L'intelligence artificielle accélère significativement la découverte de radiopharmaceutiques et permet d'optimiser la dosimétrie personnalisée en cancérologie. Une analyse publiée dans le Journal of Medical Internet Research détaille l'intégration croissante de l'apprentissage profond et de l'IA générative dans ce domaine, transformant la conception de thérapies anticancéreuses ciblées. Le développement classique de ces médicaments est traditionnellement long et complexe. Les modèles d'IA identifient désormais des cibles thérapeutiques émergentes, prédisent les interactions moléculaires et conçoivent des molécules stables. Sofia Michopoulou, médecin physicienne à l'hôpital universitaire de Southampton, précise que les simulations algorithmiques permettent de filtrer les candidats prometteurs très tôt, de réduire les essais précliniques et de concentrer les ressources sur les voies les plus viables. L'IA intervient également pour affiner la dosimétrie, soit la quantification précise de l'irradiation absorbée par les tissus. Cette approche vise à détruire les cellules tumorales tout en préservant les organes sains. Grâce à des réseaux neuronaux tridimensionnels, les médecins peuvent prédire la répartition du produit radioactif dans l'organisme. De plus, la création de jumeaux numériques personnalisés offre un cadre de planification thérapeutique hautement individualisé. La transition vers les hôpitaux reste néanmoins freinée par l'absence de bases de données cliniques normalisées et exhaustives. Si des méthodes comme l'apprentissage fédéré garantissent la confidentialité des dossiers médicaux entre plusieurs centres, des études expérimentales complémentaires sont indispensables pour valider la robustesse et la généralisation des algorithmes en conditions réelles. Ces progrès positionnent l'IA comme un levier majeur pour rendre la médecine nucléaire plus précise et mieux adaptée à chaque cas clinique.