Contexte : la TEP au ⁶⁸Ga-PSMA, difficilement disponible et bruitée, pourrait être améliorée par un algorithme de débruitage fondé sur l’IA, qui n’a pas été évalué pour ce traceur phare du cancer prostatique. L’objectif de notre étude est d’analyser la qualité globale des images retraitées par ce type d’algorithme en comparaison aux reconstructions standards. Les autres objectifs concernent son impact sur les mesures d’intensité des lésions et du bruit de fond ainsi que sur les performances diagnostiques des séries modifiées. Matériel et méthode : 30 patients en récidive biochimique du cancer de la prostate pris en charge au centre Jean Perrin pour des TEP au ⁶⁸Ga-PSMA-11 de juillet à octobre 2020 ont été inclus. Nous avons simulé des images n’utilisant qu’un quart, la moitié, trois quarts ou la totalité des données acquises retraitées par l’algorithme de débruitage SubtlePET®. Trois lecteurs de niveaux d’expérience différents ont lu les examens en aveugle avec pour référence le plus expérimenté en séries standards. L’échelle de Likert sur 5 niveaux a permis de comparer la qualité des séries retraitées et standards (VPFX et QClear). Le critère binaire de détectabilité des lésions a été comparé entre séries. Nous avons aussi comparé les mesures de SUV des lésions, des bruits de fond, ainsi que les performances diagnostiques des séries (sensibilité, spécificité, exactitude). Résultats : concernant la qualité d’image, les séries dérivées du VPFX étaient classées différemment mais mieux que le standard (p < 0,001) dès la moitié des données. Pour les séries QClear, il n’y avait pas de différence pour les séries dès la moitié du signal. Même si certaines séries étaient de qualité insuffisante, la détectabilité des lésions était similaire (p > 0,05). Concernant l’influence de SubtlePET® sur les mesures de SUV, l’algorithme diminue significativement des valeurs des lésions (p < 0,005) et augmente le bruit de fond hépatique (p < 0,005). Les performances diagnostiques de chaque lecteur étaient peu modifiées par l’algorithme. Conclusion : l’algorithme d’IA pourrait donc être utilisé pour les examens au ⁶⁸Ga-PSMA en n’utilisant que la moitié du signal avec une qualité d’image similaires pour les séries QClear et une qualité supérieure pour les séries VPFX. Cependant, cet algorithme modifie de manière significative les mesures quantitatives et ne doit donc pas être utilisé lors des examens comparatifs en cas d’antériorités reconstruites avec algorithme standard.