Vers l'intervention précoce : Détection de la maladie de Parkinson par analyse vocale avec apprentissage automatique

Introduction / Contexte Cette étude vise à utiliser des algorithmes d'apprentissage automatique pour la détection précoce de la maladie de Parkinson (MP) à travers l'analyse des enregistrements vocaux. En utilisant des techniques d'apprentissage automatique avancées et un ensemble de données complet d'échantillons vocaux, l'objectif est de développer une méthode non invasive, précise et fiable pour le diagnostic de la MP, contribuant à l'intervention précoce et à la gestion de la maladie. La maladie de Parkinson (MP) est un trouble neurodégénératif courant affectant des millions de personnes dans le monde. Un diagnostic précoce et précis est crucial pour une gestion et un traitement efficaces. Cette étude tire parti des algorithmes d'apprentissage automatique (AA) pour analyser les enregistrements vocaux, visant à améliorer la détection de la MP. Matériaux et Méthodes Nous avons utilisé un ensemble de données de 195 échantillons vocaux avec 23 attributs, en appliquant des algorithmes d'apprentissage automatique tels que l'analyse discriminante linéaire (ADL), la machine à vecteurs de support (MVS), les k plus proches voisins (KPP) et les réseaux de neurones convolutifs (RNC). L'ensemble de données a été prétraité, équilibré et évalué à l'aide de divers indicateurs de performance. Résultats Le modèle des K plus proches voisins (KPP) a montré une performance supérieure, atteignant une précision élevée (0,96-1,00), un rappel (0,97-1,00) et des scores F1 (0,98-0,99) pour les classes MP et non-MP, démontrant une précision globale de 0,98 sur 59 échantillons. Cela met en évidence son efficacité dans la détection de la MP via l'analyse vocale. Discussion Cette recherche souligne le potentiel de l'AA pour révolutionner la détection de la MP par des méthodes non invasives. En comparant divers algorithmes, l'étude identifie non seulement le modèle le plus efficace, mais contribue également à la compréhension plus large de l'application des techniques d'AA dans le domaine de la santé. Conclusion Les résultats de l'étude plaident en faveur du modèle KPP comme un outil prometteur pour un diagnostic précoce et précis de la MP par l'analyse vocale. Le succès de ce modèle ouvre des voies pour de futures recherches, y compris l'exploration de modèles plus avancés et l'intégration de ces modèles dans des applications diagnostiques pratiques.