Apprentissage automatique quantique (QML) en oncologie : application au cancer du sein et au cancer du poumon

Le cancer représente un défi majeur pour la santé mondiale avec des millions de nouveaux cas chaque année. L’intelligence artificielle (IA), notamment l’apprentissage profond, a amélioré la détection des tumeurs, mais transformer les grandes quantités de données médicales en informations cliniquement exploitables reste difficile. L’informatique quantique émerge comme une technologie prometteuse, notamment via l’apprentissage automatique quantique (QML), qui propose des algorithmes avancés pour améliorer l’apprentissage automatique. Ces algorithmes sont explorés dans des domaines biomédicaux pour des tâches comme la réduction de la dimensionnalité et la classification. Les modèles hybrides quantiques-classiques montrent un potentiel pour la découverte de biomarqueurs et la prédiction de la survie des patients, notamment en pathologie numérique. Malgré des avancées, des recherches supplémentaires sont nécessaires pour valider ces techniques en oncologie. L’apprentissage automatique et profond reste crucial pour la détection précoce du cancer, particulièrement efficace pour analyser les images médicales complexes et faciliter des diagnostics rapides. Ce projet vise à évaluer le potentiel du QML dans la prédiction du cancer du sein et du poumon, en utilisant les bases de données CBIS-DDSM et LUNA16.

Faculty Supervisor:

Moulay Akhloufi

Student:

Partner:

Cadi Ayyad University

Discipline:

Computer science

Sector:

Education

University:

Université de Moncton

Program: