Intégration des techniques d'apprentissage automatique dans le suivi d'une maladie chronique

Abstract

Les maladies cardiovasculaires font partie des principales causes de décès dans le monde. Leur prédiction et leur prévention restent un défi pour les médecins. Cependant, les avancées récentes en intelligence artificielle et en apprentissage automatique offrent des perspectives nouvelles et prometteuses pour la prédiction de ces maladies en particulier, et pour le domaine médical de façon générale. Avant de mettre en avant notre approche, nous avons analysé divers travaux de la littérature dans ce domaine. Ce travail propose un modèle combinant deux (02) algorithmes d'apprentissage automatique, qui sont les suivants : Naïve Bayes et KNN, avec la méthode "Stacking" en utilisant une régression logistique. Afin d'améliorer la précision de la prédiction, nous avons appliqué SMOTE-NC pour la gestion du déséquilibre des classes, et MRMR pour la sélection des caractéristiques les plus pertinentes. Nous avons pu prouver l'efficacité de notre modèle après l'avoir testé et évalué selon plusieurs métriques d'évaluation, telles que : l'exactitude, la précision, le rappel, la F1-mesure, l'AUC et la courbe ROC.