Détection de virus l’hépatite C basé sur les modèles de Machine Learning

Abstract

L’hépatite C est une maladie du foie qui peut entraîner de graves complications si elle n’est pas détectée et traitée rapidement, donc il faut la détecter pour assurer une prise en charge efficace et réduire les risques liés à cette maladie. Cependant, les méthodes traditionnelles de dépistage de l’hépatite C peuvent présenter des limitations en termes de coûts élevés et de délais pour obtenir les résultats. L’objectif principal de cette étude est d’améliorer ces méthodes de dépistage en termes de sensibilité, de coût et de rapidité des résultats. Ainsi, notre étude se concentre sur la construction d’un modèle de Machine Learning (ML) qui vise à prédire de manière précise la présence de l’hépatite C. Nous avons utilisé différents algorithmes de Machine Learning tels que Régression Logistique (LR), Forêt Aléatoire (RF), K plus proches voisins (KNN), Arbre de Décision (DT) et Machine à Vecteurs de Support (SVM). Les résultats obtenus ont démontré que le SVM est la méthode la plus performante avec un taux de précision à 96% qui est une valeur très satisfaisante. Ces résultats prometteurs suggèrent que cette étude peut servir de base pour de futures recherches dans le domaine de la détection de l’hépatite C. En outre, nous avons développé une application web simple pour tester les prédictions du modèle construit