Application mobile de machine learning pour la détection précoce du cancer du poumon
Image générée par Gemini AI
Une nouvelle recherche a comparé neuf algorithmes de classification pour détecter le cancer du poumon en utilisant l'application NusaMiner. En s'appuyant sur un ensemble de données comprenant 309 enregistrements provenant de Kaggle, l'étude a révélé que les algorithmes de Gradient Boosting et de Random Forest atteignaient une précision allant jusqu'à 100 %. NusaMiner pourrait ainsi améliorer le dépistage précoce du cancer du poumon, offrant une solution à la fois efficace et efficiente pour les services de santé.
Application Mobile d'Apprentissage Automatique pour la Détection Précoce du Cancer du Poumon Montre des Résultats Prometteurs
Une étude récente a évalué la performance de neuf algorithmes de classification dans la détection du cancer du poumon via l'application mobile NusaMiner. L'étude a utilisé un ensemble de données provenant de Kaggle, comprenant 309 enregistrements avec 16 attributs liés aux facteurs de risque et aux symptômes des patients.
Résultats
Les résultats ont indiqué que NusaMiner a atteint une précision élevée et stable à travers différents ratios de division des données. Notamment, les algorithmes Gradient Boosting et Random Forest se sont démarqués en tant que meilleurs performeurs, avec des taux de précision atteignant 100% dans plusieurs scénarios. Cela positionne NusaMiner comme une solution potentiellement innovante pour améliorer la détection précoce du cancer du poumon.
Implications pour la Santé
NusaMiner pourrait considérablement améliorer la rapidité et la fiabilité des diagnostics du cancer du poumon, ce qui pourrait conduire à de meilleurs résultats pour les patients. Sa haute précision en fait un outil précieux pour les professionnels de la santé mettant en œuvre des stratégies de détection précoce.
Sujets connexes :
📰 Source originale : https://doi.org/10.37817/ikraith-informatika.v10i2.5474
Tous les droits et crédits appartiennent à l'éditeur original.