Abstract:
La rétinopathie diabétique (RD) est une complication fréquente chez les patients atteints de diabète de type 2, entraînant une perte de vision significative, voire la cécité. La prédiction précoce de la RD joue un rôle crucial dans sa prévention et la réduction de sa progression.
L'objectif de cette étude est de mettre en évidence l'influence des caractéristiques du dataset sur la qualité du modèle prédictif, notamment l'historique de HbA1C, et proposer un nouveau modèle de prédiction de la RD avec de meilleures performances.
Ce modèle de prédiction est obtenu en ne prenant en considération que les caractéristiques les plus influentes et en optimisant la meilleure méthode parmi les 11 techniques d'apprentissage automatique utilisées. Afin d'améliorer les performances du modèle, nous avons appliqué une méthode de Bagging pour obtenir le modèle final le plus optimal.
Les résultats d'expérimentation obtenus sont prometteurs et ont montré l'importance effective de l'historique d'HbA1C dans la prédiction de la RD.
