Proposition d’un modèle de prédiction basé sur Machine Learning et le web sémantique

Abstract

De nos jours, la technologie s'est améliorée dans le monde entier et est devenue une partie essentielle de notre vie. Elle aide les médecins à analyser et à diagnostiquer les problèmes médicaux et les maladies. A l'aide de l'intelligence artificielle en médecine, la science est devenue très demandée aujourd'hui. L'utilisation de l'intelligence artificielle dans de nombreux secteurs se généralise, car elle contribue à améliorer les soins de santé de plusieurs façons. Cependant, le projet d'IA est vulnérable à certains types de problèmes de santé, tels que les données non structurées, le temps de retard, etc. Par conséquent, de nouvelles approches basées sur l'ontologie doivent être intégrées, par exemple, la prédiction des maladies à l'aide de techniques d'ontologie et d'apprentissage automatique. Les ontologies peuvent soutenir le diagnostic des maladies, en particulier en raison de leur capacité inhérente à traiter l'interopérabilité sémantique. D'un côté, l'ontologie est l'une des approches les plus adoptées pour gérer, organiser et extraire des données au cours des décennies précédentes. C'est une méthode de représentation de données qui a été mise en œuvre avec succès dans une variété de domaines, en particulier le domaine médical. Il est important en informatique en raison de sa capacité à représenter divers concepts et leurs relations dans différentes disciplines. Une approche basée sur l'ontologie pour identifier les patients atteints de maladies chroniques est une approche sémantique avec des contraintes définies, des concepts et des relations prédéfinis, y compris son propre vocabulaire. Ce modèle d'ontologie prend des requêtes, communique avec la base de connaissances et analyse les dossiers des patients par le biais d'annotations sémantiques et, dans ce cas, identifie les patients atteints de maladies chroniques ou mortelles en intégrant des langages sémantiques. L'approche basée sur l'ontologie utilise également diverses fonctions telles que la gestion terminologique, l'intégration et le partage de données, la réutilisation des connaissances et l'aide à la décision. En réalité, aucune ontologie unique n'est suffisante pour répondre aux demandes croissantes des soins de santé d'aujourd'hui, et les ontologies doivent être intégrées à des algorithmes d'apprentissage automatique pour prendre en charge l'intégration et l'analyse des données. Dans ce contexte, les objectifs de nos travaux de recherche s'articulent autour de l'intégration de l'ontologie avec l'apprentissage automatique pour la prédiction des maladies dans le domaine de la santé. Nous avons introduit une nouvelle approche consistant à combiner l’apprentissage automatique et le Web Sémantique. D’une part, les algorithmes d’apprentissage automatique apprennent de manière autonome à effectuer une tâche ou à faire des prédictions à partir de données et améliorent leurs performances dans le temps, tandis que le Web sémantique fournit plusieurs formats d’affichage des données et des connaissances ontologiques de base. La fusion des deux domaines, nous a permis de construire un modèle basé sur une ontologie capable de prédire les maladies avec une grande précision. Nous avons appliqué l’approche sur deux différentes maladies (cardiovasculaires, cancer du sein), de plus, nous avons testé l’efficacité de cette approche dans la détection des cas du COVID-19.