Tesis doctorales de la Escuela Internacional de Doctorado de la URJC desde el curso 2024/25
Reducing Tissue Characterization Uncertainty In Adaptive Proton Therapy through Image Synthesis And Spectral Imaging
Autor
VIAR HERNÁNDEZ, DAVID
Director
TORRADO CARVAJAL, ÁNGEL
Codirector
VERA SANCHEZ, JUAN ANTONIO
Fecha de depósito
25-06-2025
Periodo de exposición pública
26 de junio a 9 de julio de 2025
Fecha de defensa
Sin especificar
Programa
Tecnologías de la información y las Comunicaciones (TICs)
Mención internacional
Solicitada
Resumen
La protonterapia adaptativa (APT) requiere una caracterización de los tejidos altamente precisa para asegurar que la dosis de protones se administre según lo planificado, a pesar de los cambios anatómicos del paciente. Sin embargo, un desafío crítico es que las unidades Hounsfield del CBCT no pueden convertirse directamente en relaciones de poder de frenado de protones (SPR), esenciales para calcular cuánto avanzan los protones en el tejido. Esta limitación introduce una incertidumbre significativa en la estimación del alcance y la dosis. Incluso errores menores en el mapeo del SPR pueden provocar que los protones sobrepasen o no alcancen el objetivo, por lo que reducir estas incertidumbres es vital para mantener la precisión de la terapia y evitar ampliar los márgenes de tratamiento. Por ello, existe una fuerte motivación para mejorar la imagen proveniente del CBCT, con el fin de obtener información tisular más fiable y así reforzar la seguridad y eficacia de la APT.
Para abordar estos desafíos, esta tesis doctoral explora técnicas avanzadas de síntesis de imagen y el uso de imágenes espectrales con el objetivo de reducir la incertidumbre en la caracterización tisular en APT. Los subobjetivos principales son generar imágenes sintéticas de TC de alta calidad y pares de imágenes de TC de doble energía (DECT) a partir de CBCT estándar, y calibrar los datos DECT para un mapeo directo y preciso del SPR. Al crear imágenes sintéticas que imitan con alta fidelidad la calidad diagnóstica del TC, y aprovechar la información de doble energía para diferenciar materiales, se busca permitir una estimación más precisa del SPR durante la adaptación del tratamiento en tiempo real. Alcanzar estos objetivos permite a los clínicos replanificar o ajustar la terapia con la confianza de que la distribución de dosis sigue siendo precisa, a pesar de los cambios anatómicos diarios del paciente.
El primer paso fue generar imágenes sintéticas de TC a partir de la imagen de CBCT. Para ello, se entrenó un modelo compuerto por 3D Vision Transformer sobre conjuntos de datos emparejados CBCT–TC. El modelo entrenado aprendió patrones para corregir artefactos y sesgos en las unidades Hounsfield del CBCT. Este enfoque mejoró el detalle anatómico y la fidelidad de las HU, generando TC sintéticos cuyos mapas de SPR mostraron desviaciones inferiores al 5% respecto a los valores derivados del TC de planificación.
A continuación, para aprovechar la información espectral sin necesidad de adquirir una TC de doble energía (DECT) real, se introdujo un modelo probabilístico de difusión condicional tridimensional (DDPM) para generar dos imágenes sintéticas monoenergéticas (por ejemplo, 80 kVp y 140 kVp) a partir de un CBCT diario. El proceso de difusión refinó iterativamente los volúmenes ruidosos del CBCT en escaneos sintéticos de alta y baja energía. La caracterización tisular mejoró notablemente, ya que la información de doble energía permite un contraste específico por material que no es posible con una sola TC. En las comparaciones realizadas, este nuevo enfoque basado en difusión superó a métodos anteriores de aprendizaje profundo tanto en la supresión de ruido como en la fidelidad estructural. Los pares de imágenes DECT resultantes presentaron niveles de ruido y artefactos comparables a los de una DECT real, lo que permitió una clara diferenciación de tejidos, especialmente aquellos con densidades similares pero composiciones distintas.
Finalmente, se implementó una calibración basada en DECT para mapear directamente las imágenes de doble energía a la relación de parada de protones (SPR). Al estimar la densidad electrónica relativa y el número atómico efectivo a partir del DECT, el método generó mapas de SPR por vóxel con errores inferiores al 1% en estudios con fantomas. Además, se mejoró la consistencia de los resultados: se observó una notable reducción en la variabilidad (desviación estándar) de los errores de SPR en comparación con los enfoques tradicionales, lo que indica un mapeo más robusto y fiable. Esta precisión en la SPR reduce directamente el margen de incertidumbre que debe aplicarse en los cálculos del alcance de los protones. Al integrarse en los recálculos de dosis para planes adaptativos, estos mapas calibrados de SPR basados en DECT produjeron distribuciones de dosis que coincidían estrechamente con las basadas en datos reales, mejorando así la confianza en la planificación adaptativa de dosis.
En conjunto, estas contribuciones dan lugar a un conjunto de herramientas que transforman el CBCT de un mero sistema de posicionamiento a un recurso indispensable en APT. Mediante la síntesis de imágenes de TC y DECT y la aplicación de calibraciones basadas en física, los métodos de esta tesis amplían la información diagnóstica y de planificación disponible para oncólogos radioterápicos y físicos médicos. De este modo, los clínicos pueden tomar decisiones más fundamentadas, ajustando los planes de forma diaria con la confianza de que la dosis adaptada coincidirá con la distribución prevista. El trabajo futuro se centrará en la validación clínica prospectiva, la integración en tiempo real en estaciones de tratamiento y la extensión a otras localizaciones anatómicas. Esta investigación allana el camino hacia una protonterapia verdaderamente adaptativa y guiada por imagen, donde la incertidumbre se minimiza y la toma de decisiones clínicas está plenamente respaldada.
