AI4CKD : prédiction des stades de la maladie rénale chronique
Modèle de machine learning prédisant les stades de la maladie rénale chronique à partir de données cliniques et démographiques, en collaboration avec le CNHU-HKM (Bénin).
Aperçu
Dans le cadre du hackathon AI4CKD, nous avons développé un modèle de machine learning pour prédire les stades de la maladie rénale chronique (CKD) à partir de données cliniques et démographiques recueillies avant les résultats des examens de laboratoire. L’objectif : soutenir le diagnostic précoce et améliorer la prise en charge des patients. Consulez le Dossier / Rapport du projet.
Données
Le jeu de données a été fourni par le CNHU-HKM (Bénin) en collaboration avec l’initiative AI4CKD : un contexte réel de données médicales africaines, encore rares dans la recherche.
Approche technique
- Prétraitement avancé des données cliniques (valeurs manquantes, encodage, normalisation)
- Analyse statistique pour identifier les variables les plus prédictives
- Comparaison de modèles de classification : Random Forest, SVM, KNN
- Déploiement d’une interface web pour la prédiction en conditions réelles
Stack
Python · Scikit-learn · Pandas · NumPy
Enseignement clé
En contexte médical, la collaboration avec des cliniciens et la qualité des données priment sur la complexité du modèle. L’enjeu principal a été d’extraire un signal fiable à partir de données réelles, hétérogènes et incomplètes.