Prédire l’insuffisance cardiaque à l’aide de l’apprentissage profond

Abstract

Les maladies cardiaques font partie des maladies les plus courantes dans le monde et comptent parmi les principales causes du nombre élevé de décès, en particulier chez les patients souffrant d'insuffisance cardiaque. Il est donc devenu nécessaire d'utiliser des outils plus avancés pour les détecter et les classer afin de réduire le risque de les contracter. Prédire les maladies cardiaques nous aide à éviter les complications de santé des patients infectés et à réduire la durée de leur traitement. Cela nous aide également à réduire le taux de mortalité, qui est en constante augmentation, surtout ces dernières années, et compte tenu de l'évolution à laquelle le monde est témoin dans le domaine de la santé et de la technologie. Il est devenu urgent d’utiliser un outil d’intelligence artificielle, à savoir le deep learning, qui fournit d’excellents modèles dans le domaine de la prédiction. L'objectif de ce projet est de développer un système intelligent pour prédire l'insuffisance cardiaque à l'aide de l'apprentissage profond, qui nous fournit un modèle intelligent et efficace pour analyser les données médicales et prédire la maladie. Parmi les modèles que nous avons utilisés figurait un modèle RNN(LSTM) qui analysait un Dataset contenant 5000 dossiers de patients. Nous l’avons utilisé pour prédire la probabilité de développer une insuffisance cardiaque en premier et nous avons obtenu d’excellents résultats. Nous avons également créé une application médicale simple et flexible à utiliser afin de prédire l'insuffisance cardiaque. Les outils utilisés dans cette étude sont Python et Google Colab. De plus, des bibliothèques Python ont été utilisées (TensorFlow, NumPy, Pandas, scikit learn).