Bliss Singhal, Fnu Pooja
L'apprentissage automatique (ML) est une branche de l'intelligence artificielle (IA) où les ordinateurs analysent les données et trouvent des modèles dans les données. L'étude se concentre sur la détection du cancer métastatique à l'aide du ML. Le cancer métastatique est le point où le cancer s'est propagé à d'autres parties du corps et est la cause d'environ 90 % des décès liés au cancer. Normalement, les pathologistes passent des heures chaque jour à classer manuellement si les tumeurs sont bénignes ou malignes. Cette tâche fastidieuse contribue à l'étiquetage erroné des métastases dans plus de 60 % des cas et souligne l'importance d'être conscient des erreurs humaines et d'autres inefficacités. Le ML est un bon candidat pour améliorer l'identification correcte du cancer métastatique, sauvant des milliers de vies et peut également améliorer la vitesse et l'efficacité du processus, prenant ainsi moins de ressources et de temps. Jusqu'à présent, la méthodologie d'apprentissage profond de l'IA a été utilisée dans la recherche pour détecter le cancer. Cette étude est une nouvelle approche pour déterminer le potentiel de l'utilisation d'algorithmes de prétraitement combinés à des algorithmes de classification pour détecter le cancer métastatique. L'étude a utilisé deux algorithmes de prétraitement : l'analyse en composantes principales (ACP) et l'algorithme génétique pour réduire la dimensionnalité de l'ensemble de données, puis a utilisé trois algorithmes de classification : la régression logistique, le classificateur d'arbre de décision et les k-voisins les plus proches pour détecter le cancer métastatique dans les analyses pathologiques. La précision la plus élevée de 71,14 % a été produite par le pipeline ML comprenant l'ACP, l'algorithme génétique et l'algorithme des k-voisins les plus proches, ce qui suggère que les algorithmes de prétraitement et de classification ont un grand potentiel pour détecter le cancer métastatique