Apprentissage artificiel basé sur la combinaison parallèle de classifieurs automatiques pour la prédiction de maladies cardiovasculaires
Depuis 2019, le taux de mortalité dû aux maladies cardiovasculaires a augmenté de façon spectaculaire; les chiffres s’élèvent à plus de 17,7 millions, alors qu’ils n’étaient que de 2 millions en 2000, ce qui représente une augmentation de 31% du taux de mortalité total dans le monde. Cependant, seuls trois quarts des décès enregistrés à la suite de maladies cardiovasculaires sont survenus dans des pays à faible revenu. Les principales causes sont liées au manque d’infrastructures, mais aussi à la lenteur de la prise en charge.
Il convient toutefois de noter qu’en raison de la transition épidémiologique, les pays sous-développés ont vu leur taux de mortalité lié aux maladies infectieuses diminuer, tandis que leur taux de mortalité lié aux maladies cardiovasculaires, qui était généralement faible, a augmenté de manière significative.
Pour faire face à ce taux de mortalité élevé, nous avons proposé de mettre en place une application mobile qui enregistre le rythme cardiaque des utilisateurs (patients) puis le transforme en ECG pour le transmettre à un modèle qui va l’analyser et en faire ressortir la nature. Pour ce faire, nous avons proposé d’utiliser un modèle basé sur la combinaison parallèle de classificateurs automatiques utilisant comme classificateur final le réseau neuronal pour prédire si le patient a une maladie cardiovasculaire ou non.
Aller plus loin
En la mettant en œuvre, nous avons observé que cette approche avait pour conséquence d’augmenter de manière considérable la performance de notre combinaison mais aussi, elle avait pour but d’augmenter de manière significative le taux de fiabilité dans les réponses ou décisions du modèle avec un score proche de 96%, impliquant une diminution drastique du taux moyen de rejet.
“La prédiction est un exercice très compliqué, spécialement quand elle concerne le futur.”
Daniel Joy Tanckwe
Equipe ACSAM
SIKATENDA-IYADI-JACOB
Welcome T. Emmanuel
LUKIBU Aquilas
BUALUTI NIANGI Justia
