L’intelligence artificielle se développe en imagerie médicale, aussi bien pour l’aide au diagnostic qu’en amélioration des images. Elle pourrait permettre de diminuer le temps d’acquisition des examens de TEP ou de réduire l’activité injectée au patient. Son utilisation potentielle en amélioration des images bruitées de TEP aux ligands du PSMA marqués au 68Ga reste à développer. L’objectif principal du projet est d’évaluer la qualité des images au 68Ga-PSMA-11 sur patients, réalisées avec un temps d’examen réduit puis débruitées à l’aide d’un réseau de neurones. L’objectif secondaire est de comparer les performances diagnostiques des images de qualité standard par rapport à celles à temps d’examen réduit puis débruitées par ce réseau. 30 patients du Centre Jean Perrin (Clermont-Ferrand, France) présentant une récidive biochimique de cancer prostatique ont été rétrospectivement inclus. 15 examens en mode liste ont été réalisés sur un appareil d’imagerie GE Discovery 710® et 15 sur un appareil GE MIDR®, chacun reconstruit selon les algorithmes standards VPFX et QClear. Chacune de ces reconstructions a ensuite été débruitée en utilisant l’algorithme SubtlePET (distribué en France par Incepto Medical(TM)), sur des séries équivalentes à un examen réalisé avec des pas de 1min, 2min, 3min et 4min, cette dernière valeur étant la durée de pas utilisée en routine dans le centre. Pour chaque série, la qualité globale de l’examen est en cours d’évaluation, avec pour but de déterminer la détectabilité des lésions suspectes et de classer la série dans une des catégories suivantes : 1=ininterprétable, 2=pauvre, 3=correcte, 4=bonne, 5=excellente. L’évaluation des performances diagnostiques est réalisée en relevant les lésions détectées sur chaque série, afin de les classer qualitativement en cinq catégories : négative, équivoque négative, équivoque, équivoque positive, positive. Enfin, pour l’analyse quantitative, la SUVMax hépatique et de chaque lésion est relevée, dans un but de standardisation. Les analyses préliminaires semblent montrer que l’ensemble des séries se révèle interprétable. Ces analyses sont effectuées par trois médecins nucléaires (un interne, un sénior et un expert en pathologie prostatique) et sont en cours d’évaluation. Le projet actuel ouvre des perspectives prometteuses quant à l’utilisation d’algorithmes de deep learning en TEP aux ligands du PSMA radiomarqués au 68Ga pour l’optimisation des temps d’examens et doses injectées.