Prédiction des maladies cardiovasculaires à l’aide du Deep Learning
Loading...
Date
2026
Journal Title
Journal ISSN
Volume Title
Publisher
FACULTÉ DES SCIENCES
Abstract
Les maladies cardiovasculaires constituent une cause majeure de morbidité et
de mortalité, ce qui rend la prédiction précoce du risque particulièrement utile
pour la prévention, l’orientation du dépistage et l’aide à la décision médicale
explicable.
La problématique étudiée est d’évaluer la valeur pratique des modèles d’apprentissage
profond par rapport aux modèles classiques pour des données cliniques
tabulaires limitées et déséquilibrées, tout en tenant compte de la sensibilité,
de la discrimination et de l’interprétabilité.
La solution proposée repose sur un cadre comparatif et reproductible associant
des modèles classiques et des architectures profondes adaptées aux données tabulaires.
L’évaluation ne se limite pas à la performance prédictive : elle intègre
également la sensibilité, l’équilibre entre les classes et une analyse explicable
des prédictions afin de relier les sorties des modèles aux facteurs de risque cliniquement
pertinents.
Les résultats montrent que le Perceptron Multicouche (MLP) atteint la
meilleure discrimination au même niveau que la régression logistique, tout en
obtenant le meilleur équilibre global entre les classes, tandis que ResNetTab
fournit la sensibilité la plus élevée, critère important pour le dépistage. Ces résultats
positionnent les modèles profonds comme des alternatives prometteuses
et complémentaires lorsque la priorité porte sur la sensibilité, l’équilibre des
performances et l’analyse des prédictions, avec un potentiel renforcé par des
données plus riches.