Application de l'intelligence artificielle pour la prédiction et la classification du cancer du pancréas

Abstract

Cette étude porte sur le développement et l’évaluation de modèles d’intelligence artificielle pour la prédiction du cancer du pancréas à partir de biomarqueurs et de données médicales. Plusieurs algorithmes d’apprentissage supervisé, notamment la régression logistique, la forêt aléatoire et la logique floue, ont été utilisés et comparés en termes de performance. Des étapes de prétraitement des données (nettoyage, standardisation et division des données) ont été appliquées afin d’améliorer la qualité de l’apprentissage. Les modèles ont été évalués à l’aide de mesures telles que l’Accuracy, la précision, le rappel et le F1-score, ainsi que par des outils comme la matrice de confusion. Les résultats montrent que la forêt aléatoire offre les meilleures performances, confirmant l’efficacité des techniques d’apprentissage automatique dans l’aide au diagnostic précoce du cancer du pancréas.