Estimación de mapas de dosis para Terapia por Captura Neutrónica en Boro basada en redes neuronales artificiales

G. MARZIK; M.E. CAPOULAT; A.J. KREINER; D.M. MINSKY

Bahía Blanca

Congreso; 108 Reunión de la Asociación Física Argentina; 2023

AFA Filial Bahía Blanca

La Terapia por Captura Neutrónica en Boro (BNCT, por sus siglas en inglés) esuna alternativa prometedora para el tratamiento de tumores radioresistentes, opara casos en los cuales los tratamientos convencionales son de índole paliativoo mutilantes. El proceso consiste en el suministro de una droga portadora delisótopo 10 B, que tiene cierta afinidad por las células tumorales y alta seccióneficaz de captura de neutrones térmicos. En una segunda etapa se irradia alpaciente con un haz de neutrones de una energía acorde a la profundidad deltumor a tratar. Este haz interactúa con el isótopo 10 B generando una reacciónnuclear 10 B(n, α)7 Li dentro de la célula tumoral, emitiendo radiación muyenergética y localizada que daña únicamente a la célula y a su proximidad. Seproduce además una dosis inespecífica debida a otras interacciones de los neu-trones y los fotones secundarios que podría afectar a los tejidos sanos. Previo altratamiento, es necesario hacer un cálculo dosimétrico para obtener los mapasde dosis tanto a tejidos sanos como tumorales y determinar la configuración delhaz de neutrones que maximice la probabilidad de control tumoral y minimicelos efectos secundarios. Dichos mapas se estiman actualmente mediante simu-laciones de transporte neutrónico basadas en Monte Carlo. El elevado costocomputacional y el tiempo requerido para obtener simulaciones con bajo errorestadístico impide el estudio a gran escala para obtener la mejor configuraciónpara un paciente particular. Asimismo, los mismos motivos impiden realizareste estudio para varios pacientes diariamente, como se intentaría en un centromédico. Este es uno de los desafíos que se debe enfrentar si se desea que BNCTse establezca como una alternativa real para tratamientos contra el cáncer. Elpresente trabajo propone reemplazar las simulaciones basadas en Monte Carlopor cálculos con redes neuronales artificiales, trasladando el tiempo de cómputoal entrenamiento de la red, reduciendo los tiempos de inferencia y sin detri-mento en la calidad de las simulaciones obtenidas. Se realiza una evaluaciónbasada en el error absoluto medio para confirmar la calidad de los mapas de do-sis obtenidos por la red, tomando como referencia simulaciones con bajo errorestadístico realizadas mediante métodos tradicionales, además de un análisisdel tiempo de inferencia para confirmar la utilidad del método propuesto.