Apprentissage automatique quantique (QML) pour la détection du cancer

Le cancer demeure un défi mondial majeur, avec 19,3 millions de nouveaux cas et 10 millions de décès en 2020. Les progrès de l’intelligence artificielle (IA) ont amélioré la détection des tumeurs. Cependant, obtenir des informations cliniquement utiles reste un défi. L’informatique quantique offre des accélérations exponentielles, notamment avec l’apprentissage automatique quantique (QML), suscitant un intérêt croissant pour les applications biomédicales. L’application de l’apprentissage automatique (ML) et de l’apprentissage profond (DL) est cruciale pour la détection précoce du cancer. Ces techniques permettent une analyse exhaustive des données médicales, conduisant à une détection plus rapide et précise des signes précurseurs. L’informatique quantique offre de nouvelles perspectives dans le domaine de la santé. Malgré des capacités prometteuses, l’application du QML en santé nécessite des recherches supplémentaires pour adapter ces approches aux données cliniques et biomédicales. En conclusion, l’IA et le QML jouent un rôle crucial dans l’amélioration des performances de prédiction du cancer. Ce projet vise à explorer le potentiel de l’apprentissage automatique quantique pour la prédiction du cancer, en mettant l’accent sur le cancer du côlon et du rectum (Polypes) et le cancer de la peau.

Faculty Supervisor:

Moulay Akhloufi

Student:

Partner:

Cadi Ayyad University

Discipline:

Computer science

Sector:

Education

University:

Université de Moncton

Program: