Approche d’intelligence artificielle basée sur l’expression génique pour la classification des types de cancer

Abstract

La classification des différents types de tumeurs est d'une grande importance dans le diagnostic du cancer et la découverte de médicaments. Cependant, la plupart des études antérieures de classification sont uniquement basées sur des données cliniques. Elles ont une capacité de diagnostic limitée. Ainsi, l’utilisation d’autres types de classification, à l’instar de la classification à l'aide des données d'expression génique, est devenue indispensables. Cette dernière est utilisée pour contenir les clés permettant de résoudre les problèmes fondamentauxliés au diagnostic du cancer et à la découverte de médicaments. L’évolution des plateformes de séquençages a rendu possible la surveillance simultanée de milliers de profil d’expressions géniques. Avec cette abondance des données, les chercheurs ont commencé à explorer les possibilités d’utiliser ce type de méthodes pour la classification des tumeurs. Nous avons utilisé dans notre contribution à la classification des maladies cancéreuses à partirde l'expression génique des techniques de machine learning et de deep learning. La méthode proposée dans cette étude repose sur une approche en trois étapes pour la classification des maladies cancéreuses à partir de l'expression génique, avec pour objectif principal d'améliorer la précision diagnostique et d'identifier des biomarqueurs informatifs. En mettant en œuvre notre approche et en évaluant les performances des différents modèles, nous avons constaté que le modèle CNN a obtenu les meilleurs résultats en termes de précision, sensibilité et spécificité. Ses capacités de traitement des données en 1D, en utilisant des filtres et des convolutions, ont permis de capturer des caractéristiques spécifiques à partir de l'expression génique, conduisant à une classification plus précise des types de cancers