Intégration de l’Intelligence Artificielle aux données diabétiques pour une médecine de plus en plus personnalisée

Abstract

Le Diabète est considéré comme la maladie la plus meurtrière et chronique qui provoque une augmentation du glucose. La maladie polygénique est celle où la glande exocrine ne fabriquant pas de l'agent hypoglycémiant et selon la Fédération Internationale des Maladies Polygéniques 382 millions d'individus vivent avec une maladie polygénique dans le monde. D'ici 2035, ce chiffre doublera pour atteindre 592 millions. Le diabète sucré peut être une maladie due à l'augmentation du taux de glucose dans le sang. De nombreuses difficultés peuvent survenir si le diabète n'est pas traité et n'est pas identifié par le médecin. Ainsi, l’Intelligence Artificielle (IA) qui est devenue le nouveau terme que l’on entend tous les jours ces dernières années est définie comme la capacité d’une machine d’agir par elle-même et qui n’est pas explicitement programmée pour reproduire des actions ou des fonctions qui sont généralement celles des êtres humains. Aujourd’hui, on la retrouve dans nos machines informatiques, les réseaux sociaux, les transports et dans le secteur médical etc... De ce fait, l’apprentissage automatique est l’une des disciplines de l’intelligence artificielle qui cherche à trouver un moyen de créer des programmes informatiques qui s’améliorent automatiquement avec l’expérience. Dans ce travail, nous nous intéressons à l’utilisation des algorithmes d’apprentissage automatique pour la prédiction du diabète, afin de réduire les risques de complications de cette maladie chronique sur la santé du patient. Pour atteindre cet objectif, nous avons utilisé des algorithmes d’apprentissage automatique tels que le Random Forest RF, la Régression Logistique RL, le K-Nearest Neighbors KNN et les Réseaux de Neurone ANN. Les données ont été extraites de Kaggle qui est une plateforme web appartenant à Google qui fonctionne comme une communauté pour les scientifiques et les développeurs de données. Les performances des classifieurs ont été comparées en fonction du taux de précision.