Otomatik Tedavi Planlama Sistemleri (Automatic Treatment Planning Systems, ATPS), radyasyon onkolojisinde yapay zekâ (YZ) tabanlı dönüşümün en önemli bileşenlerinden biri hâline gelmiştir. Bilgi tabanlı planlama (Knowledge-Based Planning, KBP), derin öğrenme (Deep Learning, DL) tabanlı doz tahmini ve tam otomatik optimizasyon motorlarındaki gelişmeler, planlayıcıya yüksek derecede bağımlı manuel iş akışlarından daha hızlı, standart ve tekrarlanabilir planlama süreçlerine geçişi mümkün kılmıştır. Bu sistemler, geçmişte klinik olarak onaylanmış planlardan ve hasta anatomilerinden öğrenerek dozimetri tutarlılığını artırmakta, planlama sürelerini belirgin biçimde azaltmakta ve adaptif radyoterapi gibi zaman kısıtlı klinik senaryoları desteklemektedir.

Bu çalışmada, ATPS’nin temel bileşenleri ayrıntılı olarak ele alınmış; KBP yaklaşımlarının prensipleri, ticari uygulamaları ve klinik kazanımları tartışılmıştır. Devamında DL tabanlı otomatik planlama yaklaşımları, özellikle voksel bazlı doz tahmini yapan U-Net ve DenseNet gibi mimariler bağlamında değerlendirilmiştir. DL tabanlı doz tahmin modellerinin, BT görüntüleri ve yapı maskeleri kullanarak hasta-özel, pürüzsüz ve klinik açıdan uygulanabilir doz dağılımları üretebildiği; bu tahminlerin ters planlama sürecine güçlü bir ön bilgi (prior) sağlayarak optimizasyonu daha kararlı ve verimli hâle getirdiği vurgulanmıştır.

Ayrıca tam otomatik planlama hatları kapsamında otomatik konturlama, ışın geometrisi seçimi, doz tahmini, optimizasyon ve otomatik kalite kontrol (QA) modüllerinin entegrasyonu ele alınmış; IMRT, VMAT ve proton/parçacık tedavilerinde kullanılan modern optimizasyon motorları incelenmiştir. Özellikle DL tabanlı robust doz tahmini ve Bayesçi optimizasyon yaklaşımlarının, proton tedavisinde menzil ve anatomik belirsizliklere karşı daha dayanıklı planlar oluşturma potansiyeli sunduğu gösterilmiştir. Son olarak ATPS’nin klinik performansı, sınırlamaları ve geleceğe yönelik gelişim alanları tartışılarak, yapay zekâ destekli otomatik planlamanın radyoterapide kişiselleştirilmiş ve adaptif tedavi yaklaşımlarının temel yapı taşlarından biri hâline geldiği ortaya konmuştur.