Système de diagnostic des maladies courantes en zones rurales de la RDC assisté par l'intelligence artificielle

Résumé

Auteur : SINGO Brigitte
Niveau: G3
Département: Genie Informatique
Année Ac: 2024-2025 , | 2025-03-13 18:10:18

Mots clés

Python, JavaScript, frameworks IA,Flask,React, MySQL

Intérêt

Scientifique : Appliquer l’IA pour améliorer la précision et la rapidité des diagnostics médicaux.
Sanitaire : Réduire la mortalité liée aux maladies évitables dans les zones rurales.
Technologique : Développer une solution innovante basée sur la vision par ordinateur et le traitement du langage naturel (NLP).
Économique : Offrir une alternative moins coûteuse aux équipements médicaux avancés.

Problématique

Les zones rurales de la RDC font face à un manque criant de personnel médical qualifié et d’infrastructures de diagnostic. Le retard dans l’identification des maladies courantes entraîne des complications graves et un taux de mortalité élevé.Cependant l'accès aux médecins spécialistes peut être limités Comment l’intelligence artificielle peut-elle améliorer le diagnostic médical dans ces régions en l’absence de médecins spécialisé et d'équipements sophistiqués?

Plan provisoire

Introduction
Contexte et justification
Problématique
Objectifs
Hypothèse
Méthodologie
Chapitre 1 : État de l’art
Présentation des maladies courantes en RDC
Limitations des méthodes de diagnostic actuelles
IA en médecine : concepts et applications
Travaux antérieurs sur le diagnostic assisté par IA
Chapitre 2 : Conception du système
Choix des maladies à diagnostiquer
Collecte et prétraitement des données médicales
Architecture du modèle IA
Réseaux CNN pour l’analyse d’images
Modèle NLP pour l’analyse des symptômes
Développement de l’interface utilisateur
Chapitre 3 : Implémentation et évaluation
Entraînement et optimisation des modèles
Évaluation des performances (précision, rappel, courbe ROC)
Tests en conditions réelles en zone rurale
Chapitre 4 : Discussion et perspectives
Interprétation des résultats
Limites du modèle
Perspectives d’amélioration
Conclusion et recommandations

Hypothèses

L’intégration de l’intelligence artificielle basée sur l'apprentissage automatique,système combinant analyse d’images médicales et chatbot médical, permettra de réduire le délai et les erreurs de diagnostic dans les zones rurales de la RDC, améliorant ainsi la prise en charge des patients.

Méthodes

1. Collecte des données : Bases de données médicales publiques et collaboration avec des hôpitaux locaux.
2. Développement du modèle IA :
Vision par ordinateur (réseaux de neurones convolutifs - CNN) pour l’analyse des images médicales.
Traitement du langage naturel (NLP) pour analyser les symptômes décrits par les patients.
3. Validation : Comparaison avec les diagnostics médicaux traditionnels.
4. Test sur le terrain : Expérimentation en zones rurales via une application mobile ou un dispositif embarqué.

Bibliographie

1. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
2. Ravi, D., et al. (2017). "Deep Learning for Health Informatics." IEEE Journal of Biomedical and Health Informatics.
3. Lung cancer detection using deep learning (2020). IEEE Transactions on Medical Imaging.
4. WHO (2023). Rapport sur la santé en Afrique : accès aux soins en zones rurales.
5. Kaggle Dataset – Malaria Cell Images Dataset.

Directeur & Encadreur

Directeur: AKWIR Alain NKIEDIEL
Encadreur: MOLO Joaquim MBASA

Status

Décision ou observation: À reformuler
Feu vert: AUCUN
Déposé : NON
Défendu: NON
Finalisé: NON