO FUENTE DEL SECUENCIADOR PARA ELECTRONES
Nivel de resolución de los mapas de fluencias. Los mapas de fluen-

cias proporcionados por el secuenciador tienen un nivel de resolución
en intensidad muy alto (en una primera aproximación podemos con-
siderarlos contı́nuos), por lo que es necesario discretizarlo, para que se
puedan reproducir con un número finito de segmentos. Este nivel de
discretización ha de ser controlado por el usuario en un compromiso
entre el nivel de precisión con que se reproducirá el mapa de fluencias
y la operatividad y las restricciones anteriores.
El programa ha sido desarrollado y usado en un ordenador con CPU

Intel Celeron a 2,40GHz con 1Gb de memoria RAM y 73Gb de disco duro.
El sistema operativo usado fue Linux, distribución Fedora Core 3.0 (núcleo
2.6.12). El secuenciador no usa caracterı́sticas especiales del sistema, por lo
que deberı́a funcionar en cualquier otra distribución de Linux que tenga ins-
taladas las librerı́as utilizadas. No se ha estudiado la posibilidad de uso en
otros sistemas operativos.
IV.1 Input de ejemplo

El secuenciador leerá un fichero de entrada que tendrá la forma:
1. Comentario
2. 1000
3. 51
4. 3
5. port01.map
6. 1.3
7. port02.map
8. 1.4
9. port03.map
10. 1.2
Linea 1 Comentario de descripción. Ignorado por el programa.

Linea 2 Penalización por forma irregular. Es un número con el que se pe-

naliza la aparición de segmentos muy irregulares. Multiplicado por la
contorno
ratio super f icie se suma a la función de penalización, con lo que los seg-
mentos más regulares y convexos son favorecidos. En los casos presen-
tados en este trabajo se emplearon valores comprendidos entre 1000 y
2000.
Linea 3 Factor de normalización. El optimizador hace uso de dosis en uni-

dades de MC (Gy/historia) por lo que las fluencias pueden tener va-
lores muy diversos. Los valores de fluencia se multiplican por este
número para obtener los niveles de fluencia que considerará el secuen-
ciador. Cada nivel tendrá un valor entero.
Linea 4 Número de mapas de fluencia a optimizar.
Linea 5 Nombre del fichero del primer mapa de fluencia.
Linea 6, 8, 10 Número de segmentos que se permite obtener por cada ni-

vel de fluencia para cada incidencia. Si un mapa de fluencia es muy
homogéneo, pocos segmentos con el número adecuado de MU pue-
den reproducirlo. En el caso de mapas con una fluencia muy irregular
será necesario que haya un número elevado de segmentos para poder
reproducir estas irregularidades.
IV.2 Listado de sequencer.cpp
1 / ∗ ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
2 ∗ C o p y r i g h t (C) 2007 by Fco . J a v i e r S a l g u e r o C a s t a ñ o ; A n t o n i o L e a l P l a z a ∗
3 ∗ javi@us . es ; alplaza@us . es ∗
4 ∗ ∗
5 ∗ T h i s program i s f r e e s o f t w a r e ; you can r e d i s t r i b u t e i t and / o r m o d i f y ∗
6 ∗ i t u n d e r t h e t e r m s o f t h e GNU G e n e r a l P u b l i c L i c e n s e a s p u b l i s h e d by ∗
7 ∗ the Free Software Foundation ; e i t h e r v ersi o n 2 o f the License , or ∗
8 ∗ ( a t y o u r o p t i o n ) any l a t e r v e r s i o n . ∗
9 ∗ ∗
10 ∗ T h i s program i s d i s t r i b u t e d i n t h e h o p e t h a t i t w i l l b e u s e f u l , ∗
11 ∗ b u t WITHOUT ANY WARRANTY; w i t h o u t e v e n t h e i m p l i e d w a r r a n t y o f ∗
12 ∗ MERCHANTABILITY o r FITNESS FOR A PARTICULAR PURPOSE . S e e t h e ∗

13 ∗ GNU G e n e r a l P u b l i c L i c e n s e f o r more d e t a i l s . ∗
14 ∗ ∗
15 ∗ You s h o u l d h a v e r e c e i v e d a c o p y o f t h e GNU G e n e r a l P u b l i c L i c e n s e ∗
16 ∗ a l o n g w i t h t h i s program ; i f not , w r i t e t o t h e ∗
17 ∗ Free Software Foundation , Inc . , ∗
18 ∗ 59 Temple P l a c e − S u i t e 3 3 0 , B o s t o n , MA 02111 − 1307 , USA . ∗
19 ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ ∗ /
20
21
22 # i f d e f HAVE CONFIG H
23 # include <c o n f i g . h>
24 # endif
25
26 # include <iostream>
27 # include <fstream>
28 # include <c s t d l i b >
29 # include <c s t r i n g >
30 # include <cctype>
31 # include <s t r i n g >
32 # include <v e c t o r>
33 # include <cmath>
34 # include <iomanip>
35
36
37 # define MAPSIZE 41
38 # define NLEAVES 29
39
40 / / V a l o r m áximo que p u e d e d e v o l v e r l a f u n c i ó n r a n d ( ) , 2 ˆ 3 1
41 # define NRAN 2147483648
42 / / F a c t o r que mide l a i m p o r t a n c i a d e l n o d e campos en l a f u n c i ó n d e p e n a l i z a c i ó n
43 / / # d e f i n e FIELD FACTOR 0 . 0 0 5
44 / / V a l o r d e l e q u i v a l e n t e a l a c o n s t a n t e d e Boltzmann
45 # define kB 0 . 0 1
46 / / P e s o d e un b e a m l e t en e l b o r d e
47 # define BORDE 0 . 5
48 / / Margen p a r a l a c o n f i g u r a c i ó n i n i c i a l .
49 # define FACTOR 1 . 3
50
51 using namespace s t d ;
52
53 c l a s s annealing
54 {
55 private :
56 / / V a r i a b l e s de l a c l a s e
57 v e c t o r<bool∗∗> campo ; / / Vector de m a t r i c e s de 1 ’ s y 0 ’ s
con l a f o r m a d e l o s campos .
58 v e c t o r<bool∗∗> campo tmp ; / / Copia d e l v e c t o r de m a t r i c e s de
campos .
59 f l o a t o b j e t i v e m a t r i x [NLEAVES ] [ MAPSIZE ] ; / / Matriz o b j e t i v o .

60 i n t N campos , previous N campos ; / / No d e campos d e l o s que c o n s t a

l a s o l u c i ó n .
61 i n t xindex , yindex , zindex ;
62 f l o a t max flu ; / / V a l o r m áximo d e l a m a t r i z d e
fluencia .
63 o f s t r e a m out ; / / F i c h e r o de s a l i d a .
64 f l o a t FIELD FACTOR ;
65 double e1 , e1 prev , e2 , e 2 p r e v ;
66 int t o t f l u ; / / Suma d e l a f l u e n c i a o b j e t i v o d e
todos los beamlets .
67 i n t Norm, N max ; / / F a c t o r d e n o r m a l i z a c i ó n d e l a
f u n c i ó n o b j e t i v o . N úmero m áximo d e campos d e l a s o l u c i ó n .
68 v e c t o rt o t a l , f r o n t e r a ; / / N úmero t o t a l d e b e a m l e t s
a b i e r t o s que t i e n e c a d a campo y n úmero d e b e a m l e t s en e l b o r d e d e l campo .
69 v e c t o rp r e v t o t a l , p r e v f r o n t e r a ; // Variables auxiliares .
70
71 / / Funciones privadas
72 double nrand ( void ) ; / / D e v u e l v e un n o a l e a t o r i o e n t r e 0
y 1.
73 void nuevo campo ( void ) ; / / A s i g n a memoria p a r a una nueva
m a t r i z en e l v e c t o r campo .
74 void borra campo ( i n t a ) ; / / B o r r a l a m a t r i z n úmero a d e l
v e c t o r campo .
75 double p e n a l t y ( void ) ; / / F u n c i ó n d e p e n a l i z a c i ó n c o m p l e t a
.
76 void p e n a l t y ( i n t x , i n t y , i n t z ) ; / / F u n c i ó n d e p e n a l i z a c i ó n
abreviada .
77 void open beamlet ( i n t f i e l d ) ; / / F u n c i ó n p a r a a b r i r un b e a m l e t d e
un campo .
78 void c l o s e b e a m l e t ( i n t f i e l d ) ; / / F u n c i ó n que c i e r r a un b e a m l e t d e
un campo .
79 void copia campos ( v e c t o r<bool∗∗> &campo1 , v e c t o r<bool∗∗> &campo2 ) ;
80
81 public :
82 a n n e a l i n g ( f l o a t f l u e n c i a [ ] [ MAPSIZE ] , i n t s e m i l l a , f l o a t nmax ) ;
83 ˜ annealing ( ) ;
84 void r u n a n n e a l i n g ( f l o a t T i n i t ) ; / / F u n c i ó n e n c a r g a d a d e r e a l i z a r e l
simulated annealing .
85 i n t w r i t e r e s u l t ( s t r i n g nombre ) ; / / E s c r i t u r a d e l o s r e s u l t a d o s en un
f i c h e r o de s a l i d a .
86 };
87
88
89 i n t main ( i n t argc , char ∗ argv [ ] )
90 {
91 / / D e c l a r a c i ó n d e v a r i a b l e s .
92 s t r i n g input name ; / / Nombre d e l f i c h e r o i n p u t .
93 char id [ 8 0 ] ; / / I d e n t i f i c a c i ó n d e l c a s o .
94 v e c t o r<s t r i n g > map name ; / / Nombre d e l o s f i c h e r o s que c o n t i e n e n l o s
mapas d e f l u e n c i a .

95 s t r i n g aux ; / / Variable auxiliar .

96 i f s t r e a m input , mapa ; / / S t r e a m s d e l f i c h e r o i n p u t y d e l o s mapas
de f l u e n c i a .
97 float Tinit ; / / P e n a l i z a c i ó n p o r l a f o r m a d e l campo .
98 f l o a t N max ; / / No m áximo d e s e g m e n t o s p o r u n i d a d d e
fluencia .
99 v e c t o r<f l o a t > N seg ;
100 i n t N mapas ; / / No d e mapas d e f l u e n c i a .
101 f l o a t f l u e n c i a [MAPSIZE ] [ MAPSIZE ] ; / / Matriz de f l u e n c i a .
102 f l o a t norm ; / / F a c t o r p o r e l que s e m u l t i p l i c a r á n l a s
m a t r i c e s de f l u e n c i a .
103
104
105 f o r ( i n t i = 0 ; i<MAPSIZE ; i ++) f o r ( i n t j = 0 ; j <MAPSIZE ; j ++) f l u e n c i a [ i ] [ j ] = 0 ;
106
107 / / Lectura del f i c h e r o input
108 i f ( argc ! = 2 )
109 {
110 cout<<”No de par ámetros i n c o r r e c t o ”<<endl ;
111 exit (1) ;
112 }
113 input name=argv [ 1 ] ;
114 system ( ” c l e a r ” ) ;
115
116 cout<<endl ;
117 cout<<”Leyendo f i c h e r o input ”<<input name<<endl ;
118
119 input . open ( input name . c s t r ( ) , i o s : : i n ) ;
120 i f ( ! input . good ( ) )
121 {
122 cout<<” E r r o r de l e c t u r a : ”<<input name<<endl ;
123 exit (1) ;
124 }
125
126 input . g e t l i n e ( id , s i z e o f ( id ) ) ;
127 input>>T i n i t ;
128
129 input>>norm ;
130 input>>N mapas ;
131 f o r ( i n t i = 0 ; i<N mapas ; i ++)
132 {
133 input>>aux ;
134 map name . push back ( aux ) ;
135 input>>N max ;
136 N seg . push back ( N max ) ;
137 }
138
139 input . c l o s e ( ) ;
140 cout<<id<<endl ;
141 cout<<” F a c t o r de campo=”<<T i n i t <<endl ;

142 cout<<”Num de segmentos por unidad de f l u e n c i a =” ;

143 f o r ( i n t i = 0 ; i<N mapas ; i ++) cout<<N seg [ i ]<<”−−” ;
144 cout<<endl ;
145 cout<<” F a c t o r de n o r m a l i z a c i o n=”<<norm<<endl ;
146 f o r ( i n t i = 0 ; i<N mapas ; i ++) cout<<map name [ i ]<<endl ;
147
148 f o r ( i n t i = 0 ; i<N mapas ; i ++)
149 {
150 / / L e c t u r a d e l o s mapas d e f l u e n c i a p r o p o r c i o n a d o s p o r e l o p t i m i z a d o r
151 cout<<” Abriendo ”<<map name [ i ]<<endl ;
152 mapa . open ( map name [ i ] . c s t r ( ) , i o s : : i n ) ;
153 i f ( ! mapa . good ( ) )
154 {
155 cout<<” E r r o r de l e c t u r a : ”<<map name [ i ]<<endl ;
156 exit (1) ;
157 }
158 f o r ( i n t j = 0 ; j <MAPSIZE ; j ++)
159 {
160 f o r ( i n t k = 0 ; k<MAPSIZE ; k++)
161 {
162 mapa>>f l u e n c i a [ j ] [ k ] ;
163 f l u e n c i a [ j ] [ k ]= f l u e n c i a [ j ] [ k ] ∗ norm ;
164 i f ( mapa . e o f ( ) && j <(MAPSIZE− 1) && k<(MAPSIZE− 1) )
165 {
166 cout<<” F i n a l prematuro d e l f i c h e r o de f l u e n c i a s ”
<<map name [ i ]<<endl ;
167 exit (1) ;
168 }
169 i f ( f l u e n c i a [ j ] [ k] <0.0)
170 {
171 cout<<” Encontrados v a l o r e s n e g a t i v o s en e l mapa de
f l u e n c i a s ”<<map name [ i ]<<endl ;
172 exit (1) ;
173 }
174 }
175 }
176 cout<<” Cerrando ”<<map name [ i ]<<endl ;
177 mapa . c l e a r ( ) ;
178 mapa . c l o s e ( ) ;
179 / / O b t e n c i ó n d e l o s campos
180 c l a s s a n n e a l i n g simula ( f l u e n c i a , time (NULL) , N seg [ i ] ) ;
181
182 simula . r u n a n n e a l i n g ( T i n i t ) ;
183 / / P o s i c i o n a m i e n t o d e l a s l á m i n a s y e s c r i t u r a d e l r e s u l t a d o
184 simula . w r i t e r e s u l t ( map name [ i ] ) ;
185 }
186
187 }
188
189 a n n e a l i n g : : a n n e a l i n g ( f l o a t f l u e n c i a [ ] [ MAPSIZE ] , i n t s e m i l l a , f l o a t nmax )

190 {
191 int ext ; / / No d e b e a m l e t s que ocupan l a s l á m i n a s e x t e r n a s , ( p e n s a d o
p a r a e l MLC d e T o s h i b a ) .
192 e x t =(MAPSIZE−NLEAVES) / 2 ;
193 max flu = 0 ;
194 t o t f l u =0;
195 Norm= 0 ;
196 / / P a r a g e n e r a r n úmeros a l e a t o r i o s s e u s a l a f u n c i ó n random d e C++. Puede s e r
conveniente usar otra .
197 srand ( s e m i l l a ) ;
198 f o r ( i n t i = e x t ; i<MAPSIZE−e x t ; i ++)
200 {
201 o b j e t i v e m a t r i x [ i −e x t ] [ j ]= s t a t i c c a s t <f l o a t >( s t a t i c c a s t (
f l u e n c i a [ i ] [ j ] ) ) ; / / La m a t r i z o b j e t i v o s e r e d o n d e a a n úmeros
enteros .
202 t o t f l u += o b j e t i v e m a t r i x [ i −e x t ] [ j ] ;
203 i f ( o b j e t i v e m a t r i x [ i −e x t ] [ j ]>max flu ) max flu= o b j e t i v e m a t r i x [ i −
ext ] [ j ] ;
204 i f ( f l u e n c i a [ i ] [ j ] >0) Norm++;
205 }
206 cout<<” F l u e n c i a máxima=”<<max flu<<endl ;
207 cout<<” Beamlets con f l u e n c i a =”<<Norm<<endl ;
208 N campos = 0 ;
209 N max= c e i l ( nmax∗ max flu ) ;
210 f o r ( i n t i = 0 ; i<N max ; i ++)
211 {
212 t o t a l . push back ( 0 ) ;
213 f r o n t e r a . push back ( 0 ) ;
214 p r e v t o t a l . push back ( 0 ) ;
215 p r e v f r o n t e r a . push back ( 0 ) ;
216 }
217
218 }
219
220 annealing : : ˜ annealing ( )
221 {
222 / / L i b e r a c i ó n d e l a memoria o c u p a d a p o r l a s m a t r i c e s d e l o s campos .
223 f o r ( i n t i = 0 ; i<campo . s i z e ( ) ; i ++) f o r ( i n t j = 0 ; j <NLEAVES ; j ++) d e l e t e [ ] campo [ i ] [
j ];
224 f o r ( i n t i = 0 ; i<campo . s i z e ( ) ; i ++) d e l e t e [ ] campo [ i ] ;
225 campo . c l e a r ( ) ;
226
227 i f ( campo tmp . s i z e ( ) >0)
228 {
229 f o r ( i n t i = 0 ; i<campo tmp . s i z e ( ) ; i ++) f o r ( i n t j = 0 ; j <NLEAVES ; j ++)
d e l e t e [ ] campo tmp [ i ] [ j ] ;
230 f o r ( i n t i = 0 ; i<campo tmp . s i z e ( ) ; i ++) d e l e t e [ ] campo tmp [ i ] ;
231 campo tmp . c l e a r ( ) ;
232 }

233 }
234
235 double a n n e a l i n g : : nrand ( void )
236 {
237 r e t u r n s t a t i c c a s t <double >(rand ( ) ) /NRAN;
238 }
239
240 void a n n e a l i n g : : nuevo campo ( void )
241 {
242 bool ∗∗ tmp ;
243 bool opened = 0 ;
244 int init1 , init2 ;
245 f l o a t value tmp , value max ;
246
247 value max = 0 ;
248 N campos ++;
249 tmp=new bool ∗ [NLEAVES ] ;
250 i f ( tmp==0)
251 {
252 cout<<” E r r o r asignando l a memoria”<<endl ;
253 exit (1) ;
254 }
255 campo . push back ( tmp ) ;
256 f o r ( i n t i = 0 ; i<NLEAVES ; i ++)
257 {
258 campo [ N campos − 1][ i ]=new bool [ MAPSIZE ] ;
259 i f ( campo [ N campos − 1][ i ] = = 0 )
260 {
261 cout<<” E r r o r asignando l a memoria en ”<<N campos−1<<” , ”<<i<<endl ;
262 exit (1) ;
263 }
264 }
265 / / P u e s t a a 0 d e l a nueva m a t r i z .
266 f o r ( i n t i = 0 ; i<NLEAVES ; i ++) f o r ( i n t j = 0 ; j <MAPSIZE ; j ++) campo [ N campos − 1][ i ] [ j ] = 0 ;
267 / / Es n e c e s a r i o que h a y a un b e a m l e t a b i e r t o . Se a b r e un b e a m l e t que t e n g a f l u e n c i a
en l a f u n c i ó n o b j e t i v o .
268 while ( ! opened )
269 {
270 i n i t 1 = s t a t i c c a s t (NLEAVES∗nrand ( ) ) ;
271 i n i t 2 = s t a t i c c a s t (MAPSIZE∗nrand ( ) ) ;
272 i f ( o b j e t i v e m a t r i x [ i n i t 1 ] [ i n i t 2 ] >0)
273 {
274 campo [ N campos − 1][ i n i t 1 ] [ i n i t 2 ] = 1 ;
275 opened = 1 ;
276 }
277 }
278 }
279
280 void a n n e a l i n g : : copia campos ( v e c t o r<bool∗∗> &campo1 , v e c t o r<bool∗∗> &campo2 )
281 {

282 bool ∗∗ tmp ;

283
284
285 / / S i ya e x i s t e n l a s m a t r i c e s d e d e s t i n o , s e b o r r a n .
286 i f ( campo2 . s i z e ( ) >0)
287 {
288 f o r ( i n t i = 0 ; i<campo2 . s i z e ( ) ; i ++) f o r ( i n t j = 0 ; j <NLEAVES ; j ++)
d e l e t e [ ] campo2 [ i ] [ j ] ;
289 f o r ( i n t i = 0 ; i<campo2 . s i z e ( ) ; i ++) d e l e t e [ ] campo2 [ i ] ;
290 campo2 . c l e a r ( ) ;
291 }
292
293 f o r ( i n t k = 0 ; k<campo1 . s i z e ( ) ; k++)
294 {
295 tmp=new bool ∗ [NLEAVES ] ;
296 i f ( tmp==0)
297 {
298 cout<<” E r r o r asignando l a memoria”<<endl ;
299 exit (1) ;
300 }
301 campo2 . push back ( tmp ) ;
303 {
304 campo2 [ campo2 . s i z e ( ) − 1][ i ]=new bool [ MAPSIZE ] ;
305 i f ( campo2 [ campo2 . s i z e ( ) − 1][ i ] = = 0 )
306 {
307 cout<<” E r r o r asignando l a memoria en ”<<campo2 . s i z e ( ) −1<<”
, ”<<i<<endl ;
308 exit (1) ;
309 }
310 }
311 }
312 f o r ( i n t k = 0 ; k<campo1 . s i z e ( ) ; k++) f o r ( i n t i = 0 ; i<NLEAVES ; i ++) for ( int j
= 0 ; j <MAPSIZE ; j ++) campo2 [ k ] [ i ] [ j ]= campo1 [ k ] [ i ] [ j ] ;
313
314 }
315
316 void a n n e a l i n g : : borra campo ( i n t a )
317 {
318 s t d : : v e c t o r<bool ∗∗ >:: i t e r a t o r i t ;
319 i t =campo . begin ( ) +a ;
320 f o r ( i n t i = 0 ; i<NLEAVES ; i ++) d e l e t e [ ] campo [ a ] [ i ] ;
321 d e l e t e [ ] campo [ a ] ;
322 campo . e r a s e ( i t , i t +1) ;
323 N campos−−;
324 }
325
326 void a n n e a l i n g : : r u n a n n e a l i n g ( f l o a t T i n i t )
327 {
328 c o n s t double p r o b c l o s e = 0 . 5 0 ; / / P r o b a b i l i d a d d e que s e c i e r r e un b e a m l e t .

329 c o n s t double p r o b f i e l d = 0 . 1 ; / / P r o b a b i l i d a d d e c r e a r un campo .

330
331 double p r e v i o u s r e s u l t , r e s u l t ; / / V a l o r e s d e l a f u n c i ó n d e p e n a l i z a c i ó n a n t e s y
d e s p u é s d e l c a m b i o .
332 double P , p1 , p2 ; / / P r o b a b i l i d a d d e a c e p t a r un c a m b i o que e m p e o r e e l
r e s u l t a d o . P=e x p (− dE / kT ) . M e t r o p o l i s e t a l . , J . Chem . Phys . 21 ( 1 9 5 3 )
333 i n t count , t o t c o u n t ;
334 i n t index ;
335 f l o a t i n d e x l i m i t , step , T ;
336 double E , E media , E min , E2 , E2 media , E i n i c i a l , E sum ;
337 int k=0;
338 double r ; / / N úmero a l e a t o r i o .
339 i n t rechazo = 0 ;
340 int acept =0;
341
342 f o r ( i n t i = 0 ; i<N max ; i ++) nuevo campo ( ) ;
343 f o r ( i n t i = 0 ; i<N max ; i ++)
344 f o r ( i n t j = 0 ; j <( t o t f l u /N campos ) ; j ++) open beamlet ( i ) ;
345
346 p r e v i o u s r e s u l t=penalty ( ) ;
347
348
349 step = 0 . 9 ;
350 FIELD FACTOR= T i n i t ;
351
352 E=0;
353 index = 0 ;
354 E min = 9 9 9 9 9 9 9 ;
355 E media = 0 ;
356 index limit =15;
357 E i n i c i a l =e1 ∗(1+FIELD FACTOR∗ e2 ) ;
358 result=previous result=E i n ic i a l ;
359 e 1 p r e v=e1 ;
360 e 2 p r e v=e2 ;
361 count = 0 ;
362 cout<<”\n\ t P e n a l t y i n i c i a l =”<<e1<<” , ”<<e2<<” , ”<<p r e v i o u s r e s u l t <<” Num. de campos
i n i c i a l =”<<N campos<<endl ;
363 cout<<”FIELD FACTOR=”<<FIELD FACTOR<<” ”<<”E i n i c i a l =”<<E i n i c i a l <<endl ;
364 while ( i n d e x l i m i t >0)
365 {
366 previous N campos=N campos ;
367 copia campos ( campo , campo tmp ) ;
368 f o r ( i n t i = 0 ; i<N campos ; i ++)
369 {
370 p r e v t o t a l [ i ]= t o t a l [ i ] ;
371 p r e v f r o n t e r a [ i ]= f r o n t e r a [ i ] ;
372 }
373 count ++;
374 i f ( nrand ( )( f l o o r ( N campos∗nrand
() ) ) ) ;

375 else c l o s e b e a m l e t ( s t a t i c c a s t ( f l o o r ( N campos∗

nrand ( ) ) ) ) ;
376 r=nrand ( ) ;
377 p e n a l t y ( xindex , yindex , zindex ) ;
378 r e s u l t =e1 ∗(1+FIELD FACTOR∗ e2 ) ;
379 i f ( r e s u l t <p r e v i o u s r e s u l t )
380 {
381 e 1 p r e v =e1 ;
382 e 2 p r e v =e2 ;
383 previous result=result ;
384 a c e p t ++;
385 }else
386 {
387 i f ( i n d e x l i m i t <12) / / Hay que e s p e r a r a e s t a r c e r c a d e l mı́nimo
p a r a e v i t a r f l u c t u a c i o n e s que f a l s e a r ı́ a n e l d a t o .
388 {
389 E media+= p r e v i o u s r e s u l t − r e s u l t ;
390 rechazo ++;
391 }
392 copia campos ( campo tmp , campo ) ;
394 {
395 t o t a l [ i ]= p r e v t o t a l [ i ] ;
396 f r o n t e r a [ i ]= p r e v f r o n t e r a [ i ] ;
397 }
398 N campos=previous N campos ;
399 result=previous result ;
400
401 }
402 i f ( count ==500)
403 {
404 i f ( p r e v i o u s r e s u l t <E min )
405 {
406 E min= p r e v i o u s r e s u l t ;
408 }
409 else i n d e x l i m i t −−;
410 cout<( rechazo ) ) ;
415 cout<<”\ t P e n a l i z a c i ó n i n c i a l =”<<E i n i c i a l <<”\ t P e n a l i z a c i ó n f i n a l =”<( a c e p t ) /(
s t a t i c c a s t <double >( a c e p t +rechazo ) )<<” ”<<acept<<endl ;
417 cout<<”\ t D i f e r e n c i a media ”<<E media<<endl ;
418 cout<<”\ t I t e r a c i o n e s n e c e s a r i a s para e l e q u i l i b r i o =”<<index<<endl ;
419

420 T=E media/l o g ( 0 . 0 5 ) ;

421 cout<<” Temperatura=”<<T<<endl ;
422
423 while ( k<3)
424 {
425 rechazo = 0 ;
426 acept =0;
427 cout<<”\n\ tTemperatura=”<<T<<”\n\ t P e n a l t y i n i c i a l =”<<p r e v i o u s r e s u l t <<”
Num. de campos i n i c i a l =”<<N campos<<endl ;
428 E=0;
429 index = 0 ;
430 E min = 9 9 9 9 9 9 9 ;
432 E i n i c i a l =e 1 p r e v ∗(1+FIELD FACTOR∗ e 2 p r e v ) ;
433 count = 0 ;
434 while ( i n d e x l i m i t >0)
435 {
436 previous N campos=N campos ;
437 copia campos ( campo , campo tmp ) ;
439 {
440 p r e v t o t a l [ i ]= t o t a l [ i ] ;
441 p r e v f r o n t e r a [ i ]= f r o n t e r a [ i ] ;
442 }
443 count ++;
444 i f ( nrand ( )( f l o o r ( N campos∗nrand ( ) ) ) ) ;
445 else close beamlet ( s t a t i c c a s t ( f l o o r ( N campos∗nrand ( ) ) ) ) ;
446 r=nrand ( ) ;
447 p e n a l t y ( xindex , yindex , zindex ) ;
449 i f ( r e s u l t <p r e v i o u s r e s u l t ) p1 = 1 ;
450 else p1=exp ( ( p r e v i o u s r e s u l t −
r e s u l t ) /(T ) ) ;
451 P=p1 ;
452 i f ( r<P )
453 {
454 e 1 p r e v=e1 ;
455 e 2 p r e v=e2 ;
457 a c e p t ++;
458 }else
459 {
460 copia campos ( campo tmp , campo ) ;
462 {
463 t o t a l [ i ]= p r e v t o t a l [ i ] ;
464 f r o n t e r a [ i ]= p r e v f r o n t e r a [ i ] ;
465 }

466 N campos=previous N campos ;

467 result=previous result ;
468 e1=e 1 p r e v ;
469 e2=e 2 p r e v ;
470 rechazo ++;
471 }
472
473 i f ( count ==1000)
474 {
475 / / Se c o m p r u e b a s i l a E m e d i a a c t u a l e s mayor que l a mı́nima r e g i s t r a d a . S i o c u r r e
a s ı́ un n úmero d e t e r m i n a d o d e v e c e s , podemos a s u m i r que
476 / / s e ha a l c a n z a d o e l e q u i l i b r i o y podemos d i s m i n u i r l a t e m p e r a t u r a .
477 index ++;
478 i f ( E min<=p r e v i o u s r e s u l t ) i n d e x l i m i t −−;
479 else
480 {
482 E min= p r e v i o u s r e s u l t ;
483 }
484 cout<<p r e v i o u s r e s u l t <<”\ t ”<<” ( ”<<e1<<” , ”<<e2<<” ) ”<<”\ t ”<<E min<<”
\ t ”<<i n d e x l i m i t <<endl ;
485 count = 0 ;
486 }
487 }
488
489 cout<<”\ t P e n a l i z a c i ó n i n c i a l =”<<E i n i c i a l <<”\ t P e n a l i z a c i ó n f i n a l =”<( a c e p t ) /(
s t a t i c c a s t <double >( a c e p t +rechazo ) )<<” ”<<acept<<endl ;
491 cout<<”\ t I t e r a c i o n e s n e c e s a r i a s para e l e q u i l i b r i o =”<<index<<endl ;
492 / / E x i s t e n d i f e r e n t e s esquemas de e n f r i a m i e n t o
493 / / T= T i n i t / l o g ( k ) ; / / Esquema d e Boltzmann
494 / / T= T i n i t / s t a t i c c a s t <f l o a t >(k ) ; / / Esquema d e Cauchy
495 / / T=T∗ s t e p ; s t e p <1 / / C a i d a g e o m é t r i c a
496 / / T=T− s t e p ; / / Caida l i n e a l
497 i f ( E i n i c i a l >r e s u l t )
498 {
499 i f ( E i n i c i a l −r e s u l t >0.02∗ E i n i c i a l ) / / S i l a m e j o r a e s mayor
del 2%
500 {
501 T= s t e p ∗T ; / / C a i d a g e o m é t r i c a . S i l a f u n c i ó n ha
e m p e o r a d o s e c o n t i n ú a con l a misma T
502 k=0;
503 }
504 else
505 {
506 k ++;
507 T= s t e p ∗T ;
508 }
509 } e l s e k ++;

510 i f ( k==3 && T>0)

511 {
512 T=0;
513 k=2;
514 }
515 cout<<k<<endl ;
517 }
518 }
519
520 double a n n e a l i n g : : p e n a l t y ( void )
521 {
522 double r e s u l t = 0 ;
523 double r e s u l t t m p = 0 ;
524 double f i e l d p e n a l t y = 0 ;
525 i n t nonzero = 0 ;
526
528 {
529 total [ i ]=0;
530 frontera [ i ]=0;
531 }
532
533 / / F u n c i ó n d e p e n a l i z a c i ó n . F = ( 1 /Nˆ 2 ) Sum [ ( Dij −Dobj ) ˆ 2 ]
534 / / A e s t a f u n c i ó n s e l e a ñ a d e un p a r á m e t r o que p e n a l i z a e l n úmero d e campos ,
e s p e c i a l m e n t e s i s o n p e q u e ñ o s ( h a r ı́ a f a l t a a l g u n a r e f e r e n c i a ) .
535
537 {
539 {
540 f o r ( i n t k = 0 ; k<N campos ; k++)
541 {
542 i f ( campo [ k ] [ i ] [ j ] )
543 {
544 t o t a l [k]++;
545 i f ( i ==0 | | i ==NLEAVES−1 | | j ==0 | | j ==MAPSIZE− 1)
546 {
547 r e s u l t t m p +=BORDE∗ s t a t i c c a s t <double >(
campo [ k ] [ i ] [ j ] ) ; / / Un b e a m l e t en e l
b o r d e d e l campo t e n d r á menos f l u e n c i a
de l a c a l c u l a d a .
548 frontera [ k]+=4;
549 } e l s e i f ( ! campo [ k ] [ i − 1][ j ] | | ! campo [ k ] [ i + 1 ] [ j ] | |
! campo [ k ] [ i ] [ j − 1] | | ! campo [ k ] [ i ] [ j + 1 ] )
550 {

552 if ( ! campo [ k ] [ i − 1][ j ] ) frontera [k]++;

553 if ( ! campo [ k ] [ i + 1 ] [ j ] ) frontera [k]++;
554 if ( ! campo [ k ] [ i ] [ j + 1 ] ) frontera [k]++;
555 if ( ! campo [ k ] [ i ] [ j − 1]) frontera [k]++;
556 }else
557 {
558 r e s u l t t m p += s t a t i c c a s t <double >(campo [ k ] [ i
][ j ]) ;
559 }
560 }
561 }
562 r e s u l t t m p −=s t a t i c c a s t <double >( o b j e t i v e m a t r i x [ i ] [ j ] ) ;
563 r e s u l t += r e s u l t t m p ∗ r e s u l t t m p ;
564 result tmp =0;
565 }
566 }
567
568 e2 = 0 ;
569 e1= r e s u l t /(Norm∗Norm) ;
571 i f ( t o t a l [ i ] >0)
572 {
573 e2+= s t a t i c c a s t <f l o a t >( f r o n t e r a [ i ] ) /( s t a t i c c a s t <f l o a t >( t o t a l [ i ] ) )
;
574 nonzero ++;
575 }
576 e l s e i f ( t o t a l [ i ] <0)
577 {
578 cout<<”Numero n e g a t i v o . El campo ”<<i<<” t i e n e ”<<t o t a l [ i ]<<”
beamlets . ”<<endl ;
579 exit (1) ;
580 }
581 i f ( nonzero >0) e2=e2/nonzero ;
582 cout<<e2<<endl ;
584 f o r ( i n t i = 0 ; i<N campos ; i ++) cout<<”Campo ”<<i<<” t o t a l =”<<t o t a l [ i ]<<” ;
f r o n t e r a =”<<f r o n t e r a [ i ]<<” ; f r a c c i o n =”<<s t a t i c c a s t <f l o a t >( f r o n t e r a [ i ] ) /
s t a t i c c a s t <f l o a t >( t o t a l [ i ] )<<endl ;
585 return r e s u l t ;
586 }
587
588 void a n n e a l i n g : : p e n a l t y ( i n t x , i n t y , i n t z )
589 {
590 double r e s u l t = 0 ;
591 double r e s u l t t m p = 0 ;
592 double f i e l d p e n a l t y = 0 ;
593 double D1 , D2 , Dobj ;
594 i n t nonzero = 0 ;
595 D1= 0 ;
596 D2= 0 ;

597 Dobj = 0 ;
598
599 / / F u n c i ó n d e p e n a l i z a c i ó n . F = ( 1 /Nˆ 2 ) Sum [ ( Dij −Dobj ) ˆ 2 ]
600 / / A e s t a f u n c i ó n s e l e a ñ a d e un p a r á m e t r o que p e n a l i z a e l n úmero d e campos ,
e s p e c i a l m e n t e s i s o n p e q u e ñ o s .
601
602 f o r ( i n t i =max ( x − 1 ,0) ; i<min ( x +2 ,NLEAVES) ; i ++)
603 {
604 f o r ( i n t j =max ( y − 1 ,0) ; j <min ( y +2 ,MAPSIZE ) ; j ++)
605 {
607 {
608 i f ( campo [ k ] [ i ] [ j ] )
609 {
610 t o t a l [k]++;
612 {
613 frontera [ k]+=4;
615 } e l s e i f ( ! campo [ k ] [ i − 1][ j ] | | ! campo [ k ] [ i + 1 ] [ j ] | |
! campo [ k ] [ i ] [ j − 1] | | ! campo [ k ] [ i ] [ j + 1 ] )
616 {
617 i f ( ! campo [ k ] [ i − 1][ j ] ) frontera [k]++;
618 i f ( ! campo [ k ] [ i + 1 ] [ j ] ) frontera [k]++;
619 i f ( ! campo [ k ] [ i ] [ j + 1 ] ) frontera [k]++;
620 i f ( ! campo [ k ] [ i ] [ j − 1]) frontera [k]++;
622 }else
623 {
624 r e s u l t t m p += s t a t i c c a s t <double >(campo [ k ] [ i
][ j ]) ;
625 }
626 }
627 }
629 D1+= r e s u l t t m p ∗ r e s u l t t m p ;
630 result tmp =0;
631 }
632 }
633
634 f o r ( i n t i =max ( x − 1 ,0) ; i<min ( x +2 ,NLEAVES) ; i ++)
635 {
636 f o r ( i n t j =max ( y − 1 ,0) ; j <min ( y +2 ,MAPSIZE ) ; j ++)
637 {

638 f o r ( i n t k = 0 ; k<previous N campos ; k++)

639 {
640 i f ( campo tmp [ k ] [ i ] [ j ] )
641 {
642 t o t a l [ k] −− ;
644 {
645 f r o n t e r a [ k] − =4;
campo tmp [ k ] [ i ] [ j ] ) ; / / Un b e a m l e t
en e l b o r d e d e l campo t e n d r á menos
f l u e n c i a de l a c a l c u l a d a .
647 } e l s e i f ( ! campo tmp [ k ] [ i − 1][ j ] | | ! campo tmp [ k ] [ i
+ 1 ] [ j ] | | ! campo tmp [ k ] [ i ] [ j − 1] | | ! campo tmp [
k ] [ i ] [ j +1])
648 {
649 i f ( ! campo tmp [ k ] [ i − 1][ j ] ) frontera [k
] −− ;
650 i f ( ! campo tmp [ k ] [ i + 1 ] [ j ] ) frontera [k
] −− ;
651 i f ( ! campo tmp [ k ] [ i ] [ j + 1 ] ) frontera [k
] −− ;
652 i f ( ! campo tmp [ k ] [ i ] [ j − 1]) frontera [k
] −− ;
campo tmp [ k ] [ i ] [ j ] ) ; / / Un b e a m l e t
en e l b o r d e d e l campo t e n d r á menos
f l u e n c i a de l a c a l c u l a d a .
654 }else
655 {
656 r e s u l t t m p += s t a t i c c a s t <double >(campo tmp [
k][ i ][ j ]) ;
657 }
658 }
659 }
661 D2+= r e s u l t t m p ∗ r e s u l t t m p ;
662 result tmp =0;
663 }
664 }
665 e2 = 0 ;
666 e1=e1 prev −(D2−D1 ) /(Norm∗Norm) ;
668 i f ( t o t a l [ i ] >0)
669 {
670 e2+= s t a t i c c a s t <f l o a t >( f r o n t e r a [ i ] ) /( s t a t i c c a s t <f l o a t >( t o t a l [ i ] ) )
;
671 nonzero ++;
672 }
673 e l s e i f ( t o t a l [ i ] <0)

674 {
675 cout<<”Numero n e g a t i v o . El campo ”<<i<<” t i e n e ”<<t o t a l [ i ]<<”
beamlets . ”<<endl ;
676 exit (1) ;
677 }
678 i f ( nonzero >0) e2=e2/nonzero ;
679 }
680
681 void a n n e a l i n g : : open beamlet ( i n t f i e l d )
682 {
683 v e c t o r xpopen , ypopen ; / / C o o r d e n a d a s d e l o s b e a m l e t s que e s p o s i b l e a b r i r
.
684 int index to open ; / / Í n d i c e d e l b e a m l e t que s e a b r i r á .
685
686 / / Se r e c o r r e c a d a f i l a d e i z q u i e r d a a d e r e c h a , y s e c o m p r u e b a s i e l b e a m l e t
s i g u i e n t e a uno c e r r a d o e s t á a b i e r t o . S i no , s e c o m p r u e b a s i l o s d e l a s f i l a s
a d y a c e n t e s l o e s t á n .
688 {
689 f o r ( i n t j = 0 ; j <MAPSIZE− 1; j ++)
690 {
691 i f ( campo [ f i e l d ] [ i ] [ j ] ) break ;
692 e l s e i f ( campo [ f i e l d ] [ i ] [ j + 1 ] )
693 {
694 xpopen . push back ( i ) ;
695 ypopen . push back ( j ) ;
696 break ;
697 } e l s e i f ( campo [ f i e l d ] [ max ( 0 , i − 1) ] [ j ] | | campo [ f i e l d ] [ min ( i
+1 ,NLEAVES− 1) ] [ j ] )
698 {
699 f o r ( i n t k= j + 1 ; k<MAPSIZE ; k++)
700 {
701 i f ( campo [ f i e l d ] [ i ] [ k ] ) break ;
702 i f ( k==MAPSIZE− 1)
703 {
706 }
707 }
708 }
709 }
710 / / Ahora s e r e c o r r e l a f i l a en d i r e c c i ó n c o n t r a r i a .
711 f o r ( i n t j =MAPSIZE− 1; j >0; j −−)
712 {
713 i f ( campo [ f i e l d ] [ i ] [ j ] ) break ;
714 e l s e i f ( campo [ f i e l d ] [ i ] [ j − 1])
715 {
718 break ;

719 }
720 }
721 }
722
723 i f ( xpopen . s i z e ( ) >0)
724 {
725 i n d e x t o o p e n = s t a t i c c a s t (nrand ( ) ∗xpopen . s i z e ( ) ) ;
726 xindex=xpopen [ i n d e x t o o p e n ] ;
727 yindex=ypopen [ i n d e x t o o p e n ] ;
728 campo [ f i e l d ] [ xindex ] [ yindex ] = 1 ;
729 }else
730 {
731 / / S i no e x i s t e ning ún b e a m l e t a b i e r t o , s e a b r e uno a l a z a r .
732 xindex= s t a t i c c a s t ( f l o o r (NLEAVES∗nrand ( ) ) ) ;
733 yindex= s t a t i c c a s t ( f l o o r (MAPSIZE∗nrand ( ) ) ) ;
735 }
736 zindex= f i e l d ;
737
738 }
739
740 void a n n e a l i n g : : c l o s e b e a m l e t ( i n t f i e l d )
741 {
742 v e c t o r xpclose , y p c l o s e ; / / C o o r d e n a d a s d e l o s b e a m l e t s que e s p o s i b l e
cerrar .
743 int index to close ; / / B e a m l e t que s e c i e r r a .
744
746 {
747 f o r ( i n t j = 0 ; j <MAPSIZE− 1; j ++)
748 {
749 i f ( campo [ f i e l d ] [ i ] [ j ] )
750 {
751 i f ( campo [ f i e l d ] [ i ] [ j + 1 ] )
752 {
753 i f ( ( campo [ f i e l d ] [ max ( 0 , i − 1) ] [ j ] && ! campo [ f i e l d ] [
max ( 0 , i − 1) ] [ j + 1 ] ) | | ( campo [ f i e l d ] [ min (NLEAVES
− 1, i +1) ] [ j ] && ! campo [ f i e l d ] [ min (NLEAVES− 1, i
+1) ] [ j + 1 ] ) ) break ; / / El b e a m l e t e s e l
v é r t i c e d e una L .
754 else
755 {
756 x p c l o s e . push back ( i ) ;
757 y p c l o s e . push back ( j ) ;
758 break ;
759 }
760 }else
761 {
762 i f ( i ==0 | | i ==NLEAVES− 1)
763 {


766 break ;
767 }
768 e l s e i f ( campo [ f i e l d ] [ i + 1 ] [ j ] && campo [ f i e l d ] [ i − 1][
j ]) break ; / / E l b e a m l e t une d o s p a r t e s
separadas .
769 else
770 {
773 break ;
774 }
775 }
776 break ;
777 }
778 }
779 f o r ( i n t j =MAPSIZE− 1; j >0; j −−)
780 {
781 i f ( campo [ f i e l d ] [ i ] [ j ] )
782 {
783 i f ( campo [ f i e l d ] [ i ] [ j − 1])
784 {
785 i f ( ( campo [ f i e l d ] [ max ( 0 , i − 1) ] [ j ] && ! campo [ f i e l d ] [
max ( 0 , i − 1) ] [ j − 1]) | | ( campo [ f i e l d ] [ min (NLEAVES
− 1, i +1) ] [ j ] && ! campo [ f i e l d ] [ min (NLEAVES− 1, i
+1) ] [ j − 1]) ) break ; / / El b e a m l e t e s e l
v é r t i c e d e una L .
786 else
787 {
790 break ;
791 }
792 }else
793 {
794 i f ( i ==0 | | i ==NLEAVES− 1)
795 {
798 break ;
799 }
800 e l s e i f ( campo [ f i e l d ] [ i + 1 ] [ j ] && campo [ f i e l d ] [ i − 1][
j ]) break ; / / E l b e a m l e t une d o s p a r t e s
separadas .
801 else
802 {
805 break ;

806 }
807 }
808 break ;
809 }
810 }
811 }
812 i f ( x p c l o s e . s i z e ( ) >0)
813 {
814 i n d e x t o c l o s e = s t a t i c c a s t (nrand ( ) ∗ x p c l o s e . s i z e ( ) ) ;
815 xindex= x p c l o s e [ i n d e x t o c l o s e ] ;
816 yindex= y p c l o s e [ i n d e x t o c l o s e ] ;
818 zindex= f i e l d ;
819 }
820 }
821
822 i n t a n n e a l i n g : : w r i t e r e s u l t ( s t r i n g nombre )
823 {
824 string outfile ;
825 bool done ;
826 f l o a t bankA , bankB ;
827 / / P á r á m e t r o s e s p e c ı́ f i c o s p a r a e l MLC d e T o s h i b a
828 c o n s t f l o a t i n i t p o s = − 5.9368; / / C o o r d e n a d a d e l b o r d e d e l MLC.
829 const f l o a t s t e p s i z e = 0 . 2 8 9 6 ; / / Tama ño d e un b e a m l e t a l a a l t u r a d e l MLC.
830 const int ext beamlets =6; / / No d e b e a m l e t s que no s o n c u b i e r t o s p o r l a s
l á m i n a s n o r m a l e s − 1.
831
832 o u t f i l e =nombre+” . sequence ” ;
833
834 / / Apertura d e l f i c h e r o de s a l i d a
835 out . open ( o u t f i l e . c s t r ( ) , i o s : : out ) ;
836 i f ( ! out . good ( ) )
837 {
838 cout<<” E r r o r abriendo e l f i c h e r o de s a l i d a ”<<endl ;
839 exit (1) ;
840 }
841
842 out<<”\ t R e s u l t a d o d e l mapa ”<<nombre<<endl ;
843 out<<” ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ ”<<endl ;
844 out<<”Numero de campos : ”<<N campos<<endl ;
845 / / M a t r i c e s d e m á s c a r a
847 {
848 out<<”Campo ”<<k+1<<endl ;
850 {
852 {
853 out<<campo [ k ] [ i ] [ j ]<<” ” ;
854 }

855 out<<endl ;
856 }
857 out<<” xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx ”<<endl ;
858 }
859
860 out<<” ”;
861 f o r ( i n t i = 0 ; i<NLEAVES ; i ++) out<<setw ( 3 )<( o b j e t i v e m a t r i x [ i ] [ j ] ) ;
870 i f ( ( i >0 && ! campo [ k ] [ i − 1][ j ] ) | | ( i<NLEAVES−1 && ! campo [ k ] [ i
+ 1 ] [ j ] ) | | ( j >0 && ! campo [ k ] [ i ] [ j − 1]) | | ( j <MAPSIZE−1 && !
campo [ k ] [ i ] [ j + 1 ] ) )
871 tmp−=(BORDE∗campo [ k ] [ i ] [ j ] ) ;
872 else
873 tmp−=(campo [ k ] [ i ] [ j ] ) ;
874 out<<setw ( 3 )<<tmp ;
875 }
876 out<<endl ;
877 }
878 out<<”\ nValor f i n a l de l a f u n c i ó n de p e n a l i z a c i ó n =”<=0; i −−)
885 {
886 done = 0 ;
888 i f ( campo [ k ] [ i ] [ j ] )
889 {
890 bankA= i n i t p o s +( j ) ∗ s t e p s i z e ;
891 done = 1 ;
892 break ;
893 }
894 i f ( done ) / / S i hay a l g ú n b e a m l e t a b i e r t o en e s t a f i l a
895 {
896 f o r ( i n t j =MAPSIZE− 1; j >=0; j −−)
897 i f ( campo [ k ] [ i ] [ j ] )
898 {
899 bankB= i n i t p o s +( j +1) ∗ s t e p s i z e ;
900 break ;
901 }

902 out<<setw ( 6 )<< s e t f i l l ( ’ 0 ’ )<<l e f t <<bankA<<” , ”<<setw ( 6 )<<

s e t f i l l ( ’ 0 ’ )<<bankB<<” , 1 ”<<endl ;
903 }else / / S i no hay ning ún b e a m l e t a b i e r t o en e s t a f i l a
904 {
905 out<<” 0 . 0 0 0 0 , 0 . 0 0 0 0 , 1”<<endl ;
906 }
907 }
908 }
909
910 out . c l o s e ( ) ;
911
912 return 0 ;
913 }

Modulación de electrones para tumores superficiales

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modulación de electrones para tumores superficiales

Cargado por

Copyright:

Formatos disponibles

Modulación de haces de electrones

para el tratamiento de tumores

Memoria presentada para optar al grado de Doctor

Departamento de Fisiologı́a Médica y Biofı́sica

Francisco Javier Salguero Castaño III

A lo largo del tiempo que ha transcurrido desde que empecé a realizar

En primer lugar, debo agradecer a Paco Sánchez y Antonio Leal la opor-

Al Departamento de Fisiologı́a Médica y Biofı́sica y a todos sus miembros les

Ha sido inestimable la ayuda y la contribución de Rafael Arráns y los

En el terreno más personal, ha sido fundamental el apoyo de mis padres,

Francisco Javier Salguero Castaño VI

Francisco Javier Salguero Castaño VII

Salguero Castaño, F.J., Sánchez-Doblado, F., Linares Doblado, Leal Pla-

Francisco Javier Salguero Castaño VIII

2.4. Planificación Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . 77

II. Script de conversión de estructuras de DICOM a MCTP 177

III.Modificaciones realizadas al código DOSXYZnrc: BEAMDOSE 181

IV. Código fuente del secuenciador para electrones 187

Francisco Javier Salguero Castaño X

A pesar de los constantes avances médicos y cientı́ficos que se han pro-

El principal motivo del aumento de casos de cáncer es, entre otros, el

Las tres herramientas contra el cáncer más extendidas actualmente son

ADN o dañando partes vitales de la célula (daño directo), o desencadenan-

En los tratamientos de teleterapia, la fuente de radiación se encuentra

En los aceleradores lineales, se generan pulsos de electrones en un klyns-

Desde la aplicación de los primeros aceleradores lineales a la radiotera-

Francisco Javier Salguero Castaño 2

1.1 Radioterapia con intensidad modulada

Un hito que revolucionó, no sólo la radioterapia, sino toda la medicina

Francisco Javier Salguero Castaño 3

tivamente teórico, a la espera de que se produjeran los adelantos técnicos

A medida que se fueron resolviendo los problemas matemáticos y compu-

En el caso de la IMRT dinámica, las láminas se mantienen en movimien-

Francisco Javier Salguero Castaño 4

de IMRT en la práctica clı́nica. Las medidas dosimétricas realizadas por los

A pesar de todas las dificultades que conlleva la aplicación de los trata-

1.2 Tratamiento de lesiones superficiales

Francisco Javier Salguero Castaño 5

cualquier otra partı́cula cargada. La principal ventaja de utilizar electrones

1.2.1 Localizaciones y variaciones morfológicas

Francisco Javier Salguero Castaño 6

ferente en cada caso.

En el caso de cabeza y cuello, los tratamientos de parótida son los más

Sin embargo, los tratamientos de radioterapia en cabeza y cuello son

Francisco Javier Salguero Castaño 7

tanto más complejas, sean casi imperativas a la hora de conseguir un buen

La IMRT, sin embargo, presenta ciertas limitaciones que se se hacen pre-

En el caso de tumores nasofarı́ngeos o de oı́do, existe la complicación

En el caso del cáncer de mama, la importancia de su incidencia sobre

Francisco Javier Salguero Castaño 8

res (Ferlay et al. 2007). Desde el punto de vista de la radioterapia, el trata-

En el caso de que se intente tratar la pared costal con haces de electro-

Francisco Javier Salguero Castaño 9

Cuando el cáncer de mama está en una fase temprana de desarrollo, se

Francisco Javier Salguero Castaño 10

El uso de bolus no está exento de complicaciones. En primer lugar, el

Por otro lado, la posible existencia de pequeñas bolsas de aire entre el

Francisco Javier Salguero Castaño 11

combinando dos sistemas. El sistema de colimación primario (que podı́a ser

A medida que la tecnologı́a avanzaba, los bloques de blindaje cortados

Los blindajes cortados especı́ficamente para cada tratamiento y situados

De este modo, mientras que el desarrollo de los MLCs en combinación