Un modèle d’apprentissage automatique pour la prédiction des maladies, cas d’étude : cancer du sein

Abstract

Avancement parallèle de la médecine et de l'informatique a pu prodiguer des techniques révolutionnaires dans la localisation et traitement de pathologies graves toutefois, le cancer reste à ce jour un diagnostic difficile malgré la précision des appareils d'imagerie médicale. La solution qui se présente de plus en plus est de mettre en œuvre une autre alternative informatique qui est l'intelligence artificielle au service de la détection de cancers. Notre travail consiste à étudier en profondeur les méthodes les plus performantes de l'apprentissage automatique afin de les appliquer dans un domaine aussi délicat que la médecine. Parmi ces méthodes, on cite les réseaux de neurones complètement connectés et les réseaux de neurones convolutifs, il s'agit d'une classification supervisée : les différentes versions de notre modèle prennent en entrée une base de données étiquetée d'images (histologiques) de cancers suspectés du sein et fournie une prédiction relative aux quatre catégories de diagnostic à savoir : normal, bénin, in situ, invasif. Nos résultats les plus importants se portent sur la précision obtenue pour la classification de cancers du sein en appliquant les techniques visées. La portée et la validité de nos travaux résident dans le calcul automatique de son taux de réussite mais également à l'application éventuelle de notre modèle sur le terrain par des spécialistes.