Journal des méthodes de diagnostic médical
Libre accès

Abstrait

Synergie entre l'apprentissage automatique et la blockchain pour une détection précoce des maladies : une étude ciblée sur le diagnostic de la COVID-19

Jayendra S. Jadhav

La détection précoce des maladies joue un rôle essentiel dans les soins de santé modernes, car elle peut influencer considérablement le pronostic des patients, les coûts des soins de santé et la santé publique en général. Les algorithmes d'apprentissage automatique servent d'outils indispensables pour découvrir des modèles subtils, des tendances et des facteurs prédictifs présents dans des sources de données médicales complexes, telles que les dossiers des patients, les images diagnostiques et les informations génomiques. L'intégration de l'apprentissage automatique à la technologie Blockchain offre une opportunité substantielle de progrès transformateurs dans les soins de santé. Ce document examine plusieurs techniques d'apprentissage automatique telles que LR, RF, GB, SVC et GNB. Il met en valeur leur efficacité remarquable dans l'analyse des symptômes pour une détection précise des maladies, la COVID-19 servant d'étude de cas principale. L'application de la validation croisée a offert une analyse sophistiquée des capacités de performance, révélant que les modèles Random Forest et Gradient-Boosting sont particulièrement efficaces, trouvant un équilibre vital dans leurs métriques, ce qui est essentiel pour la détection fiable des maladies à leur début. De plus, ces modèles, avec leur précision (0,91) et leur exactitude (0,92) significatives, ont affirmé son statut d'outil exceptionnel pour l'identification précoce des maladies. En fin de compte, la combinaison des technologies d’apprentissage automatique et de blockchain renforce considérablement la capacité des systèmes de santé à détecter et à gérer les maladies de manière précoce, améliorant ainsi notre compréhension des maladies et guidant les mesures et stratégies de santé publique.