Introduction et but de l’étudeLe TPS RayStation®v9B (RS) possède deux méthodes d’aide à la planimétrie : l’une utilise l’intelligence artificielle (IA), l’autre une optimisation multicritères (MCO). Le but de cette étude était d’automatiser ces méthodes et de les comparer à nos pratiques pour des cas de cancer de la prostate.Matériel et méthodesL’intelligence artificielle utilise des forêts aléatoires entraînées à partir d’une base de données. L’algorithme associe à chaque voxel une valeur de dose, créant ainsi une distribution de dose a priori, transformée en une fonction d’optimisation pour avoir une planimétrie délivrable. Nos modèles sont entraînés avec nos patients (75 en moyenne) et adaptés sur site. L’optimisation multicritères génère des plans de traitement pour lesquels aucun objectif ne peut être amélioré sans en détériorer un autre : plans Pareto optimaux. Le choix du plan « idéal » se fait dans un espace de navigation pour trouver le meilleur compromis entre couverture et protection. Cette distribution de dose est alors transformée en une fonction d’optimisation pour obtenir un plan délivrable. Nous avons développé des scripts Python pour automatiser ces méthodes pour des traitements 66, 76 ou 78 Gy délivrés en trois arcs volumétriques modulés par faisceaux de photons 10MV. Pour l’optimisation multicritères, le script a généré 16 plans de Pareto, suivi de trois optimisations sur le plan « idéal » et deux optimisations standards. Les plans produits par intelligence artificielle et optimisation multicritères automatisés ont été comparés aux plans standards pour lesquels l’utilisateur peut changer les poids des objectifs à chaque nouvelle optimisation. Les plans ont été acceptés lorsqu’ils respectaient les critères de Recorad (prostate, vésicules séminales, ganglions, rectum, vessie, tête fémorales et digestif). Le temps de calcul ainsi que les indices(ICRU83) de conformation, de gradient et d’homogénéité ont alors été relevés.Résultats et analyse statistiqueQuatre-vingt pour cent des plans obtenus par l’intelligence artificielle ont été directement acceptés cliniquement après 16 min. Les 20 % rejetés au premier calcul ont été acceptés après une optimisation additionnelle de 5 min. Cent pour cent des plans obtenus par l’optimisation multicritères ont été validés cliniquement avec des meilleures distributions de dose que les plans standards. Le temps de calcul était de 60 min. Le temps de réalisation des plans standards était en moyenne de 2 h et demandaient une présence active de l’utilisateur à chaque nouvelle optimisation, à la différence des méthodes d’intelligence artificielle et d’optimisation multicritères automatisées qui demandaient une présence passive de l’utilisateur. Les indices dosimétriques de tous les plans ont été validés cliniquement (homogénéité inférieure à 0,01, conformation supérieure à 0,70 et gradient inférieur à 3,40).ConclusionCes méthodes automatisées donnent des résultats dosimétriques très proches (intelligence artificielle) ou meilleurs (optimisation multicritères) que les méthodes d’optimisation standards pour des temps de calcul respectivement 8 et 2 fois plus rapides. La méthode utilisant l’intelligence artificielle automatisée permet d’envisager une radiothérapie adaptative, en revanche, elle s’utilise difficilement sur morphologies particulières.