Extraction de données exploitables pour la classification du cancer du sein et prédiction du risque de la récidive

Abstract

La mort par cancer est l'un des problèmes majeurs de l'humanité. Bien qu'il existe de nombreux moyens de la prévenir, certains types de cancer n'ont toujours pas de traitement. L'un des types de cancer les plus courants est le cancer du sein, le diagnostic précoce et précis est l’un des choses la plus importante dans son traitement. La récidive du cancer du sein fait partie des craintes les plus notables des femmes. La prédiction précoce de la récidive peut contribuer à apaiser ces craintes. Bien que les informations médicales soient généralement compliquées et qu'il soit difficile de simplifier les recherches pour obtenir les données les plus pertinentes, les nouvelles techniques sophistiquées d'exploration de données promettent des prédictions précises à partir de données hautement dimensionnelles. L'objectif de ce document de recherche est de présenter un rapport sur le cancer du sein et son récidivité où nous avons profité de ces avancées technologiques disponibles pour développer des modèles de détection et de prédiction. Dans cette étude, les performances de deux algorithmes d'exploration de données établis : k- voisin le plus proche (KNN) et machine à vecteur de support (SVM), l'analyse en composantes principales (ACP), pour prédire la récurrence du cancer du sein. La comparaison a été effectuée entre les modèles construits en l'absence et en présence de l'ACP. Les résultats ont montré que KNN a produit une meilleure prédiction sans ACP (accuracy = 96.43%), tandis que l’autre technique (SVM) nous donne le même résultat avec et sans ACP. (accuracy = 78.57 %). Cette étude peut être utile au secteur de la santé en aidant les médecins à prédire précisément la récidive du cancer du sei