Les maladies cardiovasculaires restent un défi de santé mondial majeur, causant des millions de décès chaque année et imposant des coûts de santé importants. Un diagnostic précoce et précis est essentiel pour améliorer les résultats et permettre une intervention rapide.
Même si l’apprentissage automatique conventionnel s’est révélé prometteur en matière de prévision des maladies, il se heurte souvent à des données cliniques très complexes et non linéaires.
Un groupe de recherche du Collège d’ingénierie et d’informatique de la Florida Atlantic University, dirigé par Arslan Munir, Ph.D., professeur au Département de génie électrique et d’informatique de la FAU et directeur du laboratoire des systèmes intelligents, de l’architecture informatique, de l’analyse et de la sécurité (ISCAAS), a développé un nouveau cadre d’apprentissage automatique quantique qui améliore considérablement la prévision des maladies cardiaques, atteignant une précision de plus de 90 %.
L’étude, publiée dans le MDPI AI Journal (facteur d’impact de 6,5), présente une évaluation complète des techniques de cartographie des caractéristiques quantiques et de classification quantique pour la prédiction des maladies cardiaques, et démontre le potentiel de l’apprentissage automatique quantique pour améliorer l’analyse des soins de santé et les systèmes d’aide à la décision clinique.
À l’aide de données cliniques provenant de 918 patients, le groupe de recherche a évalué systématiquement cinq techniques de cartographie des caractéristiques quantiques et quatre classificateurs d’apprentissage automatique quantique afin d’identifier l’approche la plus efficace pour le diagnostic des maladies cardiaques. Le modèle le plus performant, une machine à vecteurs de support quantique utilisant le codage d’angle, a atteint une précision de 90,26 %, une sensibilité de 92,16 %, une spécificité de 83,42 % et une ASC de 0,93, soulignant son potentiel pour une prévision précise des maladies cardiaques.
Nos recherches démontrent que l’apprentissage automatique quantique peut constituer un nouveau paradigme puissant pour l’analyse des soins de santé. En tirant parti des représentations de caractéristiques quantiques et des classificateurs améliorés quantiques, nous pouvons modéliser plus efficacement des relations complexes au sein des données cliniques, permettant ainsi une prédiction très précise des maladies cardiaques. À mesure que les technologies quantiques continuent de progresser, elles ont le potentiel de transformer la façon dont nous diagnostiquons les maladies, personnalisons les traitements et soutenons la prise de décision clinique.
Arslan Munir, Ph.D., professeur au Département de génie électrique et d’informatique de la FAU et directeur du laboratoire des systèmes intelligents, de l’architecture informatique, de l’analyse et de la sécurité (ISCAAS)
L’étude fournit la preuve que les modèles quantiques améliorés peuvent fournir des prédictions très précises tout en maintenant l’efficacité des calculs grâce à des cartes de caractéristiques quantiques soigneusement conçues et des circuits quantiques peu profonds.
« Ces travaux illustrent le potentiel croissant de l’informatique quantique pour contribuer aux progrès des soins de santé et de la médecine.« , a déclaré Stella Batalama, Ph.D., doyenne du Collège d’ingénierie et d’informatique. « La Florida Atlantic University réalise d’importants investissements dans l’infrastructure d’informatique quantique, et le College of Engineering and Computer Science complète ces investissements en renforçant l’expertise du corps professoral et la capacité de recherche dans ce domaine émergent. Les travaux du Dr Munir constituent un excellent exemple de la manière dont nos professeurs explorent l’intersection de l’informatique quantique, de l’IA et des soins de santé. Cette recherche reflète également l’engagement plus large de la FAU à renforcer la recherche et l’éducation quantiques..»
Menés par le laboratoire ISCAAS de Munir, les travaux contribuent aux efforts en cours visant à développer des applications pratiques des technologies quantiques dans les soins de santé, la cybersécurité, les infrastructures intelligentes, les systèmes autonomes et le calcul scientifique.
La publication complète également les investissements plus larges de la FAU dans l’expansion de notre écosystème d’informatique quantique, les collaborations industrielles et les initiatives axées sur la préparation des étudiants et des chercheurs à la prochaine génération de technologies informatiques.
Alors que les gouvernements, l’industrie et les instituts de recherche du monde entier investissent massivement dans les technologies quantiques, les soins de santé sont devenus l’un des domaines d’application les plus prometteurs. Les systèmes de diagnostic quantiques pourraient éventuellement aider les médecins à analyser des ensembles de données médicales de plus en plus complexes, à identifier plus tôt les risques de maladie et à prendre en charge une planification de traitement personnalisée.
« L’informatique quantique est en train de passer d’une promesse théorique à une innovation pratique, et les soins de santé représentent l’un des domaines d’application les plus marquants dans lesquels l’apprentissage automatique quantique peut faire la différence.« , a déclaré Munir. « Nos travaux prouvent que les approches quantiques peuvent déjà produire des résultats significatifs et jettent les bases de futures applications cliniques alimentées par les technologies quantiques de nouvelle génération.»
