Patient outcomes are significantly impacted by the effectiveness and quality of radiation treatment planning. Deep learning, a branch of artificial intelligence, is a potent tool for enhancing and automating dose prediction processes. This article provides a comprehensive and critical analysis of deep learning-based dose prediction methods in radiotherapy, with a focus on convolutional neural networks. A comprehensive search throughout Elsevier Scopus®, Medline, and Web of Science™ literature databases was conducted to locate relevant papers published between 2018 and 2024. The use of deep learning methods for dose prediction is thoroughly examined in this paper. Analysis of these dose prediction approaches provides valuable insights into the potential of this technology to improve radiation treatment planning, particularly in the critical area of automating the dose prediction process. The findings aim to guide future research and facilitate the safe and effective integration of artificial intelligence in clinical workflows.

Les résultats des traitements pour les patients sont fortement influencés par l’efficacité et la qualité de la planification du traitement par radiothérapie. L’apprentissage profond, une branche de l’intelligence artificielle, est un outil puissant pour améliorer et automatiser les processus de prédiction des doses. Cet article fournit une analyse complète et critique des méthodes de prédiction des doses basées sur l’apprentissage profond dans le cadre de la radiothérapie, en se concentrant sur les réseaux neuronaux convolutifs. Une recherche approfondie dans les bases de données bibliographiques Elsevier Scopus®, Medline et Web of Science™ a été effectuée pour localiser les articles pertinents publiés entre 2018 et 2024. L’utilisation des méthodes d’apprentissage profond pour la prédiction des doses a été examinée en détail dans cet article. L’analyse de ces approches de prédiction des doses offre des perspectives précieuses sur le potentiel de cette technologie pour améliorer la planification des traitements par irradiation, en particulier dans le domaine critique de l’automatisation du processus de prédiction des doses. Les résultats visent à guider les recherches futures et à faciliter l’intégration sûre et efficace de l’intelligence artificielle dans les flux de travail cliniques.